概率论与数理统计 P7-12.pptVIP

* 第七章 参数估计 第一节 点估计 第二节 估计量的评价标准 第三节 区间估计 §7.1 点估计 问题 参数估计 例： 若总体X的分布函数为F(x, θ)，而 θ 未知，如何利用总体 样本 对θ 进行估计。 例：设总体 一、概念 总体X 的分布类型已知，但其中的一个或几个参数未知， 如何对总体分布的参数作出估计。 定义： 设总体X的分布中含有未知参数 从总体X中抽取一个 样本 其观测值为 取样本的某个 则称 是θ的点估计量， 函数 如果以它的观测值作为未知参数 的估计值， 测值 是θ的点估计值。 而称其观 二、求点估计值的方法 —— 矩估计法 用样本原点矩 来估计总体原点矩 总则 （1）若总体分布函数 含有一个未知参数θ， 则令 解上述方程，得： —— θ 的矩估计量 —— θ 的矩估计值 （2）若总体分布函数 含有两个未知参数θ1,θ2， 解方程组，得矩估计量 则令： 其矩估计值 同理，可推至有限个未知参数的情形。 上一页 下一页 返回 例7.1 设总体X的密度函数为： 其中α未知，样本为（X1，X2，…，Xn），求参数α的矩法估计. 解 由μ1=A1及 若样本观测值为 求参数μ及 σ 的矩估计值。 例7.2 设总体X服从正态分布 ，其中μ及 σ 是未知参数。 解 得 μ 及 σ 的矩估计值为 即 令 结论 以上结论对任何总体X都成立，只要它的均值与方差存在. 三、求点估计值的方法 —— 极（最）大似然法 （1）设总体X是离散随机变量 似然函数： 是一组样本观测值，则 直观想法： 选取的θ应使这组样本观测值出现的可能性最大. 实现途径： 求似然函数L(θ)的最大值. 令 或 解方程可得 就是参数θ的极大似然估计值。 解 （1） 令 得 λ 的矩估计值为 例7.5 设总体X 服从泊松分布 P( λ ), 其中λ为未知参数。如果取 得样本观测值为 求参数 λ 的矩估计值和λ 的 极大似然估计值。 （2）由 得似然函数 得 λ 的极大似然估计值为 令 （2）设总体X是连续随机变量 似然函数 令 或 例4 设总体X服从指数分布，概率密度为 求参数 λ 的矩估计值和极大似然值。 其中 λ 为未知参数。如果取得样本观测值为 解 （1） 令 得 λ 的矩估计值为 似然函数为 （2） 得 λ 的极大似然估计值为 令 然估计值。 例7.7 设总体X服从正态分布 其中μ及 σ 是未知参数。 如果取得样本观测值为 求参数μ及 σ 的极大似 似然函数为 解 令 所以得 μ 及 σ 的极大似然估计值为 即 解得 一、无偏性 为θ的无偏估计量。 则称 定义7.2 §7.2 估计量的评价标准 要求 样本均值 是总体均值μ的无偏估计值。 ∴ 是μ的无偏估计值， 证 结论1 样本方差 是总体方差 的无偏估计值。 证 结论2 例1 测得自动车床加工的10个零件的尺寸与规定尺寸的偏差 (mm)如下：+2，+1，-2，+3，+2，+4，-2，+5，+3，+4， 求零件尺寸偏差总体的均值及方差的无偏估计值. 解 二、有效性 问题 方法 设 及 都是θ的无偏估 定义7.3 计量， 如果 则称 较 有效。