数理统计之区间估计.pptxVIP

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 . 譬如，在估计湖中鱼数的问题中，若我们根据一个实际样本，得到鱼数N的极大似然估计为1000条.实际上，N的真值可能大于1000条，也可能小于1000条. 若我们能给出一个区间，在此区间内我们合理地相信 N 的真值位于其中. 这样对鱼数的估计就有把握多了. 习惯上把置信水平记作 ，这里 是一个很小的正数.也就是说，我们希望确定一个区间，使我们能以比较高的可靠程度相信它包含真参数值.湖中鱼数的真值[ ]这里所说的“可靠程度”是用概率来度量的，称为置信概率，置信度或置信水平.例如，通常可取置信水平=0.95或0.9等.根据一个实际样本，由给定的置信水平，我们求出一个尽可能小的区间 ，使的置信水平为称区间 为 的置信区间.置信水平的大小是根据实际需要选定的. 我们选取未知参数的某个估计量 ，根据置信水平 ，可以找到一个正数 ，使得称 为 与 之间的误差限 . 只要知道 的概率分布，确定误差限并不难. 寻找置信区间的方法,一般是从确定误差限入手.由不等式可以解出 ：这个不等式就是我们所求的置信区间. 下面我们就来正式给出置信区间的定义,并通过例子说明求置信区间的方法. 设0 1, 对随机变量X，称满足的点 为X的概率分布的上 分位数. 在求置信区间时，要查表求分位数.教材180页已经给出了概率分布的上侧分位数（分位点）的定义，为便于应用，这里我们再简要介绍一下. 设0 1, 对随机变量X，称满足的点 为X的概率分布的上 分位数. 标准正态分布的上 分位数例如: 设0 1, 对随机变量X，称满足的点 为X的概率分布的上 分位数. 自由度为n的 分布的上 分位数例如: 设0 1, 对随机变量X，称满足的点 为X的概率分布的上 分位数. 自由度为n1,n2的F分布的上 分位数 书末附有 分布、t 分布、F分布的上侧分位数表，供使用. 需要注意的事项在教材上有说明. 至于如何由标准正态分布函数表查表求得分位数，若你对分布函数定义熟悉的话，这个问题不难解决.现在回到置信区间题目上来.设 是 一个待估参数，给定若由样本X1,X2,…Xn确定的两个统计量满足则称区间 是 的置信水平（置信度、置信概率）为 的置信区间.分别称为置信下限和置信上限. 一、 置信区间定义： 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)(X1,…Xn)(X1,…Xn) 一旦有了样本，就把 估计在区间内.这里有两个要求:可见，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.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.即要求估计尽量可靠. 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. 例1 设X1,…Xn是取自 的样本，求参数 的置信度为 的置信区间. 选 的点估计为 寻找未知参数的一个良好估计.二、置信区间的求法明确问题,是求什么参数的置信区间?置信水平是多少？解：~N(0, 1) 寻找一个待估参数和估计量的函数 ，要求其分布为已知.有了分布，就可以求出U取值于任意区间的概率.对给定的置信水平查正态分布表得为什么这样取？使对于给定的置信水平(大概率), 根据U的分布，确定一个区间, 使得U取值于该区间的概率为置信水平.对给定的置信水平查正态分布表得使从中解得于是所求 的 置信区间为也可简记为 置信水平 是多少?2. 寻找参数 的一个良好的点估计T (X1,X2,…Xn) 3. 寻找一个待估参数 和估计量T的函数 S(T, ),且其分布为已知.称S(T, )为枢轴量. 从例1解题的过程，我们归纳出求置信区间的一般步骤如下:1. 明确问题, 是求什么参数的置信区间?4. 对于给定的置信水平 ，根据S(T, )的分布，确定常数a, b，使得 P(a ≤S(T, )≤b)= 5. 对“a≤S(T, )≤b”作等价变形,得到如下形式:则 就是 的100( )％的置信区间. 可见，确定区间估计很关键的是要寻找一个待估参数 和估计