概率统计PPT课件《参数估计》第7.1节 点估计.pptVIP

第七章 参数估计 引言 上一章，我们介绍了总体、样本、统计量的概念，介绍了统计中常用的三大分布，给出了正态总体下几个重要的抽样分布定理. 它们是进一步学习统计推断的基础. 想法：用X的一组样本观察值（x1，x2，…，xn）来估计 总体中未知参数的值，即用样本统计量的值估计总 体中未知参数的值。 问题：若总体X的分布函数F(x)的类型已知，但它的一个 或多个参数未知,如何估计总体的未知参数？ 参数估计 点估计 区间估计 （假定身高服从正态分布 ） 设这5个数是: 1.65 1.67 1.68 1.78 1.69 估计 为1.68， 这是点估计. 这是区间估计. 估计 在区间[1.57, 1.84]内， 假如我们要估计某队男生的平均身高. 现从该总体中选取容量为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 . 第一节 点估计 一、点估计的定义：设 θ是总体分布中的未知参数， 为取自总体的一个样本。选择一个合适的统计量 作为未知参数θ的估计量，代入观测值，就得到了θ 的估计值 这就是点估计。 使用什么样的估计量去估计未知参数 θ ？ 问题1是: 问题2是: 什么样的估计量才是好的估计量 ？ 二、寻求估计量的方法 1. 矩估计法 2. 极大似然估计法 1. 矩估计法 其基本思想是用样本矩估计总体矩 . 它是基于一种简单的“替换”思想建立起来的一种估计方法 . 是英国统计学家K.皮尔逊最早提出的 . 矩估计法的求解步骤 （1）写出总体的1~m阶原点矩， 写出样本的1~m阶原点矩 设总体的分布函数中含有m个未知参 数 那么它的前m阶矩一般都是这 m 个参数的函数, 记为： （2）用样本原点矩代替相应的总体原点矩，得方程组 (3) 从这 m个方程中解出诸参数的矩估计量 ： 矩估计量的观察值即为矩估计值 . 总体原点矩=样本原点矩 例1 设总体 X 在 [ 0 , θ ] 上服从均匀分布 , θ 未知 . 是来自 X 的样本 , 试求 θ 的矩估计值 . 解 解得 θ 的矩估计量为 于是 θ 的矩估计值为 解 例2 设总体 X 的均值 和方差 都存在 , 未知 . 是来自 X 的样本 , 试求 的矩估计值 . 由矩估计法 解方程组得到矩估计量分别为 得到方程组 矩估计值分别为 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，要求总体的各阶原点矩存在，如果所需要的各阶原点矩不存在，则方法失效 . 2. 极大似然法 是在总体类型已知条件下使用的一种参数估计方法 . 它首先是由德国数学家 高斯在1821年提出的 , Gauss Fisher 然而，这个方法常归功于 英国统计学家费歇 . 费歇在1922年重新发现了 这一方法，并首先研究了这 种方法的一些性质 . 极大似然法的基本思想: 在一次随机实验中，实际发生的事件应该是概率最大的事件，比如已经取得了一组样本的观测值 则认为事件 发生的概率最大。 极大似然估计的具体方法： （1）设总体X为离散随机变量，概率函数为 θ 未知 设X1,X2,…Xn是取自总体X的一个样本， 是相应的观测值。 这是一个只含有未知参数θ的函数 称为似然函数 若 那么，让你从这三个数中选一个作为 的估计值，选谁最可靠呢 极大似然估计法就是用使 达到最 大值的 去估计 . 称 为 的极大似然估计（MLE）. 求似然函数L( ) 的最大值点，可以应用微积分中的技巧。由于ln(x)是x的增函数，lnL( )与L( )在 的同一值处达到它的极大值. 假定 是一实数，且lnL( ) 是