第七章 参数估计概率与统计.pptxVIP

第七章 参数估计 参数的点估计 点估计的优良性准则 区间估计 在实际问题中,我们根据问题本身的专业知识或以往的经验或适当的统计方法,有时可以判断总体分布的类型. 总体分布的参数往往是未知的,需要通过样本来估计.例如 (1) 为了研究人们的市场消费行为,我们要先搞清楚人们的收入状况. 假设某城市人均年收入X～N(?,?2). 但参数 ? 和 ?2 的具体值并不知道,需要通过样本来估计. (2) 假定某城市在单位时间(譬如一个月)内交通事故发生次数 X ～ P(?). 参数?未知,需要从样本来估计. 通过样本来估计总体的参数,称为参数估计,它是统计推断的一种重要形式.点估计参数估计区间估计（假定身高服从正态分布N(μ，0.12）） 现从该总体选取容量为5的样本，我们的任务是要根据选出的样本（5个数）求出总体均值 的估计. 而全部信息就由这5个数组成 . 估计 为1.68，估计在区间 [1.57, 1.84] 内，例如我们要估计某队男生的平均身高.设这5个数是:1.65 1.67 1.68 1.78 1.69这是点估计.这是区间估计.参数估计问题的一般步骤构造合适的统计量 ? =T(X1, X2, …, X n ) 将样本观察值(x1, x2, …, x n )代入估计量 计算出估计量的观察值 ? =T(x1, x2, …, x n ) 或构造 ?1 = T1(X1, X2, …, X n ) 和? 2 =T2(X1, X2, …, X n ) (?1?2)用区间(?1, ?2 )作为? 可能取值范围的估计 设总体X的分布函数为F(x, ? ), ? 未知， ? 的取值 范围称为 参数空间 。记作? 。现估计? 。步骤如下：从总体 X 中抽取样本(X1, X2, …, X n ) 参数的 估计量 参数的 估计值 　问题　如何构造统计量？构造点估计的估计量的具体方法有多种，在此，介绍两种方法。1. 矩估计法2. 极大似然法 若总体 的数学期望 有限,1.1 矩估计法 矩估计法是英国统计学家K.皮尔逊最早提出来的 .由辛钦大数定理 ,则有 这表明 , 当样本容量很大时 , 在统计上 , 可以用样本各阶矩去估计总体相应的各阶矩.用样本各阶矩去估计总体相应的各阶矩。------矩估计法的基本思想按以上思想方法去获得未知参数点估计的方法叫做矩法。 用矩法所确定的估计量称为矩估计量， 相应的估计值称为矩估计值，矩估计量与矩估计值统称为矩估计 矩估计法的理论依据: 大数定律矩估计法的具体做法如下 设总体X的分布形式是已知的，?1, ?2…… ,?k是k个未知参数，样本(X1, X2, …, X n )来自总体 X。假定总体X的m阶原点矩EXm存在，一般地，都是这 k 个参数的函数,记为：m=1,2, … ,k取样本的m阶原点矩 作为总体的m阶原点矩EXm的估计—— 含未知参数?1,?2, ?,?k的方程组．得方程组：解方程组，得 k 个统计量：——未知参数?1,?2, ?,?k 的矩估计量．代入一组样本值得k个数——未知参数?1,?2, ?,?k 的矩估计值． 例1：设样本(X1, X2, …, X n )来自总体 X，且总体的均值 ? 未知， 求 ? 的矩估计量。 解： 总体 X 的均值 ?矩估计量为一阶样本原点矩 例2：设样本(X1, X2, …, X n )来自总体 X~N( ? ,? 2)， 求? 与? 2 的矩估计量。 解：?和σ2的矩估计量分别为样本的一阶原点矩和二阶中心矩 例3：设样本(X1, X2, …, X n )来自总体 X~P( ?)， 求 ? 的矩估计量。 解：一阶样本原点矩作为 ? 的矩估计量 另一方面：EX2 = DX + (EX)2 = ?+ ?2 ，所以： 此例说明：矩估计可以不唯一。此时，一般取低阶矩得到的那一个。 例4：设样本(X1, X2, …, X n )来自总体 X，X服从[?1, ?2]上的均匀分布，求?1和 ?2 的矩估计量。 解：这是两个参数的矩估计问题。 EX2 = DX + (EX)2 由 解得 P148例4 例5：已知总体的X的均值EX= ?， 方差DX=? 20, 其中? 与? 2未知, 样本(X1, X2, …, X n )来自总体 X，求? 与? 2的矩估计量。 解： 无论总体的分布形式如何，总体均值?和方差σ2的矩估计量分别为样本均值和样本二阶中心矩。 矩法的优点是简单易行,并不需要事先知道总体是什么分布 . 缺点是，当总体类型已知时，没有充分利用分布提供的信息 . 一般场合下, 矩估计量不具有唯一性 . 其主要原因在于建立矩法方程时，选取哪些总体矩用相应样本矩代替带有一定的随意性 .Ga