概率论与数理统计参数估计.ppt

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 . 概率论与数理统计参数估计 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 . 一、无偏性 则称 为 的无偏估计 . 设 是未知参数 的估计量，若 概率论与数理统计参数估计 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 . 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 . 概率论与数理统计参数估计 例1 设总体 X 服从参数为 的指数分布 , 其概率密 度为 为未知, X1,X2,…Xn是取自总体的一个样本 , 试证 和 谁是参数 的无偏估计量 概率论与数理统计参数估计 证 所以 是参数 的无偏估计量 . 而 具有概率密度 故知 即 也是参数 的无偏估计量 . 概率论与数理统计参数估计 所以无偏估计以方差小者为好, 这就引进了有效性 这 一概念 . 的大小来决定二者谁更优 . 和 一个参数往往有不止一个无偏估计, 若 和 都是参数 的无偏估计量， 我们可以比较 由于 概率论与数理统计参数估计 二、有效性 D( ) ≤D( ) 则称 较 有效 . 都是参数 的无偏估计量，若对任意 ， 设 和 且至少对于某个 上式中的不等号成立， 概率论与数理统计参数估计 例2 (续例1) 试证 当 n 1 时 的无偏估计量 较 哪个更有效 . 证 故有 而 故有 当 n 1 时 , 故 较 有效 . 概率论与数理统计参数估计 三、相合性 任意 ，当 时 依概率收敛于 , 则称 为 的相合估计量. 设 是参数 的估计量，若对于 为 的相合估计量 对于任意 , 有 概率论与数理统计参数估计 第三节 区间估计 置信区间定义 置信区间的求法 概率论与数理统计参数估计 引言 前面，我们讨论了参数点估计. 它是用样本算得的一个值去估计未知参数. 但是，点估计值仅仅 是未知参数的一个近似值，它没有反映出这个近似值的误差范围，使用起来把握不大. 区间估计正好弥补了点估计的这个缺陷 . 概率论与数理统计参数估计 一、 置信区间定义 满足 设 是 一个待估参数，给定 X1,X2,…Xn确定的两个统计量 若由样本 和 分别称为置信下限和置信上限. 则称区间 是 的置信水平（置信度 )为 的置信区间. 概率论与数理统计参数估计 这里有两个要求: 可见， 对参数 作区间估计，就是要设法找出两个 只依赖于样本的界限(构造统计量). 一旦有了样本，就把 估计在区间 内 . 概率论与数理统计参数估计 可靠度与精度是一对矛盾，一般是在保证 可靠度的条件下尽可能提高精度. 1. 要求 以很大的可能被包含在区间 内，就是说，概率 要尽可能大 . 即要求估计尽量可靠. 2. 估计的精度要尽可能的高. 如要求区间长度 尽可能短，或能体现该要求的其它准则. 概率论与数理统计参数估计 在求置信区间时，要查表求分位点. 二、置信区间的求法 设 , 对随机变量X，称满足 的点 为X的概率分布的上 分位点. 定义 概率论与数理统计参数估计 若 X 为连续型随机变量 , 则有 所求置信区间为 概率论与数理统计参数估计 ~ N(0, 1) 选 的点估计为 , 求参数 的置信度为 的置信区间. 例1 设X1,…Xn是取自 的样本， 明确问题,是求什么 参数的置信区间? 置信水平是多少？ 寻找未知参 数的一个良 好估计. 解 寻找一个待估参数和 统计量的函数 ，要求 其分布为已知.