概率论与数理统计课件610.pptxVIP

数理统计问题：如何选取样本来对总体的种种统计特征作出判断。 参数估计问题：知道随机变量（总体）的分布类型，但确切的形式不知道，根据样本来估计总体的参数，这类问题称为参数估计（paramentric estimation）。参数估计的类型——点估计、区间估计设总体的分布函数为F(x,?)（?未知），X1，X2，…，Xn为样本，构造一个统计量 来估计参数?，则称 为参数?的估计量。将样本观测值 代入 ，得到的值 称为参数?的估计值。参数?的估计量 点估计（point estimation) ：如果构造一个统计量 来作为参数?的估计量，则称为参数?的点估计。区间估计（interval estimation） ：如果构造两个统计量而用 来作为参数?可能取值范围的估计，称为参数?的区间估计。以样本均值 作为总体均值 的点估计量，即点估计值 以样本方差 作为总体方差 的点估计量，即点估计的方法：数字特征法、矩法、极大似然法。 样本的数字特征法：以样本的数字特征作为相应总体数字特征的估计量。点估计值 参数的点估计例1 一批钢件的20个样品的屈服点（t/cm2）为4.98 5.11 5.20 5.20 5.11 5.00 5.355.61 4.88 5.27 5.38 5.48 5.27 5.234.96 5.15 4.77 5.35 5.38 5.54试估计该批钢件的平均屈服点及其方差。解 由数字特征法，得屈服点及方差的估计值为 阶矩的概念 定义 设 为随机变量，若 存在，则称为 的 阶原点矩，记作 ；若 存在，则称 为 的 阶中心矩，记作 样本的 阶原点矩，记作样本的 阶中心矩，记作或 参数的矩法估计矩法估计：用样本的矩作为总体矩的估计量，即若总体X的分布函数中含有m个参数?1， ?2， …， ?m，总体的k阶矩Vk或Uk存在，则得m个方程构成方程组，解得的 即为参数的矩估计量，代入样本观测值，即得参数的矩估计值。或 参数的矩法估计矩法估计：用样本的矩作为总体矩的估计量，即例2 设某总体X的数学期望为EX=?，方差DX=?2，X1，X2，…，Xn为样本，试求?和?2的矩估计量。解 总体的k阶原点矩为 样本的k阶原点矩为 由矩法估计，应有 所以 结论：不管总体X服从何种分布，总体期望和方差的矩估计量分别为样本均值、样本方差，即估计值为 例3 设X1，X2，…，Xn为总体X的样本，试求下列总体分布参数的矩估计量。解 （1）由于所以参数?和?2的矩估计量为 （2）由于所以得参数p的矩估计量为例3 设X1，X2，…，Xn为总体X的样本，试求下列总体分布参数的矩估计量。解 （3）由于所以参数?的矩估计量为 或 一阶矩二阶矩可见：同一个参数的矩估计量可以不同。所以统计量存在“优、劣”之分。例4 设总体X服从[?1， ?2]上的均匀分布， ?1?2，求?1， ?2的矩估计量， X1，X2，…，Xn为X的一个样本。解 由于所以由矩法估计，得 解得区间长度的矩估计量为 例5 对容量为n的子样，求下列密度函数中参数 的矩估计量。所以，参数 的矩估计量为解 由于所以由矩法估计，得 解得参数?的估计量 ，使得样本（X1,X2,…,Xn）落在观测值 的邻域内的概率L(?)达到最大，即则称 为参数?的极大似然估计值。 参数的极大似然估计法思想：设总体X的密度函数为f(x,?)，?为未知参数，则样本（X1,X2,…,Xn）的联合密度函数为令 （3）令 其解 即为参数?的极大似然估计值。 参数的极大似然估计法求解方法：（1）构造似然函数（2）取自然对数若总体的密度函数中有多个参数?1，?2，…，?n，则将第（3）步改为解方程组即可。例6 假设（X1，X2，…，Xn）是取自正态总体N(?,?2)的样本，求?和?2的极大似然估计量。解 构造似然函数取对数 续解 求偏导数，并令其为0解得 所以μ，?2的极大似然估计量为 与矩估计量 相同无偏估计量：设 是 的估计量，如果则称 是 的无偏估计量（unbiased estimation）例题 设总体的数学期望EX和方差DX都存在，证明：样本均值