应用统计学精品课程.ppt

《应用统计学》精品课程 第四章 参数估计 Unit four Parameter estimates 西安理工大学工程管理系 马斌 余梁蜀 Project Management Department of XI’An University of Technology Ma Bing Yu Liangshu 《应用统计学》精品课程 4.1 参数估计的基本问题 (The basic parameter estimation problems) 4.2 参数的点估计 (The point estimate parameters) 4.3 参数的区间估计 (The interval estimation parameters) 《应用统计学》精品课程 统计学是一门有关统计数据的科学。它提供了探索数据内在规律的一套方法，通过对数据得收集和分析，找出内在的数学规律。一般来说，包括以下几类问题： 4.1 参数估计的基本问题 (The basic parameter estimation problems) 未知分布函数的估计 参数估计 统计假设检验 点估计 区间估计 参数估计的几类问题 矩估计法 最大似然估计法 《应用统计学》精品课程 4.2 参数的点估计 (The point estimate parameters) 常用的两种点估计方法：矩估计法和最大似然估计法。 4.2.1 矩估计法： 基本思想：样本X1，… … ，Xn作为总体的一个代表，由其构成的样本一定程度上反映了总体矩，由大数定理知，样本矩依概率收敛于总体矩。因此只要总体X的K阶原点矩存在，就可以用样本矩作为相应的总体矩的估计量。 按矩估计法，样本均值 是总体均值 的估计量，即： （4.1） 《应用统计学》精品课程 样本方差S2是总体方差的估计量，即： （4.2） 样本比例是总体比例的估计量，即： 其中m为样本中具有某种属性的单位数。 （4.3） 备注：矩估计法的优缺点： 优点：简单、直观，并且不必知道总体的分布类型，广泛应用。 缺点：首先它要求总体的k阶原点矩存在，否则无法估计；其次它不考虑总体分布类型，不利于充分利用总体分布函数所提供的信息。 《应用统计学》精品课程 4.2.2 最大似然估计法 (The maximum likelihood estimation method) 基本思想：设总体的X分布函数形式，已知 为未知参数，X1，。。。，Xn为总体的一个样本容量为n的样本观测值，选取 的估计量 ，使样本观测值出现最大的概率为最大，并将 称为 的最大似然估计量。 设总体X的密度函数为 例题1.: 其中未知参数α＞1，X1， X2,…..,Xn为来自总体X的简单随机样本，求1) α的矩估计量； 2) α的最大似然估计量。 《应用统计学》精品课程 1） = =μ = = 2)似然函数为 ln L(α) =n ln(α+1)+α 令: 解得a= (a －1) 所以，a的最大似然估计量为: 《应用统计学》精品课程 1）无偏性: 定义：用估计量 去估计总体的未知参数 ，由于样本X1，……，Xn的不完全和不确定性，有时可能偏高，又是可能偏低，但从所有可能的样本来看，估计量的均值应等于总体参数的真值，公式表示： 4.2.3 估计量优劣的比较 (Comparative estimates of pros) 一般采用以下三个标准来评价估计量的优劣。 2）有效性： 设 ， 都是参数 的无偏估计量，若 则称 是较 有效的估计量。 《应用统计学》精品课程 n1 n2 n3 n3?n2?n1 3）一致性： 设 是参数的估计量，对于任意给定的 ，当 时有 则称 为 的一致估计量。 （4.７） 《应用统计学》精品课程 验证具有均值为μ、方差为 的总体X的样本均值 与样 本方差S是否具有无偏性。 例题2.: 是μ的无偏估计量; 而S2不是σ2的无偏估计量 . 《应用统计学》精品课程 4.3 参数的区间估计 (The interval estimation parameters) 备注： 置信区间范围大小表示区间估计的精确度； 置信度表示区间估计的可靠性。 设总体X的参数为，由样本X1，……，X