《557编号参数估计课件》由会员分享，可在线阅读，更多相关《557编号参数估计课件（74页珍藏版）》请在金锄头文库上搜索。
1、第七章 参数估计,XP(),XE(),XN(,2),用所获得的样本值去估计参数取值称为参数估计.,参数估计,点估计 区间估计,用某一数值作为参数的近似值,在要求的精度范围内指出参数所在的区间,参数估计的基本思想,1 参数的点估计,1.1 矩估计法,设(X1,X2,Xn)是来自总体X的一个样本,根据大数定律,对任意0,有,并且对于任何k,只要E(Xk)存在,同样有,因此,很自然地想到用样本矩来代替总体矩,从而得到总体分布中参数的一种估计.,定义：用样本矩来代替总体矩,从而得到总体分布中参数的一种估计.这种估计方法称为矩法估计.它的思想实质是用样本的经验分布和样本矩去替换总体的分布和总体矩.今后称
2、之为替换原则.,设总体X具有已知类型的概率函数p(x;1,k), (1,k)是k个未知参数.(X1,X2,Xn)是来自总体X的一个样本.假若X的k阶矩k=E(Xk)存在,则对于ik, E(Xi)都存在,并且是(1,k)的函数i (1,k).,得到含有未知参数(1,k)的k个方程.解这k个联立方程组就可以得到(1,k)的一组解:,用上面的解来估计参数i就是矩法估计.,解,总体X的期望为,从而得到方程,所以的矩估计量为,解,其概率密度函数为,总体X的期望为,从而得到方程,所以的矩估计量为,解,由于,故令,例 : 设某炸药厂一天中发生着火现象的次数X服从,解,矩法的优点是简单易行, 并不需要事先知道
3、总体是什么分布。,缺点是，当总体类型已知时，没有充分利用分布提供的信息。一般场合下, 矩估计量不具有唯一性。,其主要原因在于建立矩法方程时，选取那些总体矩用相应样本矩代替带有一定的随意性。,它是在总体类型已知条件下使用的一种参数估计方法 。,它首先是由德国数学家高斯在1821年提出的。,Gauss,Fisher,然而, 这个方法常归功于英国统计学家费歇。,费歇在1922年重新发现了这一方法，并首先研究了这种方法的一些性质。,1.2最大似然法,最大似然法的基本思想,先看一个简单例子：,是谁打中的呢？,某位同学与一位猎人一起外出打猎。一只野兔从前方窜过。,如果要你推测，,你会如何想呢?,只听一声枪
4、响，野兔应声倒下 。,你就会想，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最大似然法的基本思想 ：一次试验就出现的事件有较大的概率。,令,求极大似然估计的一般步骤归纳如下：,例:设随机变量X服从泊松分布:,其中0是一未知参数,求的极大似然估计.,解 设(x1,x2,xn)是样本 (X1,X2,Xn)的一组观测值.于是似然函数,两边取对数得,从而得出的极大似然估计量为,解这一方程得,解,总体X服从参数为的指数分布，则有,所以似然函数为,取对数,令,解得的极大似然估计值为,极大似然估计量为,例:设(X1,X2,Xn)是来自正态总
5、体N(,2)的一个样本,其中,2是未知参数,参数空间=-0.求与2的极大似然估计.,解 正态分布的似 然函数为,两边取对数得,由微积分知识易验证以上所求为与2的极大似然估计.,分别求关于与2的偏导数,得似然方程组,解这一方程组得,例:设总体X具有均匀分布,其概率密度函数为,求未知参数的极大似然估计.,解 设 (X1,X2,Xn)是来自总体X的一个样本.似然函数为,要使L(; x1,x2,xn)达到最大,就要使达到最小,由于,所以的极大似然估计值为：,参数的极大似然估计量为：,2估计量的评选标准,对于总体的同一个未知参数，由于采用的估计方法不同，可能会产生多个不同的估计量。这就提出了一个问题，当
6、总体的同一个参数存在不同的估计量时，究竟采用哪一个更好？这涉及到用什么样的标准来评价估计量的好坏问题，对此，我们介绍几个常用的评价标准：无偏性、有效性和一致性。,2.1无偏性,在评价一个估计量的好坏时,我们当然希望估计量与被估参数越接近越好.但估计量是一个随机变量,它的取值随样本的观测值而变,有时与被估参数的真值近些,有时远些,我们只能从平均意义上看估计量是否与被估参数尽量接近,最好是等于被估参数.于是有无偏估计量的概念.,例:设总体X具有均匀分布,其密度函数为,解,用矩法估计得,求的无偏估计.,总体X的均值,例:设总体X的k阶矩E(Xk)存在,证明样本的k阶矩是E(Xk)的无偏估计.,证明,
7、所以,证明样本的k阶矩是E(Xk)的无偏估计.,因为,例:设总体的方差D(X)存在,试证样本二阶中心矩B2是总体方差D(X)的有偏估计.,证明,所以,B2是总体方差D(X)的有偏估计.,注:,2.2有效性,一个参数的无偏估计量不是唯一的,假若参数有两个无偏估计量 ,我们认为其观测值更密集在参数真值附近的一个较为理想.由于方差是随机变量取值与其数学期望的偏离程度的度量,所以无偏估计以方差小者为好.这就引出了估计量的有效性这一概念.,证明,由于总体服从泊松分布，故,于是有,同理,但是,例:设(X1,X2, X3)是来自总体X的一个样本,证明下面的三个估计量都是总体均值E(X)的无偏估计量,证明,2
8、.3一致性,估计量的无偏性和有效性都是在样本容量固定的前提下提出的.我们自然希望随着样本容量的增大,一个估计量的值稳定于待估参数的真值.这就对估计量提出了一致性的要求.,3参数的区间估计,点估计有使用方便、直观等优点,但他并没有提供关于估计精度的任何信息,为此提出了未知参数的区间估计法.,例 对明年小麦的亩产量作出估计为:,即,若设X表示明年小麦亩产量,则估计结果为,P(800X1000)=80%,明年小麦亩产量八成为800-1000斤.,区间估计,这时必有,3.1正态总体均值的区间估计,3.1.1方差已知时均值的区间估计,由总体服从正态分布可得,得到,从而,例:设轴承内环的锻压零件的平均高度
9、X服从正态分布N(,0.42).现在从中抽取20只内环,其平均高度为32.3毫米.求内环平均高度的置信度为95%的置信区间.,解,解,经计算可得,查表得,从 而,故所求置信区间为,例: 已知幼儿身高服从正态分布，现从56岁的幼儿中随机地抽查了9人，其高度分别为： 115,120,131,115,109,115,115,105,110cm;,解,3.1.2方差未知时均值的区间估计,解,经计算得,查表可得,从而,所以的置信度为0.99置信区间是,例: 用仪器测量温度，重复测量7次，测得温度分别为： 115,120,131,115,109,115,115,105,110cm; 设温度,解,3.2正态总体方差的区间估计,3.2.1均值已知时方差的区间估计,3.2.2均值未知时方差的区间估计,解,由题意得,查表得,算 得,所求置信区间为,(0.038,0.506),解,3.3两个正态总体均值差的区间估计,由于样本函数,其中,对于给定的置信度1-有,即,置信区间为,解,求得,由于样本函数,解,求得,3.4 两个正态总体方差之比的区间估计,解,求得,查表得,计算得,3.5 单侧置信区间,解,此时,于是,
