点估计的评价标准样本.doc

6.2点预计评价标注

咱们已经看到，点预计有各种不同求法，为了在不同点预计间进行比较选取，就必要对各种点预计好坏给出评价原则.

数理记录中给出了众多预计量评价原则，对同一预计量实用不同评价原则也许会得到完全不同结论，因而在评价某一种预计好坏时一方面要阐明是在哪一种原则下，否则所论好坏则毫无意义.

但不论怎么说，有一种基本原则时所有预计都应当满足，它是衡量一种预计与否可行必要条件，这就是预计相合性，咱们就从相合性开始。

6.2.1相合性

咱们懂得，点预计是一种记录量，因而它是一种随机变量，在样本量一定条件下，咱们不也许规定它完全等同于参数真实取值。但如果咱们有足够观测值，依照格里文科定理，随着样本量不断增大，经验分布函数逼近真实分布函数，因而完全可以规定预计量随着样本量不断增大而逼近参数真值，这就是相合性，严格定义如下：

定义6.2.1设为未知参数，是一种预计量，是样本容量，若对任何一种，有

则称为参数相合预计。

相合性被以为是对预计一种最基本规定，如果一种预计量，在样本量不断增大时，它都不能把被估参数预计到任意指定精度，那么这个预计值是很值得怀疑。普通，不满足相合性规定预计普通不予考虑。证明预计相合性普通可应用大数定律或直接由定义来证。

若把依赖于样本量预计量看作一种随机变量序列，相合性就是依概率收敛于，因此证明预计相合性可应用依概率收敛性质以及各种大数定律。

例6.2.1设是来自正态总体样本，则有辛钦大数定律及依概率收敛性质知：

是相合预计；

是相合预计；

也是相合预计。

由此可见参数相合预计不止一种。

在判断预计相合性时下述两个定理是很有用。

定理6.2.1设是一种预计量，若

则是相合预计。

证明：对任意，由切比雪夫不等式有

另一方面，由可知，当充分大时有

注意到此时如果，就有

故

由此即有

定理得证。

例6.2.2设是来自均匀总体样本，证明最大似然预计是相合预计。

证明在例6.1.8中咱们已经给出最大似然预计是。由顺序记录量分布，咱们懂得分布密度函数为

故有

由定理6.2.1可知，是相合预计。

定理6.2.2若分别是相合预计，是持续函数，则是相合预计。

证明有函数持续性，对任意给定，存在一种，当，有

（6.2.3）

又由相合性，对给定，对任意给定，存在正整数，使得时,

.

从而有

依照（6.2.3）,,故有

,

由任意性，定理得证.

由大数定律及定理6.2.2,咱们可以看到，矩预计普通都具备相合性.例如：

·样本均值是总体均值相合预计；

·样本原则差是总体原则差相合预计；

·样本变异系数是总体变异系数相合预计.

例6.2.3设一种实验有三种也许成果，其发生概率分别为

现做了次实验，观测到三种成果发生次数分别为，可以采用频率

替代办法预计.由于可以有三个不同表达式：

从而可以给出三种不同频率替代预计，它们分别是：

由大数定律，分别是相合预计，由定理6.2.2知，

上述三个预计都是相合预计.

无偏性

相合性是大样本下预计量评价原则，对小样本而言，需要某些其她评价

原则，无偏性便是一种惯用评价原则.

定义6.2.2设是一种预计，参数空间为，若对

任意,有

,

则称是无偏预计，否则称为有偏预计.

无偏性规定可以改写为，这表达无偏预计没有系统偏差.当咱们使用预计时,由于样本随机性,与总是有偏差,这种偏差时而（对某些样本观测值）为正,时而（对另某些样本观测值）为负,时而大,时而小.无偏性表达，把这些偏差平均起来其值为0，这就是无偏预计含义.而若预计不具备无偏性，则无论使用多少次，其平均也会与参数真值有一定距离，这个距离就是系统误差.

例6.2.4对任一总体而言，样本均值是总体均值无偏预计.当总体k阶

矩存在时,样本k阶原点矩是总体k阶原点矩无偏预计.但对k阶中心

矩则不同样,譬如,样本方差就不是总体方差无偏预计,由于在定理

5.2.1中已经指出：

.

对此，有如下两点阐明：

当样本趋于无穷时，有，咱们称为渐近无

偏预计，这表白当样本量较大时，可近似看作无偏预计.

若对作如下修正：

，(6.2.5)

则是总体方差无偏预计.这种简朴修正办法在某些场合被采用.（6.2.5）

定义也称为样本方差，它比更惯用.这是由于在时，，因而用预计有偏小倾向，特别在小样本场合要使用预计.

无偏性不具备不变性.即若是无偏预计，普通而言，不是无偏预计，除非是线性函数.譬如，是无偏预计，但s不是无偏预计.下面咱们以正态分布为例加以阐明.

例6.2.5设总体为是样本，咱们已经指出是无偏预计.由定理5.3.1,其密度函数为

.

从而

由此，咱们有

这阐