§6.1参数地点估计.ppt

(4) 当? 未知时, 方差? 2 的置信区间 选取 得 ? 2 的置信区间为 ? ? 例 某工厂生产一批滚珠, 其直径 X 服从 解 (1) 正态分布 N( ??? 2), 现从某天的产品 (1) 若? 2=0.06, 求? 的置信区间 (2) 若? 2未知,求 ? 的置信区间 (3) 求方差? 2的置信区间. 中随机抽取6件, 测得直径为 15.1 , 14.8 , 15.2 , 14.9 , 14.6 , 15.1 置信度 均为0.95 由给定数据算得 由公式得 ? 的置信区间为 (2) 查表 由公式得? 2 的置信区间为 (3) 查表得 由公式得 ? 的置信区间为 为取自总体 N( ?1?? 12 )的样本, 为取自总体 N( ?2? ? 22 )的样本, 置信度为 1 ? ? 分别表示两样本的均值与方差 (二) 两个正态总体的情形 相互独立, 的置信区间为 (1) 已知, 的置信区间 (2) 未知 的置信区间 的置信区间为 * * §6.1 参数的点估计 4.点估计的评价标准 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 估计量是随机变量，对于不同的样本值会得到不同的估计值 . 我们希望估计值在未知参数真值附近摆动，而它的期望值等于未知参数的真值. 这就导致无偏性这个标准 . (1) 无偏性 则称 为 的无偏估计 . 设 是未知参数 的估计量，若 . 真值 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 设总体 X 的 k 阶矩 存在 因而 由于 则 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 例 设总体 X 的期望 与方差存在, X 的 样本为 , (1) 不是 D( X )的无偏估计; (2) 是 D( X ) 的无偏估计. 样本方差 样本修正方差 所以无偏估计以方差小者为好, 这就引进了有效性这一概念 . 的大小来决定二者 和 一个参数往往有不止一个无偏估计, 若 和 都是参数 的无偏估计量， 比较 我们可以 谁更优 . 由于 (2) 有效性 D( ) D( ) 则称 较 有效 . 都是参数 的无偏估计量，若有 设 和 在数理统计中常用到最小方差无偏估计. （也称最佳无偏估计） 是 的任一无偏估计. 则称 为 的最小方差无偏估计. 设 是取自总体X的一个样本， 是未知参数 的无偏估计量， 都是? 的无偏估计量 最有效 例如 X ~ N( ? ,? 2 ) ,样本是 推广 结论(P141.8) 设 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 最有效 证 (1) (1) 设常数 (2) 结论 算术均值比加权均值更有效. 则称 是参数? 的一致(或相合)估计量. (3) 一致性(相合性) 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. 定义 设 是总体参数? 的估计量. 若n? ?时, 依概率收敛于? , 关于一致性的常用结论 样本 k 阶矩是总体 k 阶矩的一致性估计量 由大数定律证明 矩法得到的估计量一般为一致估计量 在一定条件下, 极大似然估计具有一致性 (P140.5) 设总体 X 的密度函数为 为 X 的一个样本. 求? 的极大似然估计量, 并判断它是否无 偏估计量. 为参数 解 由似然函数 ? 的极大似然估计量为 它是? 的无偏估计量. 故 解 当 前面，我们讨论了参数点估计. 它是用样本算得的一个值去估计未知参数. 但是，点估计值仅仅是未知参数的一个近似值，它没有反映出这个近似值的误差范围，使用起来把握不大. 区间估计正好弥补了点估计的这个缺陷 . §6.2 区间估计 §6.2 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 ?