矩估计
设总体
X
X
X的分布为
F
(
x
,
θ
)
F(x,\theta )
F(x,θ),其中
θ
=
(
θ
1
,
θ
2
,
.
.
.
θ
m
)
\theta=(\theta_1,\theta_2,...\theta_m)
θ=(θ1,θ2,...θm)为未知参数
若
μ
m
=
E
X
m
\mu_m=EX^m
μm=EXm存在,记
μ
k
=
E
X
k
=
g
k
(
θ
)
\mu_k=EX^k=g_k(\theta)
μk=EXk=gk(θ),
X
1
.
.
.
X
n
X_1...X_n
X1...Xn是来自总体的样本,
A
k
A_k
Ak表示k阶样本原点矩,即为
A
k
=
1
n
∑
i
=
1
n
X
i
k
A_k= \frac{1}{n} \sum^n_{i=1}X_i^k
Ak=n1∑i=1nXik,称方程组
{
A
1
=
g
1
(
θ
)
A
2
=
g
2
(
θ
)
.
.
.
.
.
.
.
A
m
=
g
m
(
θ
)
\left\{ \begin{aligned} A_1=g_1(\theta)& & \\ A_2=g_2(\theta)& &\\ .......\\ A_m=g_m(\theta) \end{aligned} \right.
⎩⎪⎪⎪⎪⎨⎪⎪⎪⎪⎧A1=g1(θ)A2=g2(θ).......Am=gm(θ)
θ
^
=
(
θ
1
^
,
θ
2
^
,
.
.
.
θ
m
^
)
\hat{\theta}=(\hat{\theta_1},\hat{\theta_2},...\hat{\theta_m})
θ^=(θ1^,θ2^,...θm^)是
θ
\theta
θ的矩估计,
θ
^
k
\hat{\theta}_k
θ^k是
θ
k
\theta_k
θk的矩估计
需要注意的是
1)矩估计的前提是总体的矩存在,
θ
\theta
θ可以是多维的,所需要方程个数取决于
θ
\theta
θ的维数
2)矩估计可能不唯一
极大似然估计
定义:
设
p
(
x
,
θ
)
p(x,\theta)
p(x,θ)为总体
X
X
X具有分布律(离散性分布)或概率密度函数(若为连续性分布)
x
1
,
x
2
,
.
.
.
,
x
n
x_1,x_2,...,x_n
x1,x2,...,xn是来自总体
X
X
X的样本,称
L
(
θ
)
=
Π
i
=
1
n
p
(
x
i
,
θ
)
L(\theta)=\Pi^n_{i=1}p(x_i,\theta)
L(θ)=Πi=1np(xi,θ)为似然函数,
L
(
θ
)
L(\theta)
L(θ)的极大点
θ
^
M
L
E
\hat{\theta}_{MLE}
θ^MLE是
θ
\theta
θ似然估计
常见的极大似然估计
分布 | 待估函数 | M L E MLE MLE |
---|---|---|
$b(n,p) | p p p | X ‾ / n \overline{X}/n X/n |
P ( λ ) P(\lambda) P(λ) | λ \lambda λ | ( ‾ X ) \overline(X) (X) |
E x p ( λ ) Exp(\lambda) Exp(λ) | λ \lambda λ | 1 / X ‾ 1/\overline{X} 1/X |
N ( μ , σ 2 ) N(\mu,\sigma^2) N(μ,σ2) | μ \mu μ | X ‾ \overline{X} X |
N ( μ , σ 2 ) N(\mu,\sigma^2) N(μ,σ2) | σ 2 \sigma^2 σ2 | S n 2 S_n^2 Sn2 |
点估计的评价标准
无偏性
θ
^
=
θ
^
(
X
1
,
.
.
.
