概率统计与随机过程 8- 参数估计.ppt

三、一致估计 设 为总体参数?的估计量，显然 与样本X1,X2,?,Xn有关，我们希望 会随着样本容量n的增大而越接近于?，这一要求便是衡量估计量好坏的另一标准。 注意： 不是总体方差的无偏估计。 所以,它是有偏的. 事实上： 例2 设总体X的概率密度为 　　 (4)求 的方差 。 X1,X2,?,Xn为来自总体X的样本. (1)求总体均值EX,总体方差DX； (2)求?的矩估计量 ;　 (3) 是否为?的无偏估计； 解 (1)总体均值 总体方差 (2)令 得?的矩估计量为 (3) 所以 是?的无偏估计; (4) 的方差 二、最小方差无偏估计 定义2 设 是?的一个无偏估计，若对于?的任一无偏估计 ，成立 则称 是?的最小方差无偏估计。 例3 设X1,X2,?,Xn为来自于总体X的样本,总体均值EX=?,总体方差DX=?2,求?的最小方差线性无偏估计。 解 已知X1,X2,?,Xn独立且与X同分布, ?的线性估计是将X1,X2,?,Xn的线性函数 问题是如何选取 的值，使得无偏性和最小方差这两个要求都能得到满足。 作为?的估计量。 无偏性要求 最小方差要求 这是一个求条件极值问题，用拉格朗日乘数法，令 达到最小， 易知 由条件 得到 于是 是?的最小方差无偏估计。 得 若 和 都是?的无偏估计量，且 成立，则通常称估计量 较 有效,或较佳,或较优. 例 设X1,X2,X3为总体的一个样本,试证下列估计量 都是总体均值?的无偏估计量,且问哪一个最佳？ 什么是参数估计？ 参数是刻画总体某方面的概率特性的数量. 当这个数量是未知的时候，从总体抽出一个 样本，用某种方法对这个未知参数进行估计 就是参数估计. 例如，X ~N (? ,? 2), 点估计 区间估计 若?, ? 2未知，通过构造样本的函数, 给出它 们的估计值或取值范围就是参数估计的内容. 第八章 参数估计 第一节 参数的点估计 一.点估计的概念 当总体的分布形式为已知,而参数未知时,欲通过样本对未知参数进行估计,这种方法称为点估计法. 如:客流-泊松分布,但 ?未知;灯管寿命-指数分布等。 二.点估计的方法 1、矩方法； 2、极大似然函数法. 1.矩估计法 分别为总体X的一阶原点矩和二阶中心矩;而 分别为样本的一阶原点矩和样本方差. ?用样本的k阶矩估计总体的k阶矩. 称 为?的矩估计量, 而 称为? 的矩估计值. 称 为?2的矩估计量, 而 称为?2 的矩估计值. 例1 有一批零件，其长度X~N(?,?2)，现从中任取4件，测的长度(单位：mm)为12.6,13.4,12.8,13.2。试估计?和?2的值。 解 由 得?和?2的估计值分别为13(mm)和0.133(mm)2 例2 设总体X的概率密度为 X1,X2,?,Xn为来自于总体X的样本,x1,x2, ?,xn为样本值,求参数?的矩估计。 解 先求总体矩 由于样本均值是总体期望的矩估计量 即得 解之得 为?的矩估计量, 为?的矩估计值. 对于作等式的原则，总体矩和样本矩都有多种，要用同样种类的矩列出等式。多个参数时，列等式的方式不唯一，因此，矩估计就得到不唯一的形式. 此外还需比较估计的优劣性，这一点将在下一节将会介绍，这里不再多说。 例如两个参数?1,?2情形的矩估计,可列如下几种: 例3 设总体X的概率密度为 求?的矩估计量 解法一 虽然f(x,?)中仅含有一个参数?，但因 不含?,不能解出?,需继续求总体的二阶原点矩 解法二 即 用 替换 即得?的另一矩估计量为 得?的矩估计量为 用 替换 即 你就会想,只发一枪便打中,猎人命中的概率一般大于这位同学命中的概率.看来这一枪是猎人射中的. 先看一个简单的例子: 某位同学与