第三章参数估计.pptxVIP

第三章参数估计会计学第1页/共39页1. 矩估计法（简称“矩法”）同时定义样本矩第2页/共39页 矩法思想: 用样本矩Ak 作为总体同阶矩μk 的近似, 得出未知参数的估计(k 由未知参数个数决定). 即令θ的矩估计可记为第3页/共39页解：第4页/共39页2. 极大似然估计法 有一棋坛,放有黑白二种棋子,两种棋子的比例为1:4,但不确定是黑:白=1:4还是白:黑=1:4.有放回抽两子,发现全是黑的,估计是黑:白=1:4还是白:黑=1:4 ? 自然会认为坛中黑子多。利用样本的信息选择参数使得事件发生的概率尽可能大，这就是极大似然估计的思想。第5页/共39页单参数情形.Δx1Δx2 …Δxn或未知的θ不论如何变化, 均应使L(θ)达最大值。第6页/共39页第7页/共39页极大似然估计法一般情形为该总体的似然函数.定义 极大似然估计法：作似然函数，求极值点.第8页/共39页 若似然函数可导, 且能由导数等于零解出未知参数, 则可由下列方程（组）或解出似然估计 由似然方程解不出θj 的似然估计时，可通过放大缩小的方法直接推求。第9页/共39页解：设x1, …, xn是来自总体X的样本，作0第10页/共39页得0lnL(θ,μ)关于μ单增, 但所以第11页/共39页极大似然估计法数值求解方法：说明： 事实上，除去少数总体和样本分布都比较简单的场合外，在绝大多数情况下，极大似然估计的似然方程的解往往没有解析表达式。例如总体为伽马分布，其中参数未知的时候，似然方程没有解析解。在这种情况下要用数值方法求解似然方程的数值解或者近似解。这里我们简单介绍一下广泛应用于似然方程数值解的方法：牛顿-拉夫森算法。第12页/共39页牛顿-拉夫森算法：1）标准形式：2）梯度和Hissian矩阵 梯度是一个函数变化率最大的方向，它是由一阶偏导数形成的向量：当 称为驻点第13页/共39页Hissian矩阵是所有的二阶偏导数形成的矩阵：第14页/共39页3）牛顿-拉夫森流程第15页/共39页3.2 估计量的评选标准估计量的特性:1. 无偏性 例 设总体为X，其均值μ, 方差σ2＞0都存在未知，问μ的估计量 , σ2的估计量 ，分别是否为μ,σ2的无偏估计.第16页/共39页解：所以 E(Xi)=μ，D(Xi)=σ2，( i =1, …, n)E(Xi2)= D(Xi)＋[E(Xi)]2E(Xi＋1－Xi )2 =σ2＋μ2－2μ2＋σ2＋μ2=2σ2=σ2＋μ2= E(Xi＋12)－2E(Xi Xi＋1)＋E(Xi 2)E(T )==σ2第17页/共39页 有时候并不能找到无偏的估计量，那我们退而求其次，寻找渐进无偏的一个估计量第18页/共39页例第19页/共39页2. 有效性第20页/共39页定义：一致最小方差无偏估计如果存在一个θ 的一个无偏估计量使得对于任何关于θ 的无偏估计 都有 则称 为θ 的一致最小方差无偏估计（UMVU）是未知参数的一个无偏估计。如果记：第21页/共39页 任意一个无偏估计的方差不可能无限制地小，在样本容量一定时，它有一个下限值。设总体X的概率函数为，样本容量则这个著名的关系式称为罗-克拉美不等式若的无偏估计满足则称为的有效估计。例 设总体X服从参数为的泊松分布，试证：是的有效估计。第22页/共39页第23页/共39页3. 相合性无偏性与有效性都是基于样本容量n固定的前提下提出的，我们希望随着样本容量的增大，一个估计量的值趋向于待估参数的真值。 第24页/共39页3.3 区间估计总体未知参数的区间估计思想:区间估计概念第25页/共39页区间估计的理论依据（背景）一、区间估计的步骤：① 找待估参数的最好(无偏)估计; ② 由最好估计构造含待估参数、不含未知参数、分布已知的统计量Z; ③ 定两个常数a,b, 使P{aZb}=1-α且(a, b)最短; ④ 由aZb 解出θ1θθ2 ,(θ1,θ2 )为所求. ⑤ 有数据时，数据代入得到具体的置信区间.(1) 已知即得 的置信区间为1- ?的置信区间为二、单正态总体均值与方差的置信区间第26页/共39页1. 单正态总体均值的置信区间(2)未知即得 的置信区间为1??的置信区间为第27页/共39页(1) 未知即得 的置信度为1- ?的置信区间为第28页/共39页2. 单正态总体方差的置信区间(2)已知即得 和 的置信度为1??的置信区间分别为第29页/共39页第30页/共39页三、双正态总体均值差与方差比的置信区间第31页/共39页解:(1)N( )~~~~~~~~~~~~~~~~~~~~~