概率统计与随机过程 8- 参数估计.ppt

  1. 1、本文档共48页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
概率统计与随机过程 8- 参数估计

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

文档评论(0)

asd522513656 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档