概率论与数理统计-第七章-参数估计

整理文档很辛苦,赏杯茶钱您下走!

免费阅读已结束,点击下载阅读编辑剩下 ...

阅读已结束,您可以下载文档离线阅读编辑

资源描述

第七章参数估计一.点估计二.估计量的评选标准三.区间估计四.正态总体参数的区间估计§1点估计一、参数估计的概念定义:(p128)设X1,…,Xn是总体X的一个样本,总体分布函数为F(x;),。其中为未知参数,为参数空间,若用统计量g(X1,…,Xn)作为的一个估计,则称其为的一个估计量,记为).,,(gˆ,ˆ1nXX即注: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,.),,(ˆ1的估计值称为nxxg点估计的经典方法有矩估计法与极大似然估计法。二、矩估计法(简称“矩法”)(p128)思想:用样本矩作为总体同阶矩的估计,即.1)(1nikikXnXE理论依据:大数定律。.)(11kPnikiXEXn约定:若是未知参数的矩估计,则g()的矩估计为g().如设总体为X,其期望、方差的估计。矩估计法求法:1、计算总体矩。一般来说,总体矩是未知参数的函数,总体矩个数与未知参数个数相同。2、求出未知参数表达式,未知参数为总体矩的函数。3、用样本矩代替同阶总体矩,得到未知参数的估计计算式。例1设X1,…,Xn为来自总体b(m,p)的样本,其中m已知,p未知,求p的矩估计。解:因E(X)=mp,mXEp)(故Xmp1所以即为参数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。的矩估计量。为所以解得令解XXEXExxexfx1ˆ)(11)(000);(:解:例2设总体X的概率密度为,X1,…,Xn为其样本,求的矩估计。xexf21)(02)(||dxexXExdxexdxexXExx02||2212)(222)(2XEnXnii212例3:设X1,…,Xn为取自总体的样本,求参数的矩估计。),(2N2,解:222)]([)()()(XEXEXDXEniiXXnX122)(1,.,),,(~,,.4^^1MMiidnbababaUXX和试求设例解:2)(121)(2)(abXDbaXE)(3)()(3)(XDXEbXDXEa由:niiXXnXDXXE12)(1)()(niiniiXXnXbXXnXa1212)(3)(3三、极大似然估计法(P130)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,...2,1)(}{kaPaXPkk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?},...,{11nnxXxXA记)(},...,{)|(111ininnxPxXxXPAP则根据极大似然思想,值应是在中使P(A|)达到最大的那一个,也就是使样本联合分布律达到最大的那一个.)(1inixP(2)设总体X为连续型随机变量,概率密度f(x;)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?,),...,(),...,(11的小球为包围点记nnxxxx),...,(),...,{(11nnxxXXAnnxxdxdxxxfAPn,...,);,...,(...)|(11),...,(1则nixxnidxdxxfn,...,);(...1),...,(11根据极大似然思想,值应是在中使P(A|)达到最大的那一个,也就是使样本联合密度达到最大的那一个.2、似然函数与极大似然估计(p131)n1iin1iidn1);x(f);x,,x(L)(L,),;x(f~X,,X则称设为该总体的似然函数。lnL()称为对数似然函数。,^定义:若有),()(max)(^LSupLL或使得则称为的最大似然估计.记为.^MLE3、求极大似然估计的步骤),,(,),;(~,,1^^1nMLEMLEiidnXXxFXX试求设(1)求似然函数niinxfxxLL11);();,,()((2)求对数似然函数niiniinxPxfxxLL111)(ln);(ln);,,(ln)(ln或或niinxPxxLL11)();,,()(0)]([lndLd(3)求导,令若方程有解,则0)]([dLd或.^MLE的为其解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。解:niinxniixniixeexxXPLniii111!!)()(1niiniixnxL11)!ln(ln)(ln令01)]([ln1nxdLdniiniiXn11ˆ注1:若总体分布中含有多个未知参数,如.,,1,0ln,0^miMLELLiiii的为其解或),,(),,,;(~,,111mmiidnxFXX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。