概率论与数理统计376.pdfVIP

沈 阳 大 学 教 案 课程名称：工程数学 —— 概率论与数理统计 编写时间：2006年7月15日 授课章节 第七章 参数估计 目的要求 了解矩估计，极大似然估计。 重点难点 掌握极大似然估计，正态总体的区间估计 第七章：参数估计 总体是由总体分布来刻画的．在实际问题中我们根据问题本身 的专业知识或以往的经验或适当的统计方法，有时可以判断总体分 布的类型，但是总体分布的参数还是未知的，需要通过样本来估 计．例如，为了研究人们的市场消费行为，我们要先搞清楚人们的 收入状况．若假设某城市人均年收入服从正态分布  2 ，但 N ( ， ) 2 参数 和 的具体值并不知道，需要通过样本来估计．又如，假定   某城市在单位时间 （譬如一个月）内交通事故发生次数服从泊松分 布P（λ ），其中的参数λ 也是未知的，同样需要从样本来估计．通 过样本来估计总体的参数，这称为参数估计，它是统计推断的一种 重要形式．本章我们讨论参 数估计的常用方法，估计的优良性以及若干重要总体的参数估计问 题． 第 1 节：矩估计 矩估计是基于直观考虑而提出的，其方法比较简单． 对总体X，它的m阶原点矩为   =E m  x m f (x , , , )dx （X）=  m 1 k  若是离散型分布，这里的积分号应改为求和号．而m阶样本原点矩为 1 n Am＝ X m i n i 1 一般说来，α m是总体参数θ １，⋯，θ k的函数，记之为α m（θ １，⋯，θ k）．因此， 如果令总体的前k阶原点矩与同阶样本原点矩相等，就得到关于θ １，⋯，θ k的一个方程组 α m（θ １，⋯，θ k）＝A m，m＝ １，２，⋯ ，k 解这个方程组，其解记为 第 次 第1 页 沈 阳 大 学 教 案 （续页） ＾θ i＝＾θ i（X１，X２，⋯，Xn） ， i＝ １，⋯ ，k 它们就可以做为θ i的估计．这样的估计叫做矩估计． 例7．1．3 求事件发生概率p的矩估计． 记事件A发生的概率P（A）＝p，定义随机变量 X＝１ ， 若在一次试验中事件A发生， ０， 若在一次试验中事件A不发生， 于是E（X）＝p，即我们所求的事件A发生的概率等于随机变量X的 均值．现有样本X１，⋯，Xn，也就是说，我们做了n次试验，观测到 Xi＝１ ， 若在第i次试验中事件A发生， ０， 若在第i次试验中事件A不发生畅 根据（７.１.２），p的矩估计为 1 n ˆ  p  X 