概率论与数理统计课件 参数估计.pptVIP

CH7 参数估计 引言 点估计 点估计问题的一般提法 矩估计 矩估计 求出总体k阶矩 (有几个未知参数就算到几阶) 总体X为连续型, 其概率密度为f(x,?1, ?2,..., ?k ), 总体X为离散型, 其分布律为p(x,?1, ?2,..., ?k ), 让总体k阶矩=对应的样本k阶矩 解方程组, 求出未知参数? 例7.1 求总体X的均值?和方差?2的矩估计 例7.2 设X?U(a,b)求参数a, b的矩估计 例7.3 设总体X的分布律, 求?的矩估计 例7.4 设总体X?P(?), 求?的矩估计 极大似然估计 概率最大的事件最有可能出现 设一个随机试验有若干可能结果A, B,C, ... . 若在一次试验中结果A出现, 则认为试验条件对A有利, 即做试验, A发生的可能性最大. 极大似然估计 极大似然估计 极大似然估计 离散型总体X的似然函数 分布律P{X=x}=p(x;?) 写出似然函数; 取对数; 求导 例7.7 设总体X?P(?), 求?的极大似然估计 例7.8 设总体X的分布律, 极大似然估计的性质 多个待估参数的情况 例7.9 设总体X?N(?,?2), 样本值x1, x2,..., xk. 总体X的密度函数为 例7.9 设总体X?N(?,?2), 样本值x1, x2,..., xk. 极大似然估计的性质 7.3 估计量的评选标准 无偏性 无偏性 无偏性 Thank You! * * L/O/G/O Text in here Text in here 统计推断问题 参数估计问题 假设检验问题 点估计 区间估计 矩估计 极大似然估计 点估计就是用某一个函数值作为总体未知参数的估计值; 区间估计就是对于未知参数给出一个范围, 并在一定的可靠度下使这个范围包含未知参数的真值. 设总体X的分布类型 已知, 但分布函数中 含一个或多个未知参数, 借助于总体X的一个样本, 来估计未知参数的值的问题, 称为参数估计问题. X?P(?), ??=EX. 自然想到, 用样本均值估计总体均值. 现有已知数据, 计算样本均值, 得 ??=1.22, X?P(1.22). 例 某炸药厂, 记一天中发生火灾的次数为X, 假设X服从参数为?的泊松分布. 试用有以下的样本值估计未知参数?的值. 1 6 22 3 54 2 90 1 75 0 ?=250 2 6 发生k次火灾的天数 5 4 着火的次数 设已知X?F(x,?), ?是待估参数. X1, X2, ..., Xn是来自总体X的一个样本, 对应的样本值是x1, x2, ..., xn. 点估计问题就是要构造一个适当的统计量 用它的观察值 来估计未知参数?. 估计量 估计值 估计 例 基本思想: 用样本矩代替总体矩, 估计未知参数. k阶中心矩 k阶矩 样本X1, X2, ..., Xn 样本k阶中心矩 样本k阶矩 总体X (p85) 理论依据: 大数定律 期望是1阶矩 方差是2阶中心距 矩估计量 矩估计 矩估计值 不论总体的分布如何, 样本均值是总体均值的矩估计; 样本2阶中心距是总体方差的矩估计. 带入样本值x1, x2, ..., xn, 得 解得, 矩估计量为 解得, 矩估计值为 (1?? )2 2? (1??) ? 2 p(x,?) 3 2 1 x 例7.6 某车间生产一批产品, 要估计次品率p. 设随机变量X, X=0表示这件产品是合格品; X=1表示这件产品是次品. 则X服从0-1分布, 分布律为 P{X=x}=px(1?p)1?x, x=0,1. X1, X2, ..., Xn是来自总体X的一个样本, 对应的样本值是x1, x2, ..., xn. 其中xi=0或1, i=1,2,...,n. 上式为关于未知参数p的函数, 用L(p)表示, 称为似然函数. 使事件{X1=x1,...,Xn=xn}发生的概率最大, 即似然函数L(p)取最大值. 我们用使L(p)取最大值的p作为未知参数p的估计值. 对数函数lnx是x的单调增函数, lnL(p)与L(p)在同一p值上达到极大值. 对p求导, 并使导数等于0 得关于未知参数p的方程, 解方程得, 极大似然估计值 极大似然估计量 极大似然估计 连续型总体X的似然函数 ? 2 0 1?2? ? 2 2? (1??) p(x;?) 3 2 1 x 其中0?1/2是未知参数, 用总体X的样本值3,0,3,1,3,1,2,3求?的极大似然估计值. 若参数0?1, 则需比较L(?1)和L(