概率论与数理统计教程（答案及课件）chapter6.ppt

* 第六章 点估计 实际工作中碰到的随机变量往往是知道大致的分布 类型，但不知道确切的分布。 需要根据样本来估计总体的参数。 这类问题称为参数估计。 通常有两种方法： 点估计：以样本的某一函数值作为总体中未知参数的 估计值。 区间估计：依据样本把总体的参数确定在某一范围内。 §1 估计量的优劣标准 希望估计量能代表真实参数。 三种常用的评价标准： (一)一致估计 一致性只在样本容量较大时才起作用. (二)无偏估计 如果有一系列抽样构成各个估计， 希望这些估计的期望值与参数的真实值相等。 即样本估计量在参数值的真实值周围摆动，没 有系统误差。 (三)有效估计 注:无偏估计不唯一,如例3. § 2. 矩估计法 矩估计法是英国统计学家K.皮尔逊 最早提出来的 . 由辛钦定理 , 若总体 的数学期望 有限, 则有 其中 为连续函数 . 这表明 , 当样本容量很大时 , 在统计上 , 可以用 用样本矩去估计总体矩 . 这一事实导出矩估计法. 定义 用样本原点矩估计相应的总体原点矩 , 又 用样本原点矩的连续函数估计相应的总体原点矩的 连续函数, 这种参数点估计法称为矩估计法 . 理论依据: 大数定律 矩估计法的具体做法如下 用样本矩作为相应总体矩的估计量 总体X的分布函数为 假设总体X的r阶原点矩存在，记： 是 的函数，记为： 用样本矩作为总体矩的估计，有 则总体的k阶原点矩 它确定了含有r个未知数 的r个方程 （*） 由方程（*）解得 其中 分别称为 的矩估计量。 例1 为总体 的一个样本， 总体均值 方差 未知， 求其矩估计量。 假设总体二阶矩存在,分别是 一阶矩 二阶矩 解 由上两式得： 不论总体X 服从什么分布，其数学期望和方差的矩估计量分别为样本均值和二阶样本矩 即: 联立求解可得 矩法的优点是简单易行,并不需要事先知道总体是什么分布 . 缺点是，当总体类型已知时，没有充分利用分布提供的信息 . 一般场合下,矩估计量不具有唯一性 . 其主要原因在于建立矩法方程时，选取那些总体矩用相应样本矩代替带有一定的随意性 . 稍事休息 § 3. 最大（极大）似然估计 它是在总体类型已知条件下使用的一种参数估计方法 . 它首先是由德国数学家高斯在 1821年提出的 . Gauss Fisher 然而,这个方法常归功于英国统计学家费歇 . 费歇在1922年重新发现了这一方法，并首先研究了这种方法的一些性质 . 最大似然法的基本思想 先看一个简单例子： 一只野兔从前方窜过 . 是谁打中的呢？ 某位同学与一位猎人一起外出打猎 . 如果要你推测， 你会如何想呢? 只听一声枪响，野兔应声倒下 . 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 . 这个例子所作的推断已经体现了极大似然法的基本思想 . 利用总体X的分布函数 的表达式 的估计量及样本的信息，建立未知参数 的估计量 。 分布列为 ,其中 为待估计参数,从而总体X的样本 的联合分布列为 1.总体X的分布为离散型: 它表示样本 取值 的概率.对于样本的观察值 ,它是 的函数,记为 即 称为似然函数。 概率密度为 θ为待估参数,从总 体中抽得样本 ,其联合概率 密度为 2.总体X的分布为连续型: 落在区间 内的概率,近似为 从而样本落在点 的邻域内的概率为 只要 对于样本的一个观 察值 它是 的函数，记为 即 称为似然函数。 综上所述，我们给出下面定义： 设总体X含未知参数 并且总体分布的形式已知， 为样本 的一个观察值。若 存在 的一个值 使得似然函数 在 是 则称 的一个极大似然 估计值，统计量 为 的一个 极大似然估计量。 上述问题就是求似然函数 的最大值问 题。设 关于 可微，要使 取最大值， 必须满足 达到最大值， *