概率统计随时增加.pptx

第二节 点估计量的优良性 ;1、矩方法；（矩估计） 2、极大似然函数法（极大似然估计）.;设待估计的参数为;解方程组，得 k 个统计量：; 定义1:(1)设r.v.X的概率密度函数为f(x,?), 其中?为未知参数(f为已知函数). x1,x2,?,xn为样本X1,X2,?,Xn的样本观察值,; 定义2 如果似然函数 在 时达到最大值,则称 是参数?的 极大似然估计。 ;其中; 数学上可以严格证明，在一定条件下，只要样本容量n足够大，极大似然估计和未知参数的真值可相差任意小。;例4：设 为正态总体 的一个样本值， 求: 和 的极大似然估计.; 解方程组 ;;例6 设总体X的概率密度为; 当; 对于同一个未知参数, 不同的方法得到的估计量可能不同,于是提出问题;一、无偏估计;例1：样本均值和样本方差分别是总体均值和总体方差的无偏估计量.; ;例2 设总体X的概率密度为;解 (1)总体均值;(3); 二、最小方差无偏估计;例3 设X1,X2,?,Xn为来自于总体X的样本,总体均值EX=?,总体方差DX=?2,求?的最小方差线性无偏估计。 ;无偏性要求;由条件 ; 若 和 都是?的无偏估计量，且 成立，则通常称估计量 较 有效,或较佳,或较优.;三、一致估计;则 称为?的一致性估计。;;例5 证明正态总体N(?,?2)的样本方差S2是总体方差?2的一致性估计量。;例6 X~N(?0,?2), 其中?0为已知,X1,X2,?,Xn为样本,记;例7 总体X的概率密度;;同样的方法可得: ;设总体分布含有一未知参数?，又x1,x2,?,xn为来自于总体的样本，若对于给定?(0?1)，统计量?1(x1,x2,?,xn)和?2(x1,x2,?,xn)满足; ?1,?2分别称为置信下限和置信上限. (1-?)称为置信度。;则称区间[?1,+?)为?相应于置信度是1-?的单侧置信区间，?1称为置信度是1-?的单侧置信下限。类似，满足下式; 我们知道，正态随机变量是最为常见的，特别是很多产品的指标服从或近似服从正态分布。因此,我们主要研究正态总体参数的区间估计。先研究均值的区间估计，然后再研究方差的区间估计。这些在实际应用中是很重要的.; 设总体X~N(?,?2)，其中?2已知，??X1,X2,?,Xn为来自于总体的样本。 ;;; 当?＝0.01时,查标准正态分布表得临界值;例1. 已知某种滚珠的直径服从正态分布，且方差为0.06，现从某日生产的一批滚珠中随机地抽取6只，测得直径的数据（单位mm）为 14.6 15.1 14.9 14.8 15.2 15.1 试求该批滚珠平均直径的95％置信区间。;于是;实际应用中往往是D(X)未知的情况。;U与V独立; 对给定的?，查t分布表可得临界值;即;; ; 于是，对给定的?(0?1)，查?2分布 表，可得临界值 使得;;注意这里选取的临界值;例3.某自动车床生产的零件,其长度X服从正态分布,现抽取16个零件，测得长度(单位：mm)如下： 12.15,12.12, 12.01 , 12.08, 12.09, 12.16,12.03,12.01,12.06 ,12.13 , 12.07 , 12.11,12.08, 12.01 ,12.03 , 12.06 试求DX的置信度为95%的置信区间。;;作 业