
![[學習]概論與統(tǒng)計課件第七章參數估計_第1頁](https://static.zsdocx.com/FlexPaper/FileRoot/2019-9/19/23/a2b1e32a-5df7-4bb4-b42e-ffab0c9f8c18/a2b1e32a-5df7-4bb4-b42e-ffab0c9f8c181.gif)
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、引 言,上一章,我們介紹了總體、樣本、簡單隨機樣本、統(tǒng)計量和抽樣分布的概念,介紹了統(tǒng)計中常用的三大分布,給出了幾個重要的抽樣分布定理. 它們是進一步學習統(tǒng)計推斷的基礎.,,參數估計問題,假設檢驗問題,,點估計,區(qū)間估計,,統(tǒng)計推斷 的基本問題,第七章 參數估計,參數的點估計 點估計的優(yōu)良性準則 區(qū)間估計,在實際問題中,我們根據問題本身的專業(yè)知識或以往的經驗或適當的統(tǒng)計方法,有時可以判斷總體分布的類型. 總體分布的參
2、數往往是未知的,需要通過樣本來估計.,例如 (1) 為了研究人們的市場消費行為,我們要先搞清楚人們的收入狀況. 假設某城市人均年收入X~N(?,?2). 但參數 ? 和 ?2 的具體值并不知道,需要通過樣本來估計. (2) 假定某城市在單位時間(譬如一個月)內交通事故發(fā)生次數 X ~ P(?). 參數?未知,需要從樣本來估計.,通過樣本來估計總體的參數,稱為參數估計,它是統(tǒng)計推斷的一種重要形式.,參數估計,點估計,區(qū)
3、間估計,(假定身高服從正態(tài)分布N(μ,0.12)),設這5個數是:,1.65 1.67 1.68 1.78 1.69,估計 為1.68,,這是點估計.,這是區(qū)間估計.,例如我們要估計某隊男生的平均身高.,現從該總體選取容量為5的樣本,我們的任務是要根據選出的樣本(5個數)求出總體均值 的估計. 而全部信息就由這5個數組成 .,從總體 X 中抽取樣本(X1, X2, …, X n ),,,,參數的 估計量,,
4、參數的 估計值,,設總體X的分布函數為F(x, ? ), ? 未知, ? 的取值 范圍稱為 參數空間 。記作? 。現估計? 。步驟如下:,參數估計問題的一般步驟,問題 如何構造統(tǒng)計量?,構造點估計的估計量的具體方法有多種,在此,介紹兩種方法。,1. 矩估計法,2. 極大似然法,1.1 矩估計法,矩估計法是英國統(tǒng)計學家K.皮爾遜最早提出來的 .,由辛欽大數定理 ,,若總體 的數學期望
5、有限,,則有,這表明 , 當樣本容量很大時 , 在統(tǒng)計上 , 可以用樣本各階矩去估計總體相應的各階矩.,用樣本各階矩去估計總體相應的各階矩。,------矩估計法的基本思想,按以上思想方法去獲得未知參數點估計的方法叫做矩法。,用矩法所確定的估計量稱為矩估計量,,相應的估計值稱為矩估計值,,矩估計量與矩估計值統(tǒng)稱為矩估計,矩估計法的理論依據:,大數定律,矩估計法的具體做法如下,設總體X的分布形式是已知的,?1, ?2…… ,?k是k個未
6、知參數,樣本(X1, X2, …, X n )來自總體 X。假定總體X的m階原點矩EXm存在,一般地,,都是這 k 個參數的函數,記為:,m=1,2, … ,k,取樣本的m階原點矩 作為總體的m階原點矩EXm的估計,得方程組:,—— 含未知參數?1,?2, ?,?k的方程組.,解方程組,得 k 個統(tǒng)計量:,——未知參數?1,?2, ?,?k 的矩估計量.,代入一
7、組樣本值得k個數,——未知參數?1,?2, ?,?k 的矩估計值.,例2:設樣本(X1, X2, …, X n )來自總體 X~N( ? ,? 2), 求? 與? 2 的矩估計量。,解:,例1:設樣本(X1, X2, …, X n )來自總體 X,且總體的均值 ? 未知, 求 ? 的矩估計量。,解:,總體 X 的均值 ?矩估計量為一階樣本原點矩,?和σ2的矩估計量分別為樣本的一階原點矩和二階中心矩,例3
