- 1、本文档共15页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
数理统计
第三节 估计量的评选标准
无偏性
有效性
相合性
小结
数理统计
2
X~N( μσ, )
样本均值是否是 的一个好的估计量?
2
样本方差是否是 的一个好的估计量?
这就需要讨论以下几个问题:
(1) 我们希望一个“好的”估计量具有什么特性?
(2) 怎样决定一个估计量是否比另一个估计量“好”?
(3) 如何求得合理的估计量?
数理统计
估计量的评选标准
在介绍估计量的评选标准之前,我们必须强
调指出:
评价一个估计量的好坏,不能仅仅依据一次试
验的结果,而必须由多次试验结果来衡量.
这是因为估计量是样本的函数, 是随机变量. 因
此,由不同的观测结果,就会求得不同的参数估计
值. 因此一个好的估计,应在多次试验中体现出优良
性.
数理统计
常用的几条标准是:
1.无偏性
2 .有效性
3 .相合性
这里我们重点介绍前面两个标准.
数理统计
一、无偏性
估计量是随机变量,对于不同的样本值会得到
不同的估计值. 我们希望估计值在未知参数真值附
近摆动,而它的期望值等于未知参数的真值. 这就
导致无偏性这个标准.
ˆ
设(X , , X ) 是未知参数 的估计量,若
1 n
ˆ
E ()
ˆ
则称 为 的无偏估计.
数理统计
无偏性是对估计量的一个常见而重要的要求.
无偏性的实际意义是指没有系统性的偏差.
例如,用样本均值作为总体均值的估计时,
虽无法说明一次估计所产生的偏差,但这种偏差随
机地在0 的周围波动,对同一统计问题大量重复使
用不会产生系统偏差.
数理统计
θ
例1 设总体X 服从参数为 的指数分布, 其概
率密度为
1 x θ
e , x 0,
f x
θ
nZ n[min(X 1, X 2 , ,X n )]
0 , 其它,
文档评论(0)