点估计的常用方法.ppt

数理统计 数理统计 第二节 点估计的常用方法 矩估计法 最大似然估计法 一. 矩估计法 矩估计法是英国统计学家K.皮尔逊最早提出来的 . 由大数定律, 若总体 X 的数学期望 E(X)= μ 有限, 则有: 这表明, 当样本容量很大时, 在统计上, 可以用样本k阶原点矩去估计总体k阶原点矩(替换原理). 这一事实是矩估计法的理论基础. 1)定义: 用样本原点矩估计相应的总体原点矩 , 又用样本原点矩的连续函数估计相应的总体原点矩的连续函数, 这种参数点估计法称为矩估计法 . 例1: 设总体 X 的概率分布律为 解: 求 的矩估计值. 其中 为未知参数。现抽取一组样本 的矩估计值为 例2: 设总体 X 在 [a, b] 上服从均匀分布, a, b未知. 解: X1, X2, …, Xn 是来自 X 的样本, 试求 a, b的矩估计量 . 即: 解得: 总体矩 于是 a , b 的矩估计量为: 样本矩 一般都是这 k 个参数的函数,记为: 从这 k 个方程中解出: j=1,2,…,k 那么用诸 μi 的估计量 Ai 分别代替上式中的诸μi, 即可得诸 θj 的矩估计量 ： 矩估计量的观察值称为矩估计值 . 2) 矩估计法的具体做法如下: 设总体的分布函数中含有 k个未知参数: θ1, θ2, …, θk, 那么它的前 k 阶矩: μ