概率论与数理统计基本概念及抽样分布参考.pptVIP

第六章 样本及抽样分布 二、样本的数字特征 2.样本方差： §6.2 抽样分布(几个重要分布) 二、标准正态分布的百分位点 P{X＞Xα} =α， 三、 分布 记作 四 、t分布 4. F分布的百分位点 小 结 练习 作业： 108页 3, 4 第六章 统计量小结 第七章 参数估计 问题：若总体X的分布函数F(x)的类型已知，但它的一个或多个参数未知,如何估计总体的未知参数？ 想法：用X的一组样本观察值（x1，x2，…，xn）来估计总体中未知参数的值，即用样本统计量的值估计总体中未知参数的值. 二、 极大似然估计法（Fisher) 例4．X~P(λ)，求λ极大似然估计. 三、估计量的评选标准 设 = （X1，X2，…，Xn）为未知参数θ的估计量序列， 例8．设X1, X2, X3是来自均值为? 的指数分布总体的样本. 其中? 未知，设有估计量 例9．试证样本均值 及样本方差S2分别是总体均值μ及总体方差σ2的无偏估计. Y ~ N (μ2,σ2 2) ： Y1，Y2，…,Yn2 ，它们相互独立. X ~ N (μ1,σ12) ： X1，X2，…,Xn1 (1) (2) 当σ12 =σ22 =σ2时， 4. 两个正态总体 当σ12 ,σ22 已知时， 下页 5 6 Y ~ N (μ2,σ2 2) ： Y1，Y2，…,Yn2 ，它们相互独立. X ~ N (μ1,σ12) ： X1，X2，…,Xn1 (4) 4. 两个正态总体 下页 7 8 当μ1 、μ2 已知时, (3) 当μ1 、μ2 未知时, 估计量：设θ为总体X的未知参数，用样本（X1，X2，…，Xn）构成的一个统计量 来估计θ的真值，称 为θ的估计量. 参数的点估计(方法)：指用样本统计量的值估计未知参数的值. 估计值：对应于样本的一组观测值（x1，x2，…，xn），估计量 的值 （ x1，x2，…，xn）称为θ的估计值，仍记作 . 本章介绍 ：1）矩估计法；2）极大似然估计法. §7.1参数的点估计 下页 mk= E（Xk） ck= E[X-E(X)]k 总体矩 总体矩的估计值 样本矩 = = 显然, 通常取: 理论根据：格利文科定理. Fn(x) 以概率1收敛于F(x)，可以证明, 只要总体的l阶矩存在,样本的l阶矩依概率1收敛于总体的l阶矩. 一、矩估计法 矩估计法：是用样本矩估计相应的总体矩，用样本矩函数估计总体矩的同一函数的一种估计方法。 下页 解得θ1，θ2的矩估计量为 据矩估计法有 例1．设总体X~N(μ，σ2 )，试求μ，σ2的矩估计量. 解得μ，σ2 的矩估计量分别为 即， 即， 例2．设总体X~U[θ1，θ2] ，试求θ1，θ2的矩估计量. 下页 解：设X1,…,Xn为X的一个样本， E(X)= μ, D(X)= σ2， 据矩估计法有 解：设X1,…,Xn为X的一个样本， 试求θ的矩估计量. 由于E(X)=θ, 根据矩估计法有 (k=0,1,2…；0＜θ＜+∞) 又由于 D(X)=θ， 故可得θ的另一个矩估计量为 由此可见一个参数的矩估计量是不唯一的. 例3．设总体X服从参数为θ的泊松分布，即 [问题]：选哪一个作为估计量更好呢？ 下页 解：设X1,…,Xn为X的一个样本， 极大似然估计法是求估计值的另一种方法，最早由高斯(R.A,Gauss) 提出，后来为费史（Fisher)在1912年重新提出，并证明该方法的一些性质． 它是建立在极大似然原理基础上的一个统计方法． 极大似然原理：一个随机试验有若干种可能的结果A，B， C，…．若在一次试验中，结果A出现，则一般认为试验条件对 A出现有利，也即A出现的概率很大． 引例．设有外形完全相同的两个箱子，甲箱有99个白球1个黑球， 乙箱有1个白球99个黑球，今随机地取出一箱，再从取出的一箱中 抽取一球，结果取得白球，问这球是从哪一个箱子中取出的？ 解：甲箱中抽得白球的概率P(白|甲)＝99/100 乙箱中抽得白球的概率P(白|乙)=1/100 白球从甲箱中抽出的概率比从乙箱中抽出的概率大得多，根据极大似然原理，既然在一次抽样中抽得白球，当然可以认为是从抽取概率大的箱子中抽出的，所以，可作出统计推断：白球是从甲箱中抽出的. 下页 设总体X的概率密度函数为 f(x;θ)，[若X是离散型, f(x;θ) 是分布律]θ为未知参数(θ也可以是向量)，则下列函数：