数理统计与随机过程7-参数估计.pptxVIP

数理统计与随机过程1兰州大学信息科学与工程学院主讲:路永刚

非正态总体的区间估计

添加标题7.6非正态总体的区间估计添加标题前面两节讨论了正态总体分布参数的区间估计。但是在实际应用中，我们有时不能判断手中的数据是否服从正态分布，或者有足够理由认为它们不服从正态分布。但是，只要样本大小n比较大，总体均值μ的置信区间仍可用正态总体情形的公式添加标题或添加标题σ2未知时添加标题σ2已知时

所不同的是：这时的置信区间是近似的。这是求一般总体均值的一种简单有效的方法，其理论依据是中心极限定理，它要求样本大小n比较大。因此，这个方法称为大样本方法。设总体均值为μ,方差为σ2,X1,X2,…,Xn为来自总体的样本。因为这些样本独立同分布的，根据中心极限定理，对充分大的n,下式近似成立

因而，近似地有添加标题于是，μ的置信系数约为1-α的置信区间为01添加标题当σ2未知时，用σ2的估计S2来代替σ2，得02

但许多应用实践表明：当n≥30时，近似程度是可以接受的；当n≥50时，近似程度是很好的。那么，n究竟多大才算很大呢？只要n很大，(2)式所提供的置信区间在应用上是令人满意的。显然，对于相同的n,(2)式所给出的置信区间的近似程度随总体分布与正态分布的接近程度而变化，因此，理论上很难给出n很大的一个界限。

例1：某公司欲估计自己生产的电池寿命。现从其产品中随机抽取50只电池做寿命试验。这些电池寿命的平均值为2.261(单位：100小时)，标准差S=1.935。求该公司生产的电池平均寿命的置信系数为95%的置信区间。解：查正态分布表，得zα/2=z0.025=1.96，由公式(2)，得电池平均寿命的置信系数为95%的置信区间为

7.6.1二项分布(3)式是(1)式的特殊情形。设事件A在一次试验中发生的概率为p，现在做n次试验，以Yn记事件A发生的次数,则Yn~B(n,p)。依中心极限定理，对充分大的n，近似地有

式就是二项分布参数p的置信系数约为1-α的置信区间。单击此处添加小标题例2：商品检验部门随机抽查了某公司生产的产品100件，发现其中合格产品为84件，试求该产品合格率的置信系数为0.95的置信区间。单击此处添加小标题解：n=100,Yn=84,α=0.05,zα/2=1.96,将这些结果代入到(4)式，得p的置信系数为0.95的近似置信区间为[0.77,0.91]。单击此处添加小标题

解：n=100,Yn=20,α=0.10,zα/2=1.645,将这些结果代入到(4)式，得p的置信系数为0.90的近似置信区间为[0.134,0.226]。例3：在环境保护问题中,饮水质量研究占有重要地位，其中一项工作是检查饮用水中是否存在某种类型的微生物。假设在随机抽取的100份一定容积的水样品中有20份含有这种类型的微生物。试求同样容积的这种水含有这种微生物的概率p的置信系数为0.90的置信区间。

7.6.2泊松分布设X1,X2,…,Xn为抽自具有泊松分布P(λ)的总体的样本，因为E(X)=D(X)=λ，由:

解:n=100,α=0.05,zα/2=1.96,将这些结果代入到(5)式,得λ的置信系数为0.95的近似置信区间为[14.44,15.96]。例4：公共汽车站在一单位时间内(如半小时,或1小时,或一天等)到达的乘客数服从泊松分布P(λ),对不同的车站,不同的仅是参数λ的取值不同。现对某城市某公共汽车站进行100个单位时间的调查。这里单位时间是20分钟。计算得到每20分钟内来到该车站的乘客数平均值为15.2人。试求参数λ的置信系数为95%的置信区间。

1讨论要对非正态分布的参数进行区间估计，主要需要哪些条件？

*融资项目商业计划书单击此处添加副标题

非参数估计

参数估计的两种类型参数估计：样本的概率密度函数P(x，?i)的形式已知，去推断概率密度函数中的某些未知的参数?i。非参数估计：样本的概率密度函数P(x，?i)的形式未知，去推断概率密度函数。

非参数估计当密度函数的形式未知时，只能用非参数方法。它能处理任意的概率分布。在参数估计中,密度函数的参数形式是单模的(单个局部极大值)，然而在现实中，所遇到的却常常是多模的情况。

最简单的非参数估计基于直方图的概率密度估计就是一种典型的非参数估计

非参数概率密度函数的估计基本思想:设有样本x的概率密度函数为p(x)，则x落在