- 1、本文档共20页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
d7—1参数的概念与点估计
第七章 参数估计概率 矩估计 估计量评选的标准 参数估计 区间估计 第七章 第七章 上一章,我们讲了数理统计的基本概念,从这一章开始,我们研究数理统计的重要内容之一即统计推断。 所谓统计推断,就是根据从总体中抽取得的一个简单随机样本对总体进行分析和推断。即由样本来推断总体,或者由部分推断总体。这就是数理统计学的核心内容。 它的基本问题包括两大类问题,一类是估计理论;另一类是假设检验。而估计理论又分为参数估计与非参数估计,参数估计又分为点估计和区间估计两种,这里我们主要研究参数估计这一部分数理统计的内容。 第一节 参数估计的概念 第七章 统计推断的目的,是由样本推断出总体的具体分布.一般来说,要想得到总体的精确分布是十分困难的.在上一章里,介绍了经验分布可以作为总体的一个近似解,但是只有样本容量n 无限大时经验分布故以概率1一致收敛于总体的分布函数.而在实际问题中样本容量n不允许很大. 我们已经学习了中心极限定理,可以断定在某些条件下的分布为正态分布;也可以根据样本观测值先对总体分布类型作出检验和判断 (下一章介绍),这种方法可以得到总体的分布类型,其中有一个或几个参数.另外,有些统计推断问题,我们不关心其分布类型,只关心其某些数学特征,如期望、方差等,通常把这些数学特征了称为参数.这时抽样的目的就是为了解出这些参数. 参数 . 估计参数 . 例1:设某总体 , 试由样本 来估计 例2:设某总体 , 试由样本 来 上述二例中, 记为 . 如:例1中的 而例2中的 定义1: 中提取有关总体的信息, 出统计量的观测值 , 相应待估参数的值. 称为参数的估计量, 估计值. 围, 把参数的取值范围称为参数空间, 可以确定出参数的取值范 数的性质和实际问题, 是指从样本 所谓参数估计, , 统计量 求 然后用样本值代入, 用该值来作为 且把统计量 称为参数的 把 但根据参 参数的取值虽未知, 即构造样本的函数—— 参数估计分为点估计和区间估计两从大类. ①点估计: ②区间估计: 根据 样本 及样本值 构造一统 计量 , 计值, 称点估计. . 内, 构造 两个统计量: 使得待估参数以已知的较大的概率落在 指对总体中的一维参数 , 为的区间估计. 此时称 指对总体分布中的参数 , 作为 的估 将 为 的点估计量, 则称 简 记为 第七章 第二节 点估计量的求法 二、极大似然估计 一、矩估计 一、矩估计法:(K.Pearson提出) 矩估计法是一种古老的估计方法.大家知道,矩是描写随机变量的最简单的数字特征.样本来自于总体,从前面可以看到样本矩在一定程度上也反映了总体矩的特征,因而自然想到用样本矩作为总体矩的估计. 的估计量, 定义1: 是其一个样本, 得一个包含 个未知数 的方程组, 的一组解 , 中解出 用这个方程组的解 分别作为 该方法称为矩估计法. 的观察值称为矩估计值. 的情形) 令 从 矩估计量 这种估计量称为矩估计量, (一般我们只需掌握 为总体 的待估参数, 假设 例3: 又设 是来自总体 的一个样本, 的矩估计量. 解: 所以得 因为 而 试求 令 的均值及方差 都存在但均未知, 设总体 注:上述结果表明,总体均值与方差的矩估计量的表达式不会因总体的分布不同而异;同时,我们又注意到,总体均值是用样本均值来估计的,而总体方差(即总体的二阶中心矩)却不是用样本方差来估计的,而是用样本二阶中心矩来估计.那么,能否用样本方差来估计总体方差呢?能的话,样本二阶中心矩与样本方差哪个更好?下一节将作详细讨论. 这样看来,虽然矩估计法计算简单,不管总体服从什么分布,都能求出总体矩的估计量,但它仍然存在着一定的缺陷:对于一个参数,可能会有多种估计量.比如下面的例子: 求 的一个样本, 解: , 例4: 未知, 是 的矩估计量 . 由以上可看出,这里的一个待估参数有两个不同的矩估计量.这样,就会给应用带来不便,为此,R.A.Fisher 提出了以下的改进的方法: , 设 二、极大似然估计法: 1、似然函数 为样本的似然函数, 即 密度函数: 定义2:设总体 的分布密度函数为 , 其中 ( ) , 为待估参数 ,( ) 我们称之为对数自然函数. 上式两边取自然对数, 得 是来自总体的一个样本, 则称样本的联合分布的 , 记为 2、极大似然估计法 这种方法的基本思想是利用“概率最大的事件最可能出现” ,即我们认为所抽取的样本是出现的概率最大的样本.样本也是随机变量,其出现的概率是与其密度函数有关的,要使样本出现的概率最大,只有密度函数在样本取这一样本值时取最大值.这里样本的分布类型已
文档评论(0)