X
n
)
\hat{\theta}=\hat{\theta}(X_1,...X_n)
θ^=θ^(X1,...Xn)是
θ
\theta
θ的一个总估计,对于任意的
θ
∈
Θ
\theta\in\Theta
θ∈Θ
有
E
θ
^
=
θ
E\hat{\theta}=\theta
Eθ^=θ则
θ
^
是
θ
\hat{\theta}是\theta
θ^是θ的无偏估计
有效性
θ
1
^
θ
2
^
\hat{\theta_1}\hat{\theta_2}
θ1^θ2^是
θ
\theta
θ的一个无偏估计,对于任意的
θ
∈
Θ
\theta\in\Theta
θ∈Θ
V
a
r
θ
1
^
≤
V
a
r
θ
2
^
Var\hat{\theta_1}\le Var\hat{\theta_2}
Varθ1^≤Varθ2^且存在一个\theta使得
V
a
r
θ
1
^
<
V
a
r
θ
2
^
Var\hat{\theta_1}< Var\hat{\theta_2}
Varθ1^<Varθ2^则前者比后者有效
均方误差原则
θ
^
\hat{\theta}
θ^是
θ
\theta
θ的点估计
称
M
S
E
(
θ
^
)
=
E
(
θ
−
θ
^
)
2
MSE(\hat{\theta})=E(\theta-\hat{\theta})^2
MSE(θ^)=E(θ−θ^)2为
θ
^
\hat{\theta}
θ^的均方误差
单正态总体未知参数区间估计
-
σ \sigma σ已知求 μ \mu μ置信区间
[ X ‾ − σ n u 1 − α / 2 , X ‾ + σ n u 1 − α / 2 ] [\overline{X}-\frac{\sigma}{\sqrt{n}}u_{1-\alpha/2},\overline{X}+\frac{\sigma}{\sqrt{n}}u_{1-\alpha/2}] [X−nσu1−α/2,X+nσu1−α/2] -
σ \sigma σ未知求 μ \mu μ置信区间
[ X ‾ − S n t 1 − α / 2 , X ‾ + S n t 1 − α / 2 ] [\overline{X}-\frac{S}{\sqrt{n}}t_{1-\alpha/2},\overline{X}+\frac{S}{\sqrt{n}}t_{1-\alpha/2}] [X−nSt1−α/2,X+nSt1−α/2] -
μ \mu μ已知求 σ \sigma σ置信区间
[ ∑ k = 1 n ( X k − μ ) 2 χ 1 − α / 2 2 ( n ) , ∑ k = 1 n ( X k − μ ) 2 χ α / 2 2 ( n ) ] [\frac{\sum^n_{k=1}(X_k-\mu)^2}{\chi^2_{1-\alpha/2}(n)},\frac{\sum^n_{k=1}(X_k-\mu)^2}{\chi^2_{\alpha/2}(n)}] [χ1−α/22(n)∑k=1n(Xk−μ)2,χα/22(n)∑k=1n(Xk−μ)2] -
μ \mu μ未知求 σ \sigma σ置信区间
[ ( n − 1 ) S 2 χ 1 − α / 2 2 ( n ) , ( n − 1 ) S 2 χ α / 2 2 ( n ) ] [\frac{(n-1)S^2}{\chi^2_{1-\alpha/2}(n)},\frac{(n-1)S^2}{\chi^2_{\alpha/2}(n)}] [χ1−α/22(n)(n−1)S2,χα/22(n)(n−1)S2]
双正态总体未知参数区间估计
μ 1 − μ 2 \mu_1-\mu_2 μ1−μ2的置信区间
1.
σ
1
和
σ
2
\sigma_1和\sigma_2
σ1和σ2已知
X
‾
−
Y
‾
∼
N
(
μ
1
−
μ
2
,
σ
1
2
m
+
σ
2
2
n
)
\overline{X}-\overline{Y}\sim N(\mu_1-\mu_2,\frac{\sigma_1^2}{m}+\frac{\sigma_2^2}{n})
X−Y∼N(μ1−μ2,mσ12+nσ22)
[ X ‾ − Y ‾ − u 1 − α / 2 σ 1 2 m + σ 2 2 n , X ‾ − Y ‾ + u 1 − α / 2 σ 1 2 m + σ 2 2 n ] [\overline{X}-\overline{Y}-u_{1-\alpha/2}\sqrt{\frac{\sigma_1^2}{m}+\frac{\sigma_2^2}{n}},\overline{X}-\overline{Y}+u_{1-\alpha/2}\sqrt{\frac{\sigma_1^2}{m}+\frac{\sigma_2^2}{n}}] [X−Y−u1−α/2mσ12+nσ22,X−Y+u1−α/2mσ12+nσ22]
2.
σ
1
=
σ
2
\sigma_1=\sigma_2
σ1=σ2但未知
S
X
2
=
1
m
−
1
∑
i
=
1
m
(
X
i
−
X
‾
)
2
S
Y
2
=
1
n
−
1
∑
j
=
1
n
(
Y
j
−
Y
‾
)
2
S^2_X=\frac{1}{m-1}\sum^m_{i=1}(X_i-\overline{X})^2\quad S_Y^2 = \frac{1}{n-1}\sum^n_{j=1}(Y_j-\overline{Y})^2
SX2=m−11i=1∑m(Xi−X)2SY2=n−11j=1∑n(Yj−Y)2
S
W
2
=
(
m
−
1
)
S
X
2
+
(
n
−
1
)
S
Y
2
m
+
n
−
2
S_W^2=\frac{(m-1)S_X^2+(n-1)S_Y^2}{m+n-2}
SW2=m+n−2(m−1)SX2+(n−1)SY2
T
=
X
‾
−
Y
‾
−
(
μ
1
−
μ
2
)
S
W
1
m
+
1
n
∼
t
(
m
+
n
−
2
)
T=\frac{\overline{X}-\overline{Y}-(\mu_1-\mu_2)}{S_W\sqrt{\frac{1}{m}+\frac{1}{n}}}\sim t(m+n-2)
T=SWm1+n1X−Y−(μ1−μ2)∼t(m+n−2)
于是置信区间为
[
X
‾
−
Y
‾
−
t
1
−
α
/
2
(
m
+
n
−
2
)
S
W
1
m
+
1
n
,
X
‾
−
Y
‾
+
t
1
−
α
/
2
(
m
+
n
−
2
)
S
W
1
m
+
1
n
]
[\overline{X}-\overline{Y}-t_{1-\alpha/2}(m+n-2)S_W\sqrt{\frac{1}{m}+\frac{1}{n}}\ ,\ \overline{X}-\overline{Y}+t_{1-\alpha/2}(m+n-2)S_W\sqrt{\frac{1}{m}+\frac{1}{n}}]
[X−Y−t1−α/2(m+n−2)SWm1+n1 , X−Y+t1−α/2(m+n−2)SWm1+n1]
3.