8、:設樣本(X1, X2, …, X n )來自總體 X~P( ?), 求 ? 的矩估計量。,解:,另一方面:EX2 = DX + (EX)2 = ?+ ?2 ,所以:,,此例說明:矩估計可以不唯一。此時,一般取低階矩得到的那一個。,一階樣本原點矩作為 ? 的矩估計量,例4:設樣本(X1, X2, …, X n )來自總體 X,X服從[?1, ?2]上的均勻分布,求?1和 ?2 的矩估計量。,解:這是兩個參數的矩估計問題。,由,解得,
9、EX2 = DX + (EX)2,P148例4,例5:已知總體的X的均值EX= ?, 方差DX=? 2>0, 其中? 與? 2未知, 樣本(X1, X2, …, X n )來自總體 X,求? 與? 2的矩估計量。,解:,無論總體的分布形式如何,總體均值?和方差σ2的矩估計量分別為樣本均值和樣本二階中心矩。,矩法的優(yōu)點是簡單易行,并不需要事先知道總體是什么分布 .,缺點是,當總體類型已知時,沒有充分利用分布提供的信息 . 一般場
10、合下, 矩估計量不具有唯一性 .,其主要原因在于建立矩法方程時,選取哪些總體矩用相應樣本矩代替帶有一定的隨意性 .,1.2 極大似然估計法,極大似然估計作為一種點估計方法最初是由,德國數學家高斯(Gauss)于1821年提出,英國統(tǒng)計,學家費歇爾(R.A.Fisher)在1922年作了進一步發(fā)展,使之成為數理統(tǒng)計中最重要應用最廣泛的方法之一.,Gauss,Fisher,極大似然估計法是建立在極大似然原理的基礎上的一個統(tǒng)計方法。,極大
11、似然原理的直觀想法是:一次試驗就出現,的事件有較大的概率. 即:一個試驗如有若干個,可能結果 ,若在一次試驗中,結果 出現,,則認為 出現的概率最大.,例如: 有兩外形相同的箱子,各裝100個球 一箱 99個白球 1 個黑球 一箱 1 個白球 99個黑球,現從兩箱中任取一箱, 并從箱中任取一球,結果所取得的球是白球.,問:
12、所取的球來自哪一箱?,答: 第一箱.,假定一個盒中黑球和白球兩種球的數目之比,,為 3:1,但不知哪種球多 , 表示從盒中任取一球,是黑球的概率,那么 或 , 現在有放回地,從盒中抽3個球,試根據樣本中的黑球數 來估計,參數 .,解,,隨機變量 ,即,,例,估計 只需在 和 之間作出選擇
13、.,計算這兩種情況下 的分布律:,的估計,根據極大似然原理,應該尋找使事件發(fā)生的概率最大的參數值作為未知參數的估計值。,1. 似然函數,進行一次具體的抽樣之后, (X1, X2, …, X n ) 得到一組觀察值 (x1, x2, …, x n )。是一組確定的數,把它們代入上式,則,設總體分布(以離散型為例)為P(X=x)=P(x,?1, ?2…… ,?k), (?1, ?2…… ,?k )∈Θ未知,樣本(X1, X2,
14、…, X n )來自總體 X,則樣本(X1, X2, …, X n )的概率分布函數為:,僅為(?1, ?2…… ,?k )∈Θ的函數。把它記作 并稱,為參數(?1, ?2…… ,?k )的似然函數。,進行一次具體的抽樣之后, (X1, X2, …, X n ) 得到一組觀察值 (x1, x2, …, x n )。是一組確定的數,把它們代入上式,則,若總體X為連續(xù)性隨機變量,
15、其密度函數為分布為f(x,?1, ?2…… ,?k), (?1, ?2…… ,?k )∈Θ未知,樣本(X1, X2, …, X n )來自總體 X,則樣本(X1, X2, …, X n )的密度函數為:,僅為(?1, ?2…… ,?k )∈Θ的函數。把它記作 并稱,為參數(?1, ?2…… ,?k )的似然函數。,可見,似然函數實質上是樣本的概率分布或密度函數。,2.極大似
16、然法,當給定一組樣本值時,似然函數L (?1, ?2…… ,?k )為參數(?1, ?2…… ,?k )的函數,極大似然估計法的思想就是:,選擇使似然函數L (?1, ?2…… ,?k )達到最大值的點,作為為參數(?1, ?2…… ,?k )的估計。,定義1.1,若存在樣本值 (x1, x2, …, x n )的函數,使似然函數L (?1, ?2…… ,?k )達到最大值,即,則稱,為參數?i的極大似然估計值;,稱相應的統(tǒng)計量,為?
