第七章参数估计53056.docVIP

PAGE PAGE 46 第七章 参数估计 基本要求 掌握点估计的几种常用方法，了解无偏性、一致性、有效性是评价估计量好坏的标准，理解置信区间的概念和含义，会计算一些不同情况的区间估计。 重点 参数的区间估计 难点 总体均值与方差的置信区间求法。 引言 统计推断就是利用样本资料信息对总体作推断，由于信息的有限性，样本的随机性，做出的推断不可能绝对准确，这种不确定性可用概率大小来衡量。 例如，某批产品的次品率是个未知数，可以从中抽取100件，如有5件次品，则这100件产品的次品率为，可以用样品的次品率作为整批产品次品率的估计。 又如，某地成年人的身高，可随机抽取个成年人，这个成年人的平均身高可作为该地成年人平均身高的估计。 参数估计 在已知总体分布的类型时，总体分布中的一些参数往往未知，利用样本的资料信息来估计总体分布中的一些未知参数（平均值、标准差、比率等）。 第一节 参数的点估计 引例 某地水稻面积为10000亩，随机抽取4块稻田，亩产分别为300，350，400，450，求该地平均亩产量及总产量的估计。 设平均亩产量，样本均值，平均亩产量估计，总产量的估计。 由于样本的随机性，的具体值不同，就存在一个估计“好坏”的标准，即要求保证估计量有较大的概率取值在被估计参数的附近，而且估计量的方差尽量小。 点估计 设总体的分布函数为，其中是一个未知的数或一个向量。若总体样本,…,，构造一个统计量…，作为参数的估计，称T为的估计量，记作，即，它是一个随机变量。 是样本,…,的一个观测值，将代入…中得到T的具体数值，称为的估计值。 同一个未知参数可用不同的方法求得其估计量。 点估计的步骤 （1）构造统计量以此作为的估计量；（2）评价估计量的好坏。 一、矩法估计 阶样本原点矩；阶样本中心矩 （） 阶总体原点矩；阶总体中心矩（为正整数） 方法 样本矩作为总体矩的估计量。 理论背景：样本,…,是独立同分布，因而,…,也是独立同分布，，由大数定律知，（依概率） 所以对充分大的，有 由于中心矩可用原点矩表示，所以只讨论原点矩。 设为个参数组成的维向量，即 （总体原点矩估计）（样本原点矩）（,），由此得到个联立方程，解之得，称之为矩法估计量。 例1 求总体均值、方差的矩估计 解 ，；， 所以，， 即矩法估计中总体均值的估计量为样本均值，总体方差估计量为样本方差。 例2 两点分布，设，求的矩估计。 解 ，，所以，（概率（频率） 例3 总体，求的矩估计。 解 ，所以， 二、极大似然估计 极大似然估计以概率最大为依据。如老猎人和新手同时朝一只野兔射击，野兔被击中但只中一枪，我们可认为是老猎人打中的。 方法 设总体分布已知，为密度函数，则样本,…,的概率密度为 直观想法：哪一组参数值使现在的样本,…,出现的可能性最大，哪一组参数可能就是真正的参数。 样本落在的邻域内的概率为，极大似然法就是使样本落在邻域内的概率达到最大的参数作为估计量。 记（称为似然函数） 定义 作为的函数，它在时最大，则称为的极大似然估计。即 当关于可微时， （称为似然方程组），解之得 由于、极值点相同，所以似然方程组可简化成 当X为离散型时，，事件“”发生的概率为 例4 设总体，求的极大似然估计 解 ， 解之得，，，与矩法估计的结果（例1）相同。 例5 总体，求的极大似然估计。 解 无法用微分法求极值。因为，， 所以，，这以矩估计不同 例6 设总体X的概率密度为，,…,为样本，求参数的矩估计和极大似然估计 例7 总体，求的极大似然估计。 解 无法用微分法求极值，必须从极大似然法估计的定义出发，求的最在值，即尽可能小，但，，否则，所以 ， 两种点估计中，矩估计直观简单；极大似然估计效果比较好，但要知道总体分布，且计算较复杂。 总体为正态分布、泊松分布、二项分布时，总体分布中的未知参数的矩估计和极大似然估计相同。 第二节 估计量优良性的标准 同一个未知参数可能有若干种不同的估计，需要对参数的估计的优良性进行评价。 估计量是随机变量，不同的观测结果就会得到不同的参数估计值，因而一个好的估计应在多次重复试验中体现出其优良性。 一、无偏性 一个好的估计量其不同的估计值应在未知参数真值的附近，由此引出无偏性标准。 定义 设为的一个估计量，若，则称为的无偏估计量。 意义 若多次相互独立地重复用无偏估计量进行实际估计，所得估计值的算术平均值与的真值基本上相同。 在科学技术中，称为用估计时产生的系统偏差，的实际意义是指估计量没有系统偏差，只有随机偏差。 例1 ， ， 可修改为， 例2 设总体X服从二点分布，，设，，为未知参数，,…,是样本，证明：是的无偏估计。 例3 设总体X服从区间上的均匀分布，其中为未知参数，又,…,为样本，证明是的无偏估计。 例4设总体X的均值 与方差均为未知参