第十六讲 抽样分布和矩估计.docVIP

第十六讲 抽样分布及矩估计 1. 正态总体的样本均值与样本方差的分布 例1 设总体X(不管X服从什么分布，只要均值与方差存在)的均值为，方差为，是来自X的一个样本，，是样本均值和样本方差，试证明： （1）， （2）. 证明： 由第四章知也服从正态分布，于是得到以下定理。 定理1若（）是来自总体的一个样本，为样本均值，则 . 对于正态总体的样本均值和样本方差我们给出以下两个重要定理。 定理2 设（）是来自总体的样本，，分别是样本均值和样本方差，则有 （1）. （2）与相互独立. （该定理不予证明）。 定理3 设（）是来自总体的样本，，分别是样本均值和样本方差，则有 . 证明：由，又，且与相互独立，则与相互独立，由分布的定义，所以 对两个正态总体的样本均值和样本方差有以下定理。 定理4 设（）的一个样本，（是来自总体的一个样本，且与相互独立。设，分别是这两个样本的均值，； 分别是这两个样本的样本方差，则有 （1）； （2）当时， 其中，，。 证明： （1）由定理2知， ，，由于样本（）相互独立，因此，相互独立。由分布的定义，可得 , （2）由定理1知， ，， 又与相互独立，所以 ， 即； 由定理2， ，，且它们相互独立，由分布的可加性，则。由分布的定义： 第六章 样本及抽样分布 §2 抽样分布 （课间休息） 2. 点估计 设总体X的分布函数的形式为已知，但它的一个或多个参数为未知，借助于总体X的一个样本来估计总体未知参数的值的问题称为参数的点估计问题。 关于点估计的一般提法： 设为总体分布函数中的未知参数或总体的某些未知的数字特征， 是来自的一个样本，是相应的一个样本值,点估计问题就是构造一个适当的统计量，用其观察值作为未知参数的近似值，我们称为参数的点估计量，为参数的点估计值，在不至于混淆的情况下，统称为点估计。由于估计量是样本的函数，因此对于不同的样本值，的估计值是不同的。 点估计量的求解方法很多，这里主要介绍矩估计法和极大似然估计法，除了这两种方法之外，还有Bayes方法和最小二乘法等。 矩估计法： 矩估计法的基本思想：用样本矩作为总体矩的估计量，用样本矩的连续函数作为相应总体矩的连续函数的估计量。 具体做法： 假设为总体的待估参数（），是来自的一个样本，是总体X的前k阶矩，是样本的前k阶样本矩。 由于（）是个未知数的函数，即 一般来说，可以从中解出，即将表示为总体矩（）的连续函数，即 然后用（）作为（）的估计量（），并将（）代入到的表达式当中，相应得到的估计量，即 这种估计量称为矩估计量，矩估计量的观察值称为矩估计值。该方法称为矩估计法。 例１ 设某炸药厂一天中发生着火现象的次数X服从以为参数的泊松分布，参数为未知。现有以下的样本值，试估计参数。 解：由于,因此，. 又， 令，则得到 参数的矩估计量为 ， 矩估计值为 ； 例２　设总体未知， 是来自的样本，试求的估计量。 解： 即 自这一方程组解得 又,, 令,则 例３　设总体X的均值和方差都存在，且有.但，均为未知。又设是来自X的样本。试求，的矩估计量。 解： 联立以上两式解得 又,, 令,则 ， 第七章 参数估计 上一章，我们讲了数理统计的基本概念，从这一章开始，我们研究数理统计的重要内容之一即统计推断。 所谓统计推断，就是根据从总体中抽取得的一个简单随机样本对总体进行分析和推断。即由样本来推断总体，或者由部分推断总体。——这就是数理统计学的核心内容。它的基本问题包括两大类问题，一类是估计理论；另一类是假设检验。而估计理论又分为参数估计与非参数估计，参数估计又分为点估计和区间估计两种，这里我们主要研究参数估计这一部分数理统计的内容。 点估计 矩估计法的基本思想：样本来自于总体，从前面可以看到样本矩在一定程度上也反映了总体矩的特征，且在样本容量增大的条件下，样本的阶原点矩以概率收敛到总体的阶原点矩，即，因而自然想到用样本矩作为总体矩的估计。