2,),(2NnixniiiexfL122122),;(),(22解:22122221),(inixnneL22221ln(,)ln(2)ln222niixnnL令221222241ln(,)1()0ln(,)022niiniiLxxLn2,为的极大似然估计.2121)(1,1niiniixxnxxn212)(1,niiXXnX注2:极大似然估计具有下述性质:(p134)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=P{Xa}的极大似然估计。解:axaedxeaXPp1}{0niiixnnixniieexfL111);()(关于单调.故若的极大似然估计为,则p的极大似然估计为.先求的极大似然估计。ae1niixnxneLnii1lnln)(ln1令0)]([ln1niixndLdniixn1X1Xaep1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)(max)ˆ(LLMLEMLE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。解:其它001);()(1inniixxfLln1ln)(lnnLn令0)]([lnndLd无解!其它001)(inxL注意到为使L()≠0,必须0x(1)、x(n),故的值域为(x(n),∞),再由关于单减,故越小,L()越大.于是L(x(n))=supL()nL1)()(nMLEX一、无偏性(p136).,),,(^^1^^的无偏估计量是则称若的估计量为设EXXn易见.1])(1[),(1)1()(21211nnXXnEXEEXnXnEXEniiniinii§2估计量的评选标准)01,U(~,X,Xiidn设例1考察的矩估计和极大似然估计的无偏性。解:的矩估计和极大似然估计分别为)(,2nMLEMXX22)(2)(2)ˆ(XEXEEM的矩估计是无偏的.记)(nMLEXZ其它,00,)(1znzzfnnZ01^1nndznzzEnnMLE故的极大似然估计不是无偏的.注:取MLEnn1*ˆ则*是的无偏估计.二、有效性(P137).,,2,1),,,(2^1^2^1^1^^有效比则称若无偏估计的两个分别是参数设DDiXXniiEX:设分别为取自总体X的容量为n1,n2的两个独立样本的样本均值,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.21,XX21XbXa)()()()(:2121XEXbEXaEXbXaE解故对任意实数a0,b0,a+b=1,统计量都是E(X)的无偏估计.21XbXa)()()()()(2212221221XDnbnaXDbXDaXbXaD12()22(1)()0dhaaadann令211nnna2122111nnnnnnb))1(()(:2212nanaah记三、一致性(P138)是θ的一致估计量。θθ,则称θ)是θ的估计量,若X,,(Xθθ设nPnn1nˆˆˆˆ§3区间估计一、概念(P140)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(水平)为1的置信区间。ULˆ,ˆ*1}ˆˆ{ULP。的置信下限和置信上限分别称为置信度为和1ˆˆUL)ˆ,ˆ(UL二.正态总体均值与方差的区间估计.1,,),(121~置信区间的求出,,由观测值给定,,,设niidnxxNXX1、2已知)1,0(~XUNn故1}|{|2zUP2z20z1-1}{22znXuznXP即:故的置信度为1的置信区间为:),(22znXznX例1已知某大学三年级学生的身高服从正态分布,现从该大学三年级学生中抽查10人,测得身高分别为162,176,163,165,168,172,170,167,175,178.求总体均值的置信水平为0.95的置信区间.,49N解:10n0.0521.96z169.6,7x169.61.967/10,169.61.967/10165.3,173.9已知时,的置信度为1的置信区间为。),(2/2/znXznX这里故置信区间为))1(),1((2/2/ntnSXntnSX2、2未知(p141)的1置信区间为)1(~/ntnSXT由1)}1({2/,令ntTP)1(2nt)1(02nt1-1})1()1({2/2/nSntXnSntXP即得解:6n0.05未知时,的置信度为1的置信区间为这里故置信区间为例2设某种袋装食品的重量服从正态分布,从某一批此种食品中抽取6袋,测得重量(单位:g)如下:205,207,189,193,196,198.求此种袋装食品的重量的置信水平为0.95的置信区间.),(2N。)1(),1((2/2/ntnSXntnSX

1 / 51
下载文档,编辑使用

©2015-2020 m.777doc.com 三七文档.

备案号:鲁ICP备2024069028号-1 客服联系 QQ:2149211541

×
保存成功