应用高等数学第5章5.3.2 参数估计.ppt

ch7-1 特别地 样本二阶原点矩 是总体 是总体期望 E( X ) 的 样本均值 无偏估计量 的无偏 二阶原点矩 估计量 都是总体参数? 的无偏估计量, 且 则称 比 更有效. 设 有效性 所以, 比 更有效. 是? 的无偏估计量,问哪个估计量更有效？ 由例4可知, 与 都 为常数 例2 设总体 X 的密度函数为 解 ， 设 是总体参数? 则称 是总体参数? 的一致(或相合)估计量. 的估计量. 若对于任意的? ? ? , 当n? ?时, 一致性 依概率收敛于? , 即 一致性估计量仅在样本容量 n 足够大时,才显示其优越性. 区间估计 引例 已知 X ~ N ( ? ,1), 不同样本算得的 ? 的估计值不同，因此除了给出 ? 的点估计外, 还希望根据所给的样本确定一个随机区间, 使其包含参数真值的概率达到指定的要求. ? 的无偏、有效点估计为 随机变量 常数 如引例中，要找一个区间,使其包含 ? 的真值的概率为0.95. ( 设 n = 5 ) 取 查表得 这说明 即 称随机区间 为未知参数 ? 的置信度为0.95的置信区间. 反复抽取容量为5的样本,都可得一个区间,此区间不一定包含未知参数 ? 的真值, 而包含真值的区间占95%. 置信区间的意义 若测得 一组样本值, 它可能包含也可能不包含? 的真值, 反复 则得一区间 (1.86 – 0.877, 1.86 + 0.877) 抽样得到的区间中有95%包含 ? 的真值. 算得 当置信区间为 时 区间的长度为 —— 达到最短 取 ? = 0.05 设 ? 为待估参数, ? 是一给定的数, ( 0?1). 若能找到统计量 , 使 则称 为 ? 的置信水平为1 - ? 的 置信区间或区间估计. 置信下限 置信上限 置信区间的定义 ? 反映了估计的可靠度, ? 越小, 越可靠. 置信区间的长度 反映了估计精度 ? 越小, 1- ? 越大, 估计的可靠度越高,但 ? 确定后, 置信区间 的选取方法不唯一, 常选最小的一个. 几点说明 越小, 估计精度越高. 这时, 往往增大, 因而估计精度降低. 求参数 置信区间 保 证 可靠性 先 提 高 精 度 再 处理“可靠性与精度关系”的原则 寻找一个样本的函数 它含有待估参数, 不含其它未知参数, 它的分布已知, 且分布不依赖于待估参数 (常由? 的点估计出发考虑 ). 例如 求置信区间的步骤 — 称为枢轴量 取枢轴量 给定置信度 1 ? ? ,定出常数 a , b ,使得 ( 引例中 由 解出 得置信区间 引例中 * * 5.3.2 参数估计 参数估 计问题 假设检 验问题 点 估 计 区间估 计 统计 推断 DE 基本 问题 什么是参数估计？ 参数是刻画总体某方面概率特性的数量. 当此数量未知时,从总体抽出一个样本， 用某种方法对这个未知参数进行估计就 是参数估计. 例如，X ~N (? ,? 2), 点估计 区间估计 若?, ? 2未知, 通过构造样本的函数, 给出 它们的估计值或取值范围就是参数估计 的内容. 参数估计的类型 点估计 —— 估计未知参数的值 区间估计——估计未知参数的取 值范围，并使此范围包含未知参数真值的概率为给定的值. 点估计方法 点估计的思想方法 设总体X 的分布函数的形式已知, 但含有一个或多个未知参数：?1,?2, ?,?k 设 X1, X2,…, Xn为总体的一个样本 构造 k 个统计量： 随机变量 当测得样本值(x1, x2,…, xn)时,代入上述 方程组，即可得到 k 个数： 数 值 称数 为未知参数 的估计值 对应统计量 为未知参数 的估计量 并建立k个方程。 三种常用的点估计方法 频率替换法 利用事件A 在 n 次试验中发生的频率 作为事件A 发生的概率 p 的估计量 例1 设总体X ~ N ( ? , 2 ), 在对其作28 次 独立观察中, 事件 “X 4” 出现了21 次, 试 用频率替换法求参数 ? 的估计值. 解 由 查表得 于是 ? 的估计值为 方法 用样本 k 阶矩作为总体 k 阶矩的估计量, 建立含有待估参数的方程, 从而解出待估参数 一般, 不论总体服从什么分布, 总体期望 ? 与方差? 2 存在, 则它们的矩估计量分别为 矩估计法 事实上，按矩法原理，