概率论与数理统计：C7_2 估计量的优良性准则.ppt

* * * * * * * * * * 　 * * * * * * * 估计量的优良标准 * * §7.2 估计量的优良性准则 在众多的估计量中选哪一个更好？ 选取的标准是什么？ 如 X~U(0,θ) ,θ的矩法估计量为 ， 对于总体的一个参数，可用各种不同的方法去估计它，因此一个参数的估计量不唯一. 三个常用准则：无偏性、有效性、相合性. 极大似然估计量为 定义：设 是未知参数θ的估计量，若 ，则称 为θ的无偏估计. S2 是σ2 的无偏估计 注意 1. 无偏性 θ Ak 是 μ k的 无 偏 估 计 量 无 偏 估 计 量的不唯一性 2. 有效性 思考：下列估计量是否为μ的无偏估计量？ 哪个更好？ 结 论 1)样本的k阶原点矩是总体k阶原点矩的无偏估计量。 2)一个未知参数可有不同的无偏估计量。 可见，一个参数的无偏估计可以有很多. 无偏估计只能保证估计无系统误差： 希望　的取值在θ及其附近越密集越好， 其方差应尽量小. θ 是未知参数θ的两个无偏估计量,若对θ的所有可能取值都有 称 为θ的最小方差无偏估计量. 设 是θ的无偏估计，如果对θ的任何一个 无偏估计量 都有 证明无偏性并判断其有效性 (1) 证明无偏性并判断其有效性 (2) 和S2 分别是μ和σ2 的最小方差无偏估计! 定义 设 是未知参数θ的估计量，若对任意的ε0，有 3. 相合性 则称 为θ的相合估计量. 相合估计量的证明(1) 相合估计量的证明(2) 是μ的相合估计量; S2和M2都是σ2的相合估计量。 样本的k 阶原点矩Ak为μ k的相合估计估计量 注：只有当样本容量充分大时，相合性才显示出优越性，而在实际生活中往往难以增大样本容量，而且证明估计量的相合性并非易事，因此，在实际生活中常常使用无偏性和有效性这两个标准. S2 是 σ2 的 无 偏 估 计 量 例 设总体的方差D(X)= σ2 0，则样本方差S2 是σ2的无偏估计。（总体的数学期望未知！） 分析：关键在于E ( S2) = σ2是否成立。 # 证明： 证明无偏性并判断哪个有效 例 设总体X~U[0,θ]， θ 0 未知，(X1，X2，X3)是取自X的一个样本： 试证 都是θ的无偏估计； 上述两个估计量中哪个方差最小？ 证明： 1) 2) # 分析 1) 证明相合性往往用到切比雪夫不等 式，其中涉及期望与方差； 2) 这里计算方差较难, 可以先化为χ2 分布, 再利用卡方分布的性质计算. 例 设 X~N(0,σ2)，证明 是σ2 的 相合估计量. 证 由切比雪夫不等式，有 # 是σ2 的相合估计量. 例 设总体X的数学期望存在，μ=E(X)的矩法 估计量为：　 ,它是E(X)的无偏、相合估计量. 证 样本构成的随机变量序列X1，X2，…，Xn, … 相互独立同分布，服从辛钦大数定律，对任 给的ε＞0，有 即 为E(X) 的相合估计量. # Ak 是 μ k的 无 偏 估 计 量 证明：设总体X 的k 阶原点矩μ k存在，则样本的k 阶原点矩Ak为μ k的无偏估计。 # 证明： 无 偏 估 计 量 的 不 唯 一 性 # 证明： 均为总体X 的数学期望E ( X )= μ 的无偏估计量。 证明： 证明 是无偏估计量， 是其中最有效估计量. 证 利用拉格朗日乘数法求条件极值，令 从联立方程组 解得 ， 即函数 的最小值点是 # * * * * * * * * * 估计量的优良标准 * * * * * * * * * * * * * * * * * * * 　 * * * * *