概率与数理统计第七章1.pptVIP

* * * * * * * * * * * * * * * * * 和 下面介绍两个正态总体均值差和方差比的区间估计. 取 由于 故 的置信度为 的置信区间为 取 其中 由于 例6.4.3 随机地从A批导线中抽取4根,又从B批导线中抽取5根,测得电阻（欧）为 A批导线： 0.143 0.143 0.143 0.137 ? B批导线 0.140 0.142 0.136 0.138 0.140 解 这是同方差正态总体均值差的区间估计问题. 故所求的置信区间为 将 代入,得 此即为所求.由于该区间包含了0,所以认为两个总体的数学期望没有什么差别. 取 于是,利用F分布的分位点有 例6.4.4 某自动机床加工同类型套筒,假设套筒的直径服从正态分布,现从两个班次的产品中各抽验5个套筒,测量它们的直径,得如下数据： A班 B班 2.066 2.063 2.068 2.060 2.067 2.058 2.057 2.063 2.059 2.060 试求两班所加工套筒直径的方差比 的0.90置信区间. 第五节 单侧置信区间 即 又 于是 由 解 已知置信区间的长度为 * * * * * * * * * * * §7.2 点估计的评价标准 7.2.1 无偏性 证 所以 是 的无偏估计量. X的概率密度与分布函数分别为: 所以 的概率密度为 所以有 但是有 所以 是 的渐进无偏估计 注：若令 ,则它是 的无偏估计量. 一般来说,一个参数往往有多个无偏估计量. 若 有两个无偏估计量: ,则 当a+b=1时也是 的无偏估计量。 样本均值和样本方差分别是总体均值和总体方差的无偏估计量. 因为 所以 7.2.2 有效性及C-R不等式 通过上面的例子我们已知,同一个未知参数可以有多个无偏估计量.这就要求我们提出更高的标准,使得我们能够进一步评价不同的无偏估计量之间的优劣.估计量的无偏性只保证了估计量的取值在参数真值周围波动,但是波动的幅度有多大却并没有告诉我们.自然地,我们希望估计量波动的幅度越小越好,因为幅度越小,估计值与参数真值有较大偏差的可能性就越小.由于衡量随机变量波动幅度的量就是方差.这样就有了我们下面要介绍的有效性的概念. 首先 又 因此,当 时,有 即 比 有效. 解 X的分布律（概率函数）为 于是 而 三.一致性或相合性(Consistency) 直观上看,当n增大时,样本信息增多,当然希望估计量越来越靠近真值的概率也越来越大,这种想法就引出了上面的一致性概念.一致估计量一般地是当样本容量很大时,才能显示其优点. 解 由正态分布的性质以及样本的独立性可知 欲使 §7.3 区间估计 为了弥补点估计的不足,本节讨论区间估计的概念.区间估计是一种重要的统计推断方法,它是由奈曼(J.Neyman)在1934年开始的一系列工作中引入的,这种思想从确立之日起就引起了众多统计学家的重视. 置信区间的统计意义 (1)选取一个样本的函数 §7.4 正态总体均值与方差的区间估计 此时选取样本的函数为 由于 ,故由下分位点的概念,有 由于 注：利用分位点时,从 此时取 ,则 ,由 以及 或 经计算得 查表得 代入得 由于 故选取函数为 第八章 参数估计 面临的问题：总体所服从的分布类型是知道的,而它的某些参数却是未知的. 问题 解决的方法：构造“合理”的统计量来估计这些未知参数估计. 涉及到两个问题： 1）估计的方法； 2）估计的评选标准. §7.1 点估计(Point Estimation) 本节介绍两个最基本的方法——矩法和极大似然法 7.1.1矩法(The Method of Moments) 因此当样本容量n较大时可以用样本的k阶矩来作为总体的k阶矩的一个估计,这时所得到的估计就是矩法估计. 矩法的优点是计算较简便,且当样本容量很大时,矩估计接近被估计参数真值的可能性很大.矩法的精髓是替换,即用样本矩替换总体矩. 替换原理与矩法 2) 解上述方程组，将未知参数表示成总体矩的函数 3) 用样本矩代替相应的总体矩，即得未知参数的矩法估计量 其中 矩法的基本步骤（一） 2) 近似替换,列出方程组有 矩法的基本步骤（二） 令 7.1.2最大似然法(The method of maximum likelihood) 最大似然法,也叫极大似然法,它最早是由高斯所提出的,后来由英国统计学家费歇(R·A·Fisher)于1922年在其一篇文