第二章参数估计.pptxVIP

第1页/共34页点估计区间估计什么是参数估计？参数是刻画总体某方面概率特性的数量.当此数量未知时,从总体抽出一个样本，用某种方法对这个未知参数进行估计就是参数估计.例如，X ~N (? ,? 2), 若?, ? 2未知, 通过构造样本的函数, 给出它们的估计值或取值范围就是参数估计的内容.第2页/共34页参数估计的类型点估计 —— 估计未知参数的值区间估计—— 估计未知参数的取值范围， 并使此范围包含未知参数 真值的概率为给定的值.第3页/共34页§2.1 点估计方法点估计的思想方法设总体X 的分布函数的形式已知, 但含有一个或多个未知参数：?1,?2, ?,?k设 X1, X2,…, Xn为总体的一个样本构造 k 个统计量：随机变量第4页/共34页称数为未知参数的估计值为未知参数对应统计量的估计量问题当测得样本值(x1, x2,…, xn)时,代入上述统计量，即可得到 k 个数：数 值如何构造统计量？如何评价估计量的好坏？第5页/共34页常用的点估计方法 频率替换法利用事件A 在 n 次试验中发生的频率作为事件A 发生的概率 p 的估计量第6页/共34页例1 设总体X ~ N ( ? , 2 ), 在对其作28 次 独立观察中, 事件 “X 4” 出现了21 次, 试用频率替换法求参数 ? 的估计值.第7页/共34页 矩法 用样本 k 阶矩作为总体 k 阶矩的估计量, 建立含有待估参数的方程, 从而解出待估参数方法一般, 不论总体服从什么分布, 若总体期望 ? 与方差? 2 存在, 则它们的矩估计量分别为注意：不是!第8页/共34页事实上，按矩法原理，令第9页/共34页设待估计的参数为设总体的 k 阶矩存在，记为样本 X1, X2,…, Xn 的 r 阶矩为令—— 含未知参数 ?1,?2, ?,?k 的方程组第10页/共34页解方程组 , 得 k 个统计量： 未知参数 ?1, ?,?k 的矩估计量代入一组样本值得 k 个数: 未知参数 ?1, ?,?k 的矩估计值第11页/共34页例2 设总体 X ~ N ( ? ,? 2 ), X1, X2,…, Xn为 总体的样本, 求 ? ,? 2 的矩法估计量.例3 设总体 X ~ Exp(?), X1, X2,…, Xn为总体的样本, 求? 的矩法估计量.问题： ? 的矩估计是否唯一？第12页/共34页结论：矩估计可能不存在（如Cauchy分布的参数的矩估计不存在），即使存在也有可能不唯一（如例3）。第13页/共34页例4 设从某灯泡厂某天生产的灯泡中随机抽取10只灯泡，测得其寿命为(单位:小时) 1050, 1100, 1080, 1120, 1200 1250, 1040, 1130, 1300, 1200试用矩法估计该厂这天生产的灯泡的平均寿命及寿命分布的方差.例5 设总体 X ~ U (a, b), a, b 未知, 求参数 a, b 的 矩法估计量.第14页/共34页 极大似然估计法 思想：实际推断原理（一次试验就出 现的事件有较大的概率） 例如: 有两外形相同的箱子,各装100个球 一箱99个白球1 个红球 一箱1 个白球99个红球现从两箱中任取一箱, 并从箱中任取一球,结果所取得的球是白球.问: 所取的球来自哪一箱的可能性大？答: 第一箱.第15页/共34页例6 设总体 X 服从0-1分布,且P (X = 1) = p, 用极大似然法求 p 的估计值.解总体 X 的概率分布为 设 x1, x2,…, xn为总体样本X1, X2,…, Xn的样本值,则第16页/共34页事件发生了，则 p 的取值应使这个事件发生的概率最大.对于不同的 p , L (p)不同, 见下图现经过一次试验，第17页/共34页所以为所求 p 的估计值.在容许范围内选择 p ，使L(p)最大 注意到，ln L(p)是 L 的单调增函数,故若某个p 使ln L(p)最大, 则这个p 必使L(p)最大。第18页/共34页选择适当的? = ,使取最大值, 即L( )极大似然法的思想其中f(x,?)为总体的密度函数或分布律。称这样得到的为参数 ? 的极大似然估计值称统计量为参数 ? 的极大似然估计量第19页/共34页或称 L( ) 为样本的似然函数若 X 为离散型随机变量, 其分布律为则样本 X1, X2,…, Xn的联合分布为第20页/共34页若 X 连续, 令 f (x,? )为X 的密度函数则似然函数为未知参数可以不止一个, 如?1,…, ?k 注设X 的密度(或分布)为则定义似然函数为第21页/共34页若关于?1, …, ?k可微,则称若对于某组给定的样本值 x1, x2,…, xn，参数 使似然函数取得最大值