概率论与数理统计课件（王志勇）C7-3区间估计.pptxVIP

§7.3区间估计点估计的缺陷： (1) 无从断定估计值是否为待估参数的真实值（即使估计量是无偏有效估计量)； (2) 不能把握估计值与参数真实值的偏离程度及估计的可靠程度. 对于θ的估计，给定一个范围 满足:点估计缺陷的改进方法 称随机区间 为θ的置信度为1－α的置信区间.一、定义 设总体的未知参数为θ,由样本X1，…，Xn确定两个统计量对于给定的实数α(0 α 1 )，满足 1）随机区间 以1－α的概率包含着待估参数θ. 1－α又称置信水平或置信概率α称显著性水平，通常取值为0.1，0.05.思考：如何理解概率式1－α反映了区间估计的可靠程度.θ( )( )( ) 2）随机区间 的长度 是随机变量，反映了区间估计的精确程度.θ( )( ) 希望精度与可靠程度均高,但二者是矛盾的.著名统计学家奈曼提出的处理原则： 先确定能接受的可靠程度,在此前提下,尽量提高精确度.正态分布中参数μ的区间估计二、区间估计的枢轴变量法1. 选取待估参数θ的估计量；原则：优良性准则2. 建立枢轴变量.W(X1, X2, …, Xn ,θ).W 通常具有经典分布3. 确定W的分布. 4. 根据W的分布，建立概率等式:5. 改写不等式三、单个正态总体参数的区间估计1.?的估计已知?=σ0:思考：未知σ时如何求μ的估计？未知参数的替换2) ?2未知:为确定枢轴变量2. ?2的估计分析: σ2 的优良估计量为S2， 当μ未知时,由抽样分布定理可知,应选枢轴变量： 当μ已知时, 应选枢轴变量：原则：选取最简单的优良估计量已知? 2)未知?零件长度的方差婴儿体重的估计 四、两个正态总体参数的区间估计X~N(?1,?12) , Y~N(?2,?22)?1－ ?2 的估计总体均值差的置信区间的含义是：若?1－ ?2 的置信下限大于零, 则可认为 ?1 ?2 ；若?1－?2 的置信上限小于零, 则可认为 ?1 ?2.1) 已知?12 和?22枢轴变量取2) ?12 和?22 未知，?12 = ?22 = ?2 2.的区间估计两稻种产量的期望差的置信区间已知?1 与?2未知 ?1 、?2大样本方法构造置信区间(略)单侧置信区间(略)小结：常见的区间估计这里μ的优良估计是： 它是无偏、有效、相合估计.这里这里正态分布中μ的区间估计例 设X~N(μ,σ2)， σ2= σ02，求参数μ的置信度为1-α的置信区间。分析: 要估计参数，就涉及随机变量；而选取随机变量应根据优良性质准则来选。考察随机变量所服从的分布.将随机变量化为常用分布,再通过临界值确定区间.是μ的优良估计，且解：从而令从而，前式可化为：即从而由此可得， μ的置信度为1-α的置信区间为：特别，当σ0=1 ， α=0.05 ，样本观测值为 ：5.15.14.85.04.75.05.25.15.0[4.35，5.65]u α/2= ，置信区间为：1.96#估计量的选取例设X~N(μ,σ2)， 求参数σ2 的置信度为1-α的置信区间.分析: 当μ未知时，应选随机变量：要化至常用分布，由抽样分布定理可知：当μ已知时，应选统计量为： 原因：它是最简单的无偏、有效、相合估计量。#是μ的优良估计，思考:是否仍选枢轴变量令求得置信区间？选一个统计量去替代σ2 ： 选哪一个较好？S2 、 M2未知参数的替换例 设X~N(μ,σ2)， σ2 未知，求参数μ的置信度为1-α的置信区间。分析：1.不可因为σ2 未知，故 U 不是枢轴变量因为它是σ2的无偏、有效、相合估计选S2得 T 的置信区间：由分布的对称性，即 可化为：化至常用分布,应为 t 分布,据抽样分布定理有：代换后可得 μ 的置信区间：比较： σ2= σ02 时， μ的置信区间为#例 从自动机床加工的同类零件中任取16件测得长度值为(单位：mm)求方差的估计值和置信区间(α=0.05)。12.1512.1212.0112.2812.0912.1612.0312.0112.0612.1312.0712.1112.0812.0112.0312.06解:设零件长度为X，可认为X服从正态分布，用S2作为方差的估计下面计算方差的置信区间：由于μ未知, S2是σ2的优良估计,所以相应的置信区间为：查χ2分布表可得：σ2的置信度为0.95的置信区间为：#比较：σ2的估计值为 0.005婴儿体重的估计例假定初生婴儿的体重服从正态分布，随机抽取12 名婴儿，