概率论与数理统计参数估计.pptxVIP

引言 上一讲，我们介绍了总体、样本、简单随机样本、统计量和抽样分布的概念，介绍了统计中常用的三大分布，给出了几个重要的抽样分布定理 . 它们是进一步学习统计推断的基础 .第一页，共七十页。 总体随机抽样样本作出推断描述统计量第二页，共七十页。 参数估计 现在我们来介绍一类重要的统计推断问题 参数估计问题是利用从总体抽样得到的信息来估计总体的某些参数或者参数的某些函数.估计新生儿的体重估计废品率在参数估计问题中，假定总体分布形式已知，未知的仅仅是一个或几个参数.估计降雨量… …第三页，共七十页。 设有一个统计总体 , 总体的分布函数为F( x, ) ，其中 为未知参数 (可以是向量) . 作出估计, 或估计要依据该样本对参数的某个已知函数.参数估计问题的一般提法现从该总体抽样，得样本X1,X2,…,Xn这类问题称为参数估计.第四页，共七十页。点估计参数估计区间估计第五页，共七十页。（假定身高服从正态分布 ） 现从该总体选取容量为5的样本，我们的任务是要根据选出的样本（5个数）求出总体均值 的估计. 而全部信息就由这5个数组成 . 估计 为1.68，估计在区间 [1.57, 1.84] 内，例如我们要估计某队男生的平均身高.设这5个数是:1.65 1.67 1.68 1.78 1.69这是点估计.这是区间估计.第六页，共七十页。例1 已知某地区新生婴儿的体重,未知据此,我们应如何估计和呢 ?一、点估计概念…得100个体重数据随机抽查100个婴儿 ,10,7,6,6.5,5,5.2, …而全部信息就由这100个数组成 .第七页，共七十页。二、寻求估计量的方法1. 矩估计法2. 极大似然法第八页，共七十页。若总体 的数学期望 有限,1. 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 .由辛钦定理 ,则有第九页，共七十页。 这表明 , 当样本容量很大时 , 在统计上 , 可以用样本矩去估计总体矩 . 这一事实导出矩估计法.定义用样本原点矩估计相应的总体原点矩 , 这种参数点估计法称为矩估计法 . 理论依据: 大数定律第十页，共七十页。解 因为 令,即得 的矩估计量: 例2 设总体 服从 上的均匀分布,是未知参数,是取自总体 的样本,求 的矩估计量. 第十一页，共七十页。 例1 设总体X的概率密度为其中 是未知参数 ,X1 , X2 , … , Xn 是取自 X 的样本,求参数 的矩估计第十二页，共七十页。GaussFisher 2. 最大似然法 它首先是由德国数学家高斯在1821年提出的 . 后来由英国统计学家费歇于1922年重新提出，并证明了一些性质。因此，这个方法常归功于他。第十三页，共七十页。最大似然法的基本思想 先看一个简单例子： 某位同学与一位猎人一起外出打猎 .一只野兔从前方窜过 .只听一声枪响，野兔应声倒下 .如果要你推测，是谁打中的呢？你会如何想呢?第十四页，共七十页。 你就会想，只发一枪便打中, 猎人命中的概率一般大于这位同学命中的概率 . 看来这一枪是猎人射中的 . 这个例子所作的推断已经体现了极大似然法的基本思想 .第十五页，共七十页。 最大似然估计原理： 当给定样本X1,X2,…Xn时，定义似然函数为：这里 x1, x2 ,…, xn 是样本的观察值 .第十六页，共七十页。第十七页，共七十页。第十八页，共七十页。 最大似然估计法就是用使 达到最大值的 去估计.称 为 的最大似然估计值 . 看作参数 的函数，它可作为 将以多大可能产生样本值 x1, x2,… ,xn 的一种度量 .而相应的统计量称为 的最大似然估计量 .第十九页，共七十页。 例2 设总体X服从参数为 的指数分布,试求 的极大似然估计值。解 设 是一组样本观测值,则似然函数为第二十页，共七十页。令解得 的极大似然估计值为所以当 时， 取对数第二十一页，共七十页。 设X1,X2,…Xn是取自总体 X~B(1, p) 的一个样本，求参数p的最大似然估计量.解：似然函数为: L(p)= P(X=x1,…, X=xn)第二十二页，共七十页。对数似然函数为：对p求导并令其为0，即为 p 的最大似然估计值 .第二十三页，共七十页。 (2) 把样本联合分布率 ( 或联合密度 ) 中自变 量看成已知常数,而把参数 看作自变量,得到似然 函数L( ); (3)