应用数理统计.pdf

第2章 参数估计 第2.1节 点估计 第2.2节 估计量的优良标准 第2.3节 区间估计 东北大学数学系 第2.1节 点估计 总体X 的分布函数F 含有未知的参数 q ， q 所有可能的取值范围称为“参数空间”，记为Q 。 从这个总体中抽取了一组样本X 1，… ，Xn ， 相应的样本观察值是x ，… ，x 。 1 n 应该如何估计出q 的具体数值？ 点估计就是利用样本构造一个合理的统计量： g (X ，… ，X ) ；用它的观察值 g (x ，… ，x ) 1 n 1 n 去作为作为q 的估计值。 例2.1.1 政府或者企业希望了解人们的作息习惯。 Gallup 公司做过一项调查，56 % 的美国人说 他们习惯早起，44 % 的认为自己是“夜猫子”。 例2.1.2 丁同学在一个体重仪上称她的体重，假 定这个体重仪没有系统误差，每次称量的结果 是真实重量m 加上一个随机误差ek 。一般认为 ek ~ N (0,s2 ) ，因此n 次称量的结果 Xk = m + ek ~ N (m,s2 ) 你可以用这组数据中的任何一个，或者样本 均值，或者是样本中位数等，作为m 的估计值。 常用的点估计方法 矩估计：用样本的有关矩去作为总体有关矩的 估计。即样本均值作为总体期望的估计； 样本方差作为总体方差的估计；样本中位数 (或众数) 作为总体中位数( 或众数) 的估计等。 极大似然估计： 所有情况中“看起来最象”的那个估计 一. 矩估计 K.Pearson 的矩估计理论 假定总体X 有m 个未知参数q ，… ，q ， 1 m 而有关的原点矩V = EXk 存在，则应该有： k V = g (q ，… ，q ) 1 1 1 m V = g (q ，… ，q ) 2 2 1 m … … V = g (q ，… ，q ) m m 1 m 理论上求解方程组可以得到 q = h ( V ，… ，V ) 1 1 1 m q = h ( V ，… ，V ) 2 2 1 m … … q