17、i的極大似然估計量;,極大似然估計值和極大似然估計量統(tǒng)稱為極大似然估計。,3、極大似然估計(離散型總體)的步驟,,極大似然估計(連續(xù)型總體)的步驟,,下面舉例說明如何求參數的極大似然估計。,試求參數p的極大似然估計量,故似然函數為,例1:,試求參數p的極大似然估計量,故似然函數為,例1:,故似然函數為,例2:,似然函數為:,例3:,例4:,例5:,例6:,極大似然法求估計量的步驟:(一般情況下),說明:若似然方程(組)無解,或似然函數不
18、可導, 此法失效,改用其它方法。,例7:,,,方程組無解,點估計,,矩估計法,基本步驟,,,極大似然估計法,基本步驟,,第二節(jié) 點估計的優(yōu)良性準則,我們知道,一個未知參數的估計量可能不止一個。究竟采用哪個為好呢?這就涉及到用什么標準來評價估計量的問題。我們介紹三個常用的標準: 1)無偏性; 2)有效性; 3)一致性。,2.1 無偏
19、性,根據樣本推得的估計值與真值可能不同, 然而,如果有一系列抽樣構成各個估計,很合理地會要求這些估計的期望值與未知參數的真值相等,它的直觀意義是樣本估計量的數值在參數的真值周圍擺動,而無誤差,這就是估計量的無偏性。,定義2.1:設總體X的分布中含有未知參數? ?? ,? 為參數空間,樣本(X1, X2, …, X n)來自 X, ,若,例1:設
20、總體X 有期望 EX=? 與方差 DX=? 2,? 與? 2 都未知。 樣本(X1, X2, …, X n)來自 X,試證: (1) 樣本均值 是總體均值?的無偏估計; (2) 樣本方差S2是? 2的無偏估計; (3) 樣本標準差S不是標準差? 的無偏估計; (4) B2不是? 2的無偏估計。,證: 由定理知: (1),(2) ES2=? 2,這個結論與總
21、體的分布類型沒有關系。只要總體期望和方差存在, 樣本均值總是總體期望的無偏估計,樣本方差總是總體方差的無偏估計,(3) 由DS=ES2 - (ES)2=? 2 - (ES)2,得,所以,樣本標準差S不是標準差? 的無偏估計。,(4) 因,所以,二階樣本中心矩B2不是總體方差? 2的無偏估計。因此,通常把B2的分母修正為n-1獲得樣本方差S2作為總體方差? 2的估計。,例2:設總體X 的期望值 EX=?未知,方差 DX有限, 樣本
22、(X1, X2, …, X n)來自 X,試證:,所以,未知參數? 的無偏估計量往往有許多個, 在這些估計量中,當然是取值對于? 的離散程度越小的 越好,即方差越小的越好。,2.2 無偏估計的有效性,定義2.2:設總體X的分布中含有未知參數? ?? ,? 為參數空間,樣本(X1, X2, …, X n)來自 X,,解:DX1=DX=? 2,解:所謂線性估計是指,為樣本的線性函數,,2.3 一致性(相合性),例:,樣本
23、均值 是總體均值μ的一致估計值.,結論1:,樣本方差 是總體方差 的一致估計值.,結論2:,要求:,當樣本容量 n 無限增大時,估計量能在某種意義下充分接近被估計的參數。,引言,前面,我們討論了參數點估計. 它是用樣本算得的一個值去估計未知參數. 但是,點估計值僅僅是未知參數的一個近似值,它沒有反映出這個近似值的誤差范圍,使用起來把握不大. 區(qū)間估計正好彌補了點估計的這個缺陷 .,§ 6.3
