概率论：6 总体分布中未知参数的估计.pptVIP

的置信区间 4. 百分比的置信区间 (公式7) 公式8 x1, x2, …, xn为样本X1, X2,…, Xn一组观测值, 求 的矩估计和最大似然估计. 其中 未知, 例：设总体X的密度 (1)无偏性 4.评价估计量优劣的标准 (2)有效性 （3）．相合性：随着样本容量的增大，估计量的值越来越接近被估计的参数 设 是 的估计量， 定义： 则称 为 的相合估计量 . 注: (1) 无偏估计量不唯一, 不是每个参数都有无偏估计量. (2) 无偏性与有效性是在n固定时讨论的,而一致性是在n→∞时进行的. 例 测得自动车床加工的10个零件的尺寸与规 定尺寸的偏差(微米)如下： +2，+1，-2，+3，+2，+4，-2，+5，+3，+4. 求零件尺寸偏差总体的均值及方差的无偏估计值. 解 有 重要结论 前面我们介绍了参数点估计，参数点估计是用一个确定的值去估计未知的参数. 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。 为了使估计的结论更可信，需要引入区间估计, 弥补了点估计的这个缺陷 . 估计湖中鱼数，若根据一个实际样本，得 到鱼数N的极大似然估计为1000条. 若能给出一个区间，在此区间内合理地相信 N 的真值位于其中. 这样对鱼数的估计就更有把握. §6.2 参数的区间估计 (interval estimation) 希望确定一个区间，同时给出一个可信程度, 使其他人相信它包含参数真值. 参数真值 [ ] 这里所说的“可信程度”是用概率来度量的，称为置信概率(置信度). 习惯上把置信水平记作 , 这里 是一个 很小的正数. 则称区间(θ1 , θ2)为? 的置信水平为1??的置信区间 定义：设总体X的分布中有未知参数θ,对于给定?（0?1), 若有统计量θ1=θ1(X1,…,Xn)和θ2=θ2(X1, …, Xn)使得 Θ 的真实值 置信区间 置信下限 置信上限 θ1 θ2 含义: 随机区间包含参数θ的概率至少为1-α 意味着100个样本对应的100个随机区间(θ1,θ2)中至少有95个包含θ. 1-α表示区间估计的可靠性. 1-α越大, (θ1,θ2)作为置信区间越可靠. 区间长度θ2?θ1代表区间估计的精度. 长度越小, 区间估计精度越高. 但一般情况下, 可靠性与精度不可兼得. 区间估计原则: 可靠性优于精度. 固定1-α, 使θ2? θ1越小越好. 设X1, X2, …, Xn是取自正态总体 的样本 一个正态总体参数的区间估计 1. μ的区间估计 μ置信区间 (1) ?2已知 注：单侧1-α置信下(上)限只需将双侧1- α置信下(上) 限中分位数中的0.5 α改为α即可。 m置信区间 (2) ?2未知 2、σ2区间估计(μ未知) σ2置信区间 两个正态总体的均值差、方差比的置信区间 X1, …, Xn1来自X的样本, Y1, …, Yn2来自Y的样本, 两样本独立 ?1- ?2 的置信区间 mean(x)-mean(y)-norminv(1-al/2)*sqrt(sig1^2/n+sig2^2/m) (2) 未知 ?1- ?2 的置信区间 第六章 总体分布中未知参数的估计 上一章，我们介绍了总体、样本、统计量和抽样分布的概念，介绍了统计中常用的三大分布，给出了几个重要的抽样分布定理. 它们是进一步学习统计推断的基础.  总体 样本 统计量 描述 作出推断 随机抽样 （假定身高服从正态分布 ） 1.65 1.67 1.68 1.78 1.69 若估计 为1.69， 这是点估计. 这是区间估计. 若估计 在区间[1.67, 1.78]内， 假如我们要估计某班男生的平均身高. 从该总体选取容量为5的样本, 样本值为 §6.1 参数的点估计 (point estimate) 一. 点估计方法 设总体X的分布函数F(x, θ)形式已知, θ为未知参数, x1, x2, …, xn是样本X1, X2, …, Xn的样本观测值. 通过统计量 (X1, X2, …, Xn)来估计θ, 称为θ的估计量, (x1, x2, …, xn)为θ的估计值. 估计量和估计值统称为点估计, 记作 . ^ θ ^ θ ^ θ 点估计：设总体的分布类型已知，但有未知 参数，构造一个适当的统计量：