概统5 2节.pptVIP

最大似然估计的不变性 设 是? 的最大似然估计值, u(? ) (? ? ? )是? 的函数, 且有单值反函数 ? = ? (u), u?U 则 是 u(? ) 的最大似然估计值. 如 在正态总体N (?,? 2)中, ? 2的最大 似然估计值为 是? 2的单值函数, 且具有单值 反函数，故? 的最大似然估计值为 lg? 的最大似然估计值为 估计量的评选标准 对于同一个未知参数,不同的方法得到的估计量可能不同,于是提出问题 应该选用哪一种估计量? 用何标准来评价一个估计量的好坏? 常用 标准 (1) 无偏性 (3) 一致性 (2) 有效性 若 则称 是? 的无偏估计量. 定义 我们不可能要求每一次由样本得到的 估计值与真值都相等，但可以要求这些估 计值的期望与真值相等. 定义的合理性 ★ 无偏性 是总体X 的样本, 证明: 不论 X 服从什么分布(但期望存在), 是 的无偏估计量. 证 例1 设总体X 的 k 阶矩 存在 因而 由于 则 特别地 是总体期望 E( X ) 的 样本均值 无偏估计量 例2 设总体 X 的期望 与方差存在, X 的 样本为 (n 1) . (1) 不是 D( X )的无偏估量; (2) 是 D( X ) 的无偏估计量. 证 前已证 证明 因而 故 证毕. 都是总体参数? 的无偏估计量, 且 则称 比 更有效. 定义 设 ★ 有效性 例3 设总体 X，且 E( X )=? , D( X )=? 2 为总体 X 的一个样本 证明 是 ? 的无偏估计量 (2) 证明 比 更有效 证 (1) (1) 设常数 结论： 算术均值比加权均值更有效. (2) 例如 X ~ N( ? ,? 2 ) , ( X 1 ,X 2 ) 是一样本. 都是? 的无偏估计量 由例3(2) 知 最有效. 定义 设 是总体参数? 则称 是总体参数? 的一致(或相合)估计量. 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. 的估计量.若对于任意的? ? ? ,当n? ?时, ★ 一致性 矩法得到的估计量一般为一致估计量 在一定条件下, 最大似然估计具有一致性 ch7-1 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 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 统计量，即可得到 k 个数： 数 值 称数 为未知参数 的估计值 如何构造统计量？ 如何评价估计量的好坏？ 对应统计量 为未知参数 的估计量 问 题 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 矩估计法 两种常用的点估计方法 设待估计的参数为 设总体的 r 阶矩存在，记为 样本 X1, X2,…, Xn 的 r 阶矩为 令 —— 含未知参数 ?1,?2, ?,?k 的方程组 解方程组 , 得 k 个统计量： 未知参数 ?1, ?,?k 的矩估计量 代入一组样本值得 k 个数: 未知参数 ?1, ?,?k 的矩估计值 例1 设总体 X ~ E(?), X1, X2,…, Xn为总体的 样本, 求? 的矩估计量. 解 令 故 例2 设总体 X ~ N ( ? ,? 2 ), X1, X2,…, Xn为 总体的样本, 求 ? ,? 2 的矩估计量. 解