σ
1
,
σ
2
\sigma_1,\sigma_2
σ1,σ2未知, m=n
Z
‾
=
1
n
∑
i
=
1
n
Z
i
=
X
‾
−
Y
‾
S
Z
2
=
1
n
−
1
∑
i
=
1
n
(
Z
i
−
Z
‾
)
2
\overline{Z}=\frac{1}{n}\sum^n_{i=1}Z_i=\overline{X}-\overline{Y}\quad S^2_Z=\frac{1}{n-1}\sum^n_{i=1}(Z_i-\overline{Z})^2
Z=n1i=1∑nZi=X−YSZ2=n−11i=1∑n(Zi−Z)2
Z
‾
−
(
μ
1
−
μ
2
)
S
Z
n
∼
t
(
n
−
1
)
\frac{\overline{Z}-(\mu_1-\mu_2)}{S_Z}\sqrt{n}\sim t(n-1)
SZZ−(μ1−μ2)n∼t(n−1)
[
Z
‾
−
t
1
−
α
/
2
(
n
−
1
)
S
Z
n
,
Z
‾
+
t
1
−
α
/
2
(
n
−
1
)
S
Z
n
]
[\overline{Z}-t_{1-\alpha/2}(n-1)\frac{S_Z}{\sqrt{n}},\overline{Z}+t_{1-\alpha/2}(n-1)\frac{S_Z}{\sqrt{n}}]
[Z−t1−α/2(n−1)nSZ,Z+t1−α/2(n−1)nSZ]
4.
σ
1
,
σ
2
\sigma_1,\sigma_2
σ1,σ2未知, m,n充分大
X
‾
−
Y
‾
−
(
μ
1
−
μ
2
)
S
X
2
m
+
S
Y
2
n
\frac{\overline{X}-\overline{Y}-(\mu_1-\mu_2)}{\sqrt{\frac{S_X^2}{m}+\frac{S_Y^2}{n}}}
mSX2+nSY2X−Y−(μ1−μ2)
[ X ‾ − Y ‾ − u 1 − α / 2 S X 2 m + S Y 2 n , X ‾ − Y ‾ + u 1 − α / 2 S X 2 m + S Y 2 n ] [\overline{X}-\overline{Y}-u_{1-\alpha/2}\sqrt{\frac{S_X^2}{m}+\frac{S_Y^2}{n}},\overline{X}-\overline{Y}+u_{1-\alpha/2}\sqrt{\frac{S_X^2}{m}+\frac{S_Y^2}{n}}] [X−Y−u1−α/2mSX2+nSY2,X−Y+u1−α/2mSX2+nSY2]
方差比
( m − 1 ) S X 2 / σ 1 2 ∼ χ 2 ( m − 1 ) (m-1)S^2_X/\sigma^2_1\sim\chi^2(m-1) (m−1)SX2/σ12∼χ2(m−1)
我们有 S X 2 / σ 1 2 S Y 2 / σ 2 2 ∼ F ( m − 1 , n − 1 ) \frac{S^2_X/\sigma^2_1}{S^2_Y/\sigma^2_2}\sim F(m-1,n-1) SY2/σ22SX2/σ12∼F(m−1,n−1)
[ S X 2 / S Y 2 F 1 − α / 2 ( m − 1 , n − 1 ) , S X 2 / S Y 2 F α / 2 ( m − 1 , n − 1 ) ] [\frac{S_X^2/S_Y^2}{F_{1-\alpha/2}(m-1,n-1)},\frac{S_X^2/S_Y^2}{F_{\alpha/2}(m-1,n-1)}] [F1−α/2(m−1,n−1)SX2/SY2,Fα/2(m−1,n−1)SX2/SY2]