24、 區(qū)間估計,,譬如,在估計湖中魚數的問題中,若我們根據一個實際樣本,得到魚數 N 的極大似然估計為1000條.,若我們能給出一個區(qū)間,在此區(qū)間內我們合理地相信 N 的真值位于其中. 這樣對魚數的估計就有把握多了.,實際上,N的真值可能大于1000條,也可能小于1000條.,也就是說,我們希望確定一個區(qū)間,使我們能以比較高的可靠程度相信它包含真參數值.,,湖中魚數的真值,[ ],,這里所說的“可靠程度”是用概率來度量的
25、 ,稱為置信度或置信水平.,一、區(qū)間估計的基本概念,的可靠性。,置信區(qū)間表示估計結果的精確性,,而置信概率則表示這一結果,通常,置信系數(可靠性)采用 0.95, 0.99, 0.90 等值。,,未知參數θ的置信區(qū)間,稱為參數θ的區(qū)間估計。,對于已給的置信概率1-α,,根據樣本觀測值來確定,可見,,區(qū)間估計:,1.可靠度:要求區(qū)間以很大的可能性包含? 即:,2.精度:估計的精度要盡可能高, 即 區(qū)間的長度要盡可能小, 或
26、能體現此要求的其它準則。,在保證可靠度的條件下,盡量提高精度,可靠度和精度要統(tǒng)籌兼顧,,,在求置信區(qū)間時,要查表求分位點.,二、置信區(qū)間的求法,教材已經給出了概率分布的上側分位數(分位點)的定義,為便于應用,這里我們再簡要介紹一下.,標準正態(tài)分布的臨界值(? 分位點),?2分布的臨界值(? 分位點),例:,t 分布的臨界值(? 分位點),例:,1. 397,例:,樞軸變量法求置信區(qū)間,(1) 找與?有關的統(tǒng)計量 T (一般T是?
27、的點估計),(2)找一個函數 I=I(T, ? ), I 的分布F與 ? 無關( I(T,? )為樞軸變量),(3)對給定的 1- ? ,找到F 的上分位點 和,三、正態(tài)總體未知參數的區(qū)間估計(樞軸變量法),1、均值? 的區(qū)間估計,,(1) ? 2已知,設總體X ~N(? ,? 2),樣本 (X1, X2, …, Xn) 來自總體X 。,所以 ? 的置信系數為1-? 的置信區(qū)間:,樞軸變量為,(2) ? 2未
28、知,所以 ? 的置信系數為1-? 的置信區(qū)間:,,樞軸變量為,例1:從大批燈泡中隨機地抽取5個,測得壽命為(單位: 小時):1650, 1700, 1680, 1820, 1800,假定燈泡壽命X~N(? , 9),求這批燈泡平均壽命的區(qū)間估計 (? = 0.05)。,解:方差? 2=9已知,利用公式:,,P(1727.37? ? ?1732.63)=0.95,注,,例2 :從大批燈泡中隨機地抽取5個,測得壽命為(單位: 小時):
29、1650, 1700, 1680, 1820, 1800,假定燈泡壽命X~N( ?, ? 2),求這批燈泡平均壽命的區(qū)間估計 (? = 0.05)。,,解:方差? 2未知,利用公式:,,2、方差的區(qū)間估計,(1) ? 已知,? 2 的置信系數為1-?的區(qū)間估計為:,樞軸變量為,,,(2) ? 未知,? 2 的置信系數為1-?的區(qū)間估計為:,,樞軸變量為,查 ? 2 分布表得 ? 20.025(5)=12.833
30、, ? 20.975(5)=0.831。所以,得方差的區(qū)間估計為 [0.055 , 0.842]。,例3:對某塔的高度進行了 5 次測量,數據(單位:米)如下:90.5, 90.4, 89.7, 89.6, 90.2,設測量數據服從正態(tài)分布,求方差的區(qū)間估計(? = 0.05)。 (1) 假設塔的真實高度為 90米。 (2) 假設塔的真實高度未知。,解:(1) 利用公式:,計算得:,,
