概率论参数估计.pptxVIP

参数估计一、参数估计的基本思想X~P(λ),X~E(λ),X~N(μ,σ2)数理统计的主要任务之一是依据样本推断总体.推断的基本内容包括两个方面:一是依据样本寻找总体未知参数的近似值和近似范围;二是依据样本对总体未知参数的某种假设作出真伪判断.本章先介绍求近似值和近似范围的方法.用所获得的样本值去估计参数取值称为参数估计.用某一数值作为参数的近似值点估计区间估计参数估计在要求的精度范围内指出参数所在的区间二、点估计法 定义 设总体X分布函数为F(x;θ1,θ2,…θm), θi为未知参数(i=1,2,…,m),X1,X2,…,Xn为来自该总体的s.r.s,若以统计量 =θi(x1,x2,…,xn)作为θi的近似值,则称 为θi的估计值(抽样后),也称 为θi的估计量(抽样前).即:选择统计量X分布为F(x;θ)[θ待估]带入样本值估计值估计量1. 矩估计法 基本思想：将总体的各阶原点矩用相应阶的样本原点矩替代，布列方程或方程组， 所得到的解，作为总体未知参数的点估计的方法。 理论基础：大数定律。例6.10 设总体,为取自该总体的 样本, 求未知参数 θ的矩估计量. 解所以参数 θ的矩估计量为例6.11 设总体的概率密度函数为 为取自该总体的样本. 求(1)未知参数 的矩估计量;(2)解(1)所以参数 θ的矩估计量为2. 最大似然估计法(1) 基本思想: 如：甲.乙两人比较射击技术,分别射击目标一次,甲中而乙未中,则可以认为:甲射击技术优于乙射击技术. 又如：事件A发生的概率为0.1或0.9,观察一次,事件A发生了,则可以认为:事件A发生的概率为0.9. 实际问题(医生看病、公安人员破案、技术人员进行质量检验等)尽管千差万别,但他们具有一个共同的规律,即在获得了观察资料之后,给参数选取一个数值,使得前面的观察结果出现的可能性最大.最大似然估计就是通过样本值 来求得总体的分布参数,使得 取值为 的概率最大.(2) 似然函数(样本的联合密度函数) 设总体X为连续型，X～f(x;θ1,θ2,…θm), θi为待估参数(i=1,2,…,m),X1,X2,…,Xn为来自该总体的s.r.s,则Xi～f(xi;θ1,θ2,…θm), (i=1,2,…,m)（X1,X2,…,Xn）的联合密度函数为(似然函数)例X~E(λ),即则 设总体X为离散型,P(X=x)=P(x;θ1,θ2,…θm), θi为待估参数(i=1,2,…,m),X1,X2,…,Xn为来自该总体的s.r.s,则P(Xi=xi)=P(xi;θ1,θ2,…θm), (i=1,2,…,m)（X1,X2,…,Xn）的联合概率函数为(似然函数)例X~P(λ),即样本观察值出现可能性的大小跟似然函数在该样本值处的函数值有关,L越大,样本观察值越可能出现.所以,最大似然估计: 若似然函数 在 取到最大值,则称 分别为 的 最大似然估计.(3) 方法与步骤:设总体的分布密度(或概率密度)其中 是待估参数. ① 写出似然函数(即样本的联合密度函数)② 写出对数似然函数（对似然函数取对数）(只有一个待估参数时求) ③ 写出似然方程 ④ 求解似然方程并写出估计量例6.12 求参数为p的0-1分布的最大似然估计.P(X=0)=1-pP(X=1)=p解P(X=m)=pm(1-p)1-m(m=0,1)P(X=x)=px(1-p)1-x解得最大似然估计为注意:为p的无偏估计量.例6.13 X~N(μ,σ2),求参数μ,σ2的最大似然估计.解注意:不是无偏估计.例6.14 设X服从[0,θ]区间上的均匀分布,参数θ0,求θ的最大似然估计.解 由题意得:无解.基本方法失效.应用最大似然估计基本思想: L越大,样本观察值越可能出现.考虑L的取值,要使L取值最大,θ应最小,取此时,L取值最大,所以,最大似然估计为例6.15 设总体X～其中 是未知参数.是来自总体的一个容量为 n 的s.r.s,求 的最大似然估计解 由题意得:当 时， 所以另一方面故所求最大似然估计为2. 点估计的评价标准无偏性标准一: 容易明白,对同一个未知参数,采用不同的方法找到的点估计可能不同,那么,自然要问:究竟是用哪一个更“好”些呢?这里介绍三个评价标准. 设 为θ的一个点估计,若 则称 为θ的一个无偏估计。注意 无偏估计若存在，则可能不唯一。标准二:有效性 设 和 是