高等工程数学 第二讲 参数估计..ppt

例2 区间 [ 0 , ? ]上均匀分布的矩估计 例 极大似然法---简例 例 如果一个老兵和一个新兵同时打靶，但仅有一人命中，问谁命中的可能性大？ (1) 老兵 (2)新兵 例 指数分布的点估计 例 某电子管的使用寿命 X （单位：小时) (从开始使用到首次失效为止）服从指数分布， 今取一组样本，数据如下，问如何估计θ？ （二）极大似然估计 例 均匀分布的极大似然估计 设样本X1，X2，… ，Xn是来自在区间[ 0 , ? ]上均匀分布的总体， ? 未知，求? 的极大似然估计。 第二节 估计量的评选标准 例：下列估计量是否μ的无偏估计量？ 例：下列估计量哪一个更有效？ 点估计的缺陷： 定义 正态分布中μ的区间估计 解： 是μ的优良估计，且 寻找置信区间的步骤(枢轴变量法)： 选取待估参数θ 的估计量； 原则：优良性准则 常用： 未知参数的替换 例 设X~N(μ,σ2)， σ2 未知，求参数μ的置信度为1-α的置信区间。 2.据抽样分布定理有： 零件长度的方差 例 从自动机床加工的同类零件中任取16件测得长度值为(单位：mm) 求方差的估计值和置信区间(α=0.05)。 由于μ未知， S2是σ2的优良估计，相应的常用分布为： 第三节 区间估计 置信区间定义 置信区间的求法 单侧置信区间 设总体的未知参数为θ，由样本X1，…，Xn确定两个统计量 和 ，对于给定的实数a (0 a 1 )，满足 则称随机区间 为θ的置信度为1-a 的置信区间。 1-a 又称置信系数或置信概率 a 又称置信水平，通常取值为0.1，0.05等等。 两点要求 1 可靠性： 2 精确性： 要求估计的精确度尽可能的高， 这是一对矛盾， 一般是在保证可靠度的条件下尽可能提高精确度. 例 设X~N(μ,σ2)， σ2= σ02 已知，求参数μ的置信度为1- a 的置信区间。 分析: 要估计参数，就涉及统计量；而选取统计量应根据优良性质准则来选。 这里μ的优良估计是： 2）将统计量化为常用分布，再通过临界值确定区间。 这里： 它是无偏、有效、相合估计 令 由标准正态分布的对称性可知 从而，前式可化为： 即 由此可得， μ的置信度为1-a 的置信区间为： 从而 特别，当σ0=1 ， a =0.05 ，样本观测值为 ： 5.0 5.1 5.2 5.0 4.7 5.0 4.8 5.1 5.1 u α/2= ，m 的置信区间为： 1.96 [4.35，5.65] 对 查上侧分位数； 代换得到 区间 [A，B] 即为所求。 考察含有待估参数和估计量的统计量所服从的分布 (不能含有其他未知参数)； 化至常用分布(主要是：正态、 ?2 、t、F分布)； 相应的变换函数 W 称为枢轴变量 可见，确定区间估计很关键的是要寻找一个 待估参数 和估计量T 的函数U(T, ), 且U(T, ) 的分布为已知, 不依赖于任何未知参数 . 而这与总体分布有关，所以，总体分布的形式是 否已知，是怎样的类型，至关重要. 单个正态总体的抽样 双正态总体的抽样 是μ的优良估计 思考：是否仍选统计量 分析：1. 令 求得置信区间？ 不可 因为σ2 未知，故 U 不是统计量 得 T 的置信区间： 由分布的对称性，即 可化为： 代换后可得 μ 的置信区间： 比较： σ2= σ02 时， μ的置信区间为 一、正态总体均值的区间估计 二 正态总体方差的区间估计 分析: 应选统计量为： 当μ未知时，要化至常用分布，由抽样分布定理可知： 12.06 12.03 12.01 12.08 12.11 12.07 12.13 12.06 12.01 12.03 12.16 12.09 12.28 12.01 12.12 12.15 解： 设零件长度为X，可认为X服从正态分布， 相应的置信区间为： 查c2分布表可得： 下面计算方差的置信区间： σ2的置信度为0.95的置信区间为： * * 总体 样本 统计量 描述 作出推断 随机抽样 第十三章 参数估计 参数估计问题是利用从总体抽样得到的信息来估计总体的