统计推断-参数估计.docxVIP

统计推断 -参数估计 从本章开始我们介绍统计推断， 所谓统计推断就是由样本推断总体， 统计推断包括参数 估计和假设检验两部分， 它们是统计推断最基本而且是互相有联系的两部分， 本章介绍统计 推断的第一部分参数估计。 参数通常指总体分布中的特征值 和 和各种分布中的参数，例如二点分布 B（ 1， P） 中的 p，泊松分布 P（ ）中的 ，正态分布 N（ 、 ）的 、 等，习惯用 表示参数，通 常参数 是未知的。 参数估计的形式有两类，设 x1,x2, ,xn 是来自总体的样本。我们用一个统计量 的取值作为参数 的估计值，则 称为 的点估计（量） ，就是参数 的点估计， 如果对参数 的估计需要对估计作出可靠性判断，就需要对这一可靠性给出可靠性区间或置信区间，叫区间估计。 下面首先介绍点估计 7.1 点估计的几种方法 直接用来估计未知参数 的统计量 称为参数 的点估计量，简称为点估 计，人们可以运用各种方法构造出很多 的估计，本节介绍两种最常用的点估计方法。它们是：矩法和极大似然法。 7.1.1 替换原理和矩法估计 用下面公式表示 的方法叫矩法 例 7－1  对某型号的  20 辆汽车记录每  5L  汽油的行驶里程（  km），观测数据如下： 29.8 27.6  28.3 27.9 30.1  28.7 29.9  28.0  27.9 28.7 28.4 27.2  29.5 28.5 28.0  30.0 29.1  29.8  29.6 26.9 这是一个容量为 20 的样本观测值，对应总体是该型号汽车每  5L  汽油的行驶里程，其 分布形式尚不清楚，可用矩法估计其均值，方差，本例中经计算有 28.695， ＝ 0.9185 由此给出总体均值，方差的估计分别为即 【答疑编号：针对该题提问】 矩法估计的统计思想（替换原理）十分简单明确，众人都能接受，使用场合甚广。 例 7－2 设总体为指数分布，其密度函数为 x1 n 是样本，由于 ，亦即 ，故 的矩法估计为 , ,x 例 7－3 设 x 1,,xn 是来自服从区间（ 0， ）上的均匀分布 的样本， ＞0 为未知 参数。求 的矩估计 。 【答疑编号：针对该题提问】 解：易知总体 X 的均值为 由矩法 的矩估计为 比如，若样本值为 0.1，0.7， 0.2，1， 1.9，1.3， 1.8，则 的估计值 2× （ 0.1+0.7+0.2+1+1.9+1.3+1.8 ）＝ 2 例 7－ 4 在一批产品取样 n 件，发现其中有 m 件次品，试用此样本求该批产品的次品率 p 的矩估计。 【答疑编号：针对该题提问】 解：因为 ∴ 例如抽样总数 n=100，其中次品 m=5. 则 例 7－5 电话总机在一分钟间隔内接到呼唤次数 X ～ P（ ）。观察一分种接到呼唤次数共观察 40 次，结果如下 接到呼唤次数 0 1 2 3 4 5 观察次数 5 10 12 8 3 2 求未知参数 的矩估计 【答疑编号：针对该题提问】 解：（1）∵ X～P（ ） EX= 由矩法 ∴ （ 2）计算 ∴ ＝2  （ 0×5+1×10+2×12+3×8+4×3+5×2）＝ 2 7.1.2 极大似然估计 为了叙述极大似然原理的直观想法，先看例  7－ 6 例 7－6 设有外表完全相同的两个箱子，  甲箱中有  99 个白球和  1 个黑球， 乙箱中有  99 个黑球和 1 个白球， 现随机地抽取一箱， 并从中随机抽取一球，结果取得白球，问这球是从哪一个箱子中取出的？ 【答疑编号：针对该题提问】 解：不管是哪一个箱子，从箱子中任取一球都有两个可能的结果： A 表示取出白球， B 表示取出黑球，如果我们取出的是甲箱，则 A 发生的概率为 0.99，而如果取出的是乙箱， 则 A 发生的概率为 0.01，现在一次试验中结果 A 发生了，人们的第一印象就是： “此白球（A ） 最像从甲箱取出的 ”，或者是说，应该认为试验条件对事件 A 出现有利，从而可以推断这球 是从甲箱中取出的，这个推断很符合人们的经验事实，这里 “最像 ”就是 “极大似然 ”之意。 本例中假设的数据很极端，一般地，我们可以这样设想，在两个箱子中各有 100 个球， 甲箱中白球的比例是 P1 2 1 2 ，乙箱中白球的比例是 P ，已知 P ＞ P ，现随机地抽取一个箱子并 从中抽取一球， 假定取到的是白球， 如果我们要在两个箱子中进行选择， 由于甲箱中白球的 比例高于乙箱，根据极大似然原理，我们应该推断该球来自甲箱。 下面分别给出离散型随机变量和连续型随