概率论与数理统计第5章 参数估计.pptVIP

还有可能出现两个参数在不同的评价标准下，会得出相反的结论这种情况，即是说也不要将评价标准绝对化，还要结合问题的具体情况进一步分析.注意到这些，下面我们就介绍评价估计量优劣的三个常用标准：无偏性，有效性与相合性. * 5.4.1 无偏性 * 5.4.2 有效性 无偏性只说明估计量取值在真值附近摆动，但“附近”有多大范围?有的无偏估计量取偏离真值θ较远值的概率可能很大，这种无偏估计显然不够理想.因此，应考虑无偏估计的精度问题，即在n相同情况下，几个无偏估计量中，摆动幅度最小的，即取值最密集于真值附近的估计量，应是这些无偏估计量中最接近真值θ * * * 5.2.4 分位数 对连续型随机变量X，通常引入下述定义： 定义5.6 对给定的正数α（0＜α＜1），对随机变量X，称满足概率 * 图5.4 * * * * * * * * * * * * 本章开始已提到，从观察的母体抽出样本，我们要根据样本提供的统计资料，来对总体作出相应的推断，应用一些什么样的方法可通过样本来认识总体，由局部得知整体，这就是下面要介绍的数理统计的核心内容之一——统计推断.本书引入了进行统计推断的两大主要类型——参数估计和假设检验，它们是数理统计进行深入研究的基础. 5.3 参数的点估计 * 5.3.1 矩法估计 * 关系，就给我们解决总体分布中的未知参数的估计问题以启发.另外，由柯尔莫哥洛夫强大定律还知道，以概率1有等式 成立，这个结论表明，用样本的k阶原点矩 * 作总体k阶原点矩E（Xk）的估计有定理的保证；又根据中心矩与原点矩之间的函数关系，将柯氏定律用于样本k阶中心矩依概率收敛于总体的 k 阶中心矩、样本矩的连续函数依概率收敛于总体矩的连续函数的结论也相应的成立.因此，就可用样本矩作为总体矩（原点矩或中心矩）的相应估计，也即是说两者的相等替换是可行的. * * 总结上述，矩估计法就是用样本的矩“代替”相应的总体矩这种同阶矩函数的等价方式，求出未知参数的一种估计方法.这种矩的替换只要参数能从总体矩的表达式求出即可.计算中偶尔会出现当总体分布中只有一个未知参数θ时，而求总体X的一阶矩 * * 例5.8 无论总体为何种分布，只要二阶矩存在，则样本二阶中心矩 * * 5.3.2 极大似然估计法 要理解极大似然估计法，先注意一简单事实.如果某事件发生的概率为p，它仅在0.9或0.1两个可能值中取，经连续两次试验，该事件均发生，自然认为p取0.9应是合理的.又如两人向同一目标各自射击一次，仅一人中目标，亦会认为中目标者的射击水平高于另一人.得出这样的结论认为合理的原因，就是根据概率大的事件在一次试验中较易发生这一基本道理，极大似然估计就是基于这个原则引入的.为导出用这一估计思想去寻未知参数的具体方法，再看一个有关射击的例子. * * * 上面已提到，20世纪20年代费歇尔提出极大似然估计，至今许多统计学家已进行了大量的应用研究，在数学上可以证明，只要容量足够大，其估计量θ^可与真值θ相差任意小，而且从极大似然函数表达式可看到，极大似然估计法要求总体X分布有参数，既表明极大似然估计充分的利用了总体分布形式所含有的信息，因而用它得到的估计往往表现出具有许多优良的性质，相对于各种点估计方法，它是一种最为重要的估计法.前面介绍的矩法与极大似然估计法在总体分布信息的使用上有时会有差异（如前者分布完全不知时估计出的值与真值的差异就值得考虑），同一参数用这两种估计法所得到的估计量有时会完全不同，当然也有一样的. * * * * * * 从前面的例中已看到，同一参数可以用不同的方法得到合理的估计量（甚至用同一方法也可能得到不同的估计量），自然会提出，这些估计量中哪一个要好一些，好的标准又是什么等一类问题，这就涉及对估计量的优劣比较.大家都清楚，估计量优良性的共同标准应当是估计量θ^与真参数θ之间的差异“比较小”才能为人们所接受，但这个差异本身是随机的，又该如何来考虑？较合理的方式就是应从某种整体性能上去评价，而不是个别样本下的表现，同时还要考虑样本的大小容量.另外 5.4 估计量的评价标准 * 出版社 理工分社 概率论与数理统计(第二版) 5.1 数理统计的基本概念 从本章开始，将探讨数理统计学的基本内容，数理统计是以概率论的知识作为重要的理论基础，研究如何有效地收集数据，并将获得的随机数据进行科学的整理和分析，来得出对考察对象合理的估计和推断的一门科学.数理统计学研究随机现象，不是对研究对象的全体进行观测，而是随机抽取其中的一部分进行观测，从所获得的这部分数据，对研究对象全体所具有的客观规律性作出尽可能精确、有