ch7参咯数估计.pptVIP

(2) 方差?12,?22均未知，但n, m50，?1-?2的置信区间 取枢轴量 相互独立 可得 ?1-?2 的置信度为1-? 的置信区间为 (3) ?12 = ?22 = ?2而?2未知，?1-?2的置信区间 取枢轴量 可得 ?1-?2 的置信度为1-? 的置信区间为 两个正态总体方差比?12/?22的置信区间 (1) 期望?1 , ?2 均已知，?12/?22的置信区间 取枢轴量 可得 ?12/?22的置信度为1-? 的置信区间为 (2) 期望?1 , ?2 均未知，?12/?22的置信区间 取枢轴量 可得 ?12/?22的置信度为1-? 的置信区间为 单侧置信区间 定义 对于给定的? (0 ? 1)，? 是待估参数， X1,X2,…,Xn是取自总体X 的样本。 若能确定一个统计量 使得 则称随机区间 为? 的置信度为1- ? 的单侧置信区间。 单侧置信下限 单侧置信上限 * * 第七章 参数估计 §7.1 参数的点估计概念 §7.2 估计量的评选标准 §7.3 参数的区间估计 §7.1 参数的点估计概念 定义 设总体X的分布函数的形式已知，它的一个或多个参数未知，根据总体X的一个样本X1,X2,…, Xn来估计总体未知参数的真值称为参数的点估计。 定义 设总体X 的分布函数F(x,? )中含有未知参数?，X1,X2,…, Xn为总体X的一个样本， x1,x2,…, xn是相应的一个样本值。构造一个适当的不含未知参数的统计量 ，用它的观测值 作为参数? 的近似值，称 为参数? 的估计量，称 为参数? 的估计值。 设总体X 的分布函数的形式已知，但它含有 k个不同的未知参数 ?1,?2, ?,?k 时 设 X1, X2,…, Xn为总体的一个样本 构造 k 个统计量： 当测得一组样本值(x1, x2,…, xn)时，代入上述统计 量，即可得到 k个数,分别作为这k个参数的估计值 数值 随机变量 设(X1,X2,…,Xn)是来自总体X 的一个样本,根据大数定律，对任意ε0，有 并且对于任何k，只要E(Xk)存在，同样有 因此，很自然地想到用样本矩来代替总体矩，从而得到总体分布中参数的一种估计。 矩估计法 定义 设总体X的分布函数中含有k个未知参数?1,?2,…,?k,即F=F(x;?1,?2,…,?k)，总体X 的前k 阶矩?l =E(Xl )(l=1,2,…,k)存在,它们是?1,?2,…,?k的函数?l(?1,?2,…,?k)(l =1,2,…,k) 假设X1,X2,…,Xn是总体X的一个样本，建立统计量--样本l 阶原点矩Al (l=1,2,…,k)，由下列方程组： 估计量，这种估计量称为矩估计量，矩估计量的观察值就是矩估计值。 例2 设总体X在[a,b]上服从均匀分布，a,b为未知量，X1,X2,…,Xn是X的一个样本，试求a,b的矩估计量。 解： 建立 统计 量方 程组 一般地, 不论总体服从什么分布，若总体的期望?与方差? 2均存在, 则它们的矩估计量分别为 定义 设总体X的分布函数F(x;? )中含有未 知参数?，X1,X2,…,Xn是总体X的一个样本，x1, x2,…, xn为样本观察值，? 的似然函数为L(x1, x2,…, xn;? ) 极大似然函数估计法的主要思想 适当选取?，使得似然函数L(? )的值达到最大，也就是使试验得出的结果X1=x1,X2=x2,…,Xn=xn的概率最大，这个值就是参数? 的估计值。 如果存在 ，使得函数L达到最大值，即 则称 是参数? 的极大似然估计值； 而称 为参数? 的极大似然估计量。 求极大似然估计的一般步骤 (1) 构造似然函数L(? ) 为参数? 的似然函数。 若总体X是离散型随机变量，其分布律为 P(X=x)=p(x,? ) 其中? 为未知参数 设X1,X2,…,Xn是来自总体X的一个样本，而x1, x2,…, xn为X1,X2,…,Xn的一个样本值，那么称 若总体X是连续型随机变量，其概率密度为f(x,? )，x1, x2,…, xn为X1,X2,…,Xn的一个样本值，则参数? 的似然函数为 (2) 求似然函数L(? )的最大值点 似然 方程 当未知参数可以不止一个时，例如?1,…, ?k，那么可由下述方程组求得 似然 方程 组 因为L(? )与lnL(? )有相同的极大值点，而lnL(? )往往计算更为方便，所以常用lnL(? )进行计算。 一般地，参数? 的极大似然估计值可由下式求得 可求得未知参数的极大似然估计值 然后再求得极