第五部分参数估计教学课件.ppt

第五章 参数估计,点估计 估计量的评选标准 区间估计正态总体参数的区间估计,5.2,5.1 点估计一、参数估计的概念,定义 设X1，Xn是总体X的一个样本，其分布函数为F(x;),。其中为未知参数,为参数空间,若统计量g(X1，Xn)可作为的一个估计,则称其为的一个估计量，记为,注：F(x;)也可用分布律或密度函数代替.,若x1，xn是样本的一个观测值。,由于g(x1，xn)是实数域上的一个点，现用它来估计，故称这种估计为点估计。点估计的经典方法是矩估计法与极大似然估计法。,二、矩估计法（简称“矩法”）,关键点：1.用样本矩作为总体同阶矩的估计，即,2.约定：若 是未知参数的矩估计，则g()的矩估计为g(),例1：设X1，Xn为取自总体B(m,p),的样本，其中m已知，0p1未知，求p的矩估计。,EX：设X1，Xn为取自参数为的指数分布总体的样本，求的矩估计。,例2。设总体X的概率密度为X1，Xn为样本，求参数的矩估计。,例3：设X1，Xn为取自 总体的样本，求参数 的矩估计。,三、极大似然估计法,1、极大似然思想 有两个射手，一人的命中率为0.9,另一人的命中率为0.1,现在他们中的一个向目标射击了一发，结果命中了，估计是谁射击的？,一般说，事件A发生的概率与参数有关，取值不同，则P(A)也不同。因而应记事件A发生的概率为P(A|).若A发生了，则认为此时的值应是在中使P(A|)达到最大的那一个。这就是极大似然思想,1.设总体X为离散型随机变量，它的分布律为,现有样本观察值x1,x2,xn,其中xk取值于ak,k=1,2问：根据极大似然思想，如何用x1,x2,xn估计q?,例5.设X1，Xn为取自参数为的泊松分布总体的样本，求的极大似然估计,2.设总体X为连续型随机变量，概率密度f(x;q)现有样本观察值x1,x2,xn,问：根据极大似然思想，如何用x1,x2,xn估计q?,2、似然函数与极大似然估计,为该总体的似然函数。,定义：若有,使得,则称 为的极大似然估计.记为,3、求极大似然估计的步骤,(1)做似然函数,(2)做对数似然函数,(3)列似然方程,若该方程有解，则其解就是,注1：若概率函数中含有多个未知参数，则可解方程组,例6：设X1，Xn为取自 总体的样本，求参数 的极大似然估计。,注2：极大似然估计具有下述性质：若 是未知参数的极大似然估计，g()是的严格单调函数，则g()的矩极大似然估计为g(),例7：设X1，Xn为取自参数为的指数分布总体的样本，a0为一给定实数。求p=PXa的极大似然估计,注3：由似然方程解不出的似然估计时，可由定义通过分析直接推求。事实上 满足,例8：设X1，Xn为取自 U(0,)总体的样本，0未知，求参数 的极大似然估计。,5.2 估计量的评选标准一、一致性,例1.设 已知0p1,求p的极大似然估计，并讨论所求估计量的一致性。,二、无偏性,易见,考察的矩估计和极大似然估计的无偏性,三、有效性,EX:设 分别为取自总体X的容量为n1,n2的两个样本的样本均值，求证：对任意实数a0,b0,a+b=1统计量 都是E（X）的无偏估计，并求a,b使所得统计量最有效,5.3 区间估计一、概念,定义：设总体X的分布函数F(x；)含有未知参数，对于给定值（0 1),若由样本X1,Xn确定的两个统计量 使,则称随机区间 为的置信度为1的置信区间,注：F(x;)也可换成概率密度或分布律。,5.4 正态总体参数的区间估计,1、2已知,/2,/2,1-,可取,(1-),1-,的置信度为1的置信区间为,注：的1置性区间不唯一。,都是的1置性区间.但=1/2时区间长最短.,求正态总体参数置信区间的解题步骤：(1)根据实际问题构造样本的函数，要求仅含待估参数且分布已知；(2)令该函数落在由分位点确定的区间里的概率为给定的置信度1，要求区间按几何对称或概率对称；(3)解不等式得随机的置信区间；(4)由观测值及值查表计算得所求置信区间。,P152,27(1)解:,已知时,的置信度为1的置信区间为,这里,2、2未知,m的1-a置信区间为,1-,即得,P152,27(2)解:,未知时,的置信度为1的置信区间为,这里,二、单正态总体方差的置信区间,假定m未知，,s2的置信度为1的置信区间为,三、双正态总体均值差的置信区间,其中,可解得1-2 的置信区间,四、双正态总体方差比的置信区间,假定1，2未知,小结,