数据的统计描述和分析详解演示文稿.pptVIP

未知分布的估计 3.2 参数估计 当前第30页\共有81页\编于星期五\0点 参数的点估计 【点估计】 设 是总体分布中所含的未知参数，借助于 总体X的一个适当的统计量去估计未知参数 取值的问题，就称为参 数的点估计问题。 （ ） （提出问题） 抽样得到样本，并观察 （构造统计量，即估计量） （得到参数的估计值） 3.2 参数估计 当前第31页\共有81页\编于星期五\0点 参数的点估计 — 矩估计 【基本思想】 利用样本的各阶原点矩（或中心距）与相应的总体矩，建立估计量应满足的方程（组），从而求出方程（组）中所含的未知参数的方法——矩法估计。 【基本步骤】 （1）计算总体的 k 阶原点矩 ，记 （2）建立方程组 （3）解方程组，得 （矩法估计量） 3.2 参数估计 当前第32页\共有81页\编于星期五\0点 参数的点估计 — 矩估计 3.2 参数估计 当前第33页\共有81页\编于星期五\0点 【基本思想和原理】 参数的点估计 — 极大似然估计 3.2 参数估计 例：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？ 分析：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 . 当前第34页\共有81页\编于星期五\0点 当给定样本X1,X2,…Xn时，定义似然函数为： 设X1,X2,…Xn是取自总体X的一个样本，样本的联合密度(连续型）或联合概率函数(离散型)为 f (X1,X2,…Xn; ) . f (X1,X2,…Xn; ) 极大似然估计法就是用使 达到最大值的 去估计 . 称 为 的极大似然估计（MLE）. 当前第35页\共有81页\编于星期五\0点 例：设总体X～P(?). 求参数?的极大似然估计. 解: 似然方程为： 似然函数为： 解得： 当前第36页\共有81页\编于星期五\0点 4.2 参数估计 点估计的评价标准 1、无偏性 2、有效性 越小越有效 3、一致性 当前第37页\共有81页\编于星期五\0点 以一个随机变量在一次观测中得到的、具有相当随机偶 然性的一个点值，去估计未知、但是具有确定取值的参数真 值，其不可靠性是显而易见的！ 区间估计 如果从误差理论的角度讲，点估计同参数真值之间的误 差是不言而喻的，然而误差的大小却又是不得而知的！ 3.2 参数估计 当前第38页\共有81页\编于星期五\0点 对于总体的待估参数 ，如果存在两个样本统计量 ，使被估参数 位于其间的概率等于 ，即 则称区间 为 的置信度为 的置信区间。 表示置信区间 包含参数 的可信程度 区间估计 区间估计正好可以弥补点估计的上述缺陷! 点估计虽然可以得到一个确定的估计值，但是无法指出 其误差和精确程度 3.2 参数估计 当前第39页\共有81页\编于星期五\0点 和点估计相比，区间估计的精确度大大降低了；区间估计的可靠性并非100％，而是只有1-α。 置信度1-α意味着：如果用同样的方法对参数θ连续估计很多次的话，由此得到的诸多置信区间中真正能够包含参数θ真值的比例大约为1-α，其中还有大约α比例的区间未能包含θ！ 区间估计 3.2 参数估计 当前第40页\共有81页\编于星期五\0点 区间估计 【单个正态总体均值的区间估计】 求参数 的置信度为 的置信区间. 【例1】 设X1,…Xn是取自 的样本， ~ N(0, 1) 选 的点估计（无偏估计） 解： 对于给定的置信水平， 根据U的分布，确定一个区间，使得U取值于该区间的概率为置信水平. 对给定的置信水平 查正态分布表得 使 3.2 参数估计 当前第41页\共有81页\编于星期五\0点 从中解得 对给定的置信水平 查正态分布表得 使 也可简记为 于是所求 的置信区间为 区间估计 3.2 参数估计 当前第42页\共有81页\编于星期五\0点 【单个正态总体均值的区间估计】 设X1,…Xn是取自 的样本，则参数 的置信度 为 的置信区间： 当 已知时： 当 未知时： 区间估计 3.2 参数估计 当前第43页