31、,(2) 利用公式:,,計算得:,查?2分布表得? 20.025(4)=11.143, ? 20.975(4)=0.484。 所以,得方差的區(qū)間估計為 [0.060 , 1.380]。,1、均值差? 1 -?2的區(qū)間估計,(1) ? 12 ,, , ?22都已知,令樞軸變量為,,所以 ? 1 -?2的置信系數為1-? 的置信區(qū)間:,解:由? = 0.1,查標準正態(tài)分
32、布表得 U?/2=U0.05=1.645因 n1=10,n2=12, ?12=25, ?22 =36,所以,,例1:設自總體X~N(?1 ,25)得到一容量為10的樣本,其樣本均值 ,自總體Y~N(?1 ,36)得到一容量為12的樣本,其樣本均值 , 并且兩樣本 相互獨立,求? 1 -?2的置信區(qū)間(? = 0.1)。,得? 1 -?2的置信區(qū)間為 [-8.06,-0.34]。,(2)
33、? 12 ,,=?22= ?2 ,但?2未知,令樞軸變量為 定理(5.10),所以 ? 1 -?2的置信系數為1-? 的置信區(qū)間:,解:由抽樣的隨機性可推知樣本燈泡相互獨立,又因為它們的總體方差相等,所以由,得? 1 -? 2的置信區(qū)間為 [-36.53,76.53]。,例2:為比較A,B兩種型號燈泡的壽命, 隨機抽取A型燈泡5只,測得 ,標準差SA=28小時,隨機抽取B型燈泡5只,測得
34、 ,標準差SB=32小時,設總體都是正態(tài)的,并且由生產過程知它們的方差相等. 求? 1 -?2 的置信區(qū)間(? = 0.01),因 n1=5,n2=7, SA=28, SB =32,而 ? = 0.01,查t-分布表得 t?/2(10)= t0.005(10 )= 3.169 , , 所以,令樞軸變量為,2、兩個正態(tài)總體方差比 的區(qū)
35、間估計,所以方差比 的置信系數為1-?的置信區(qū)間為,例3:兩正態(tài)總體X~N(?1 ,?12)和Y~N(?2 ,?22)的參數均未知,依次取容量為25 ,15的兩獨立樣本,測得 ,樣本方差依次為6.38 ,5.15 ,求兩個正態(tài)總體方差比 的置信區(qū)間(? = 0.1),所以方差比 的置信系數為1-?的置信區(qū)間為[ 0.527,2.639],解:因 n1=25,n2=15, S12/S22 =6.38/5.15=1.
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 第七章 參數估計
- 概率論與數理統(tǒng)計第七章{參數估計}第一節(jié)點估計
- [學習]概率統(tǒng)計課件第七章練習冊答案
- [學習]概率論與數理統(tǒng)計ppt課件第七章最大似然估計
- 第七章教學課件
- 電氣工程概論第七章
- 農業(yè)概論第七章--種子與施肥2016.4.15
- [學習]概率論與數理統(tǒng)計浙大四版第七章第七章3講
- 地球科學概論第七章
- 第七章統(tǒng)計熱力學
- 應用統(tǒng)計學第七章
- [學習]概率論與數理統(tǒng)計浙大四版第七章第七章2講
- [學習]兒童文學課件第七章圖畫與動漫
- 第七章
- 統(tǒng)計學答案第七章
- [學習]概率論與數理統(tǒng)計浙大四版第七章第七章1講xiuga
- 概率統(tǒng)計第七章參考答案
- 參數估計與非參數估計
- 幾何光學課件第七章
- 第七章 纖支鏡課件
評論
0/150
提交評論