点估计
-
一、引入问题: 已知某地区新生婴儿的体重 X~ N ( μ , σ 2 ) , μ N(\mu,\sigma^2),\mu N(μ,σ2),μ和 σ \sigma σ未知
随机抽查100个婴儿得100个体重数据(10, 8, 6, 12, 5, …),而全部信息就由这100个数组成。据此,我们应如何估计 μ \mu μ和 σ \sigma σ呢?
为估计 μ \mu μ,我们需要构造出适当的样本的函数 T ( X 1 , X 2 , . . . , X n ) T(X_1,X_2,...,X_n) T(X1,X2,...,Xn),每当有了样本,就带入该函数中算出一个值,用来作 μ \mu μ的估计值。
(1) T ( X 1 , X 2 , . . . , X n ) T(X_1,X_2,...,X_n) T(X1,X2,...,Xn)称为参数 μ \mu μ的点估计量
(2)把样本值带入 T ( X 1 , X 2 , . . . , X n ) T(X_1,X_2,...,X_n) T(X1,X2,...,Xn)中,得到 μ \mu μ的一个点估计值。
请注意,被估计的参数 μ \mu μ是一个未知常数,而估计量 T ( X 1 , X 2 , . . . , X n ) T(X_1,X_2,...,X_n) T(X1,X2,...,Xn)是一个随机变量,是样本的函数,当样本取定后,它是个已知的数值,这个数常称为 μ \mu μ的估计值。
思考
(1)使用什么的统计量去估计 μ \mu μ?
– 样本均值
– 样本中位数
– 其他统计量
(2)所使用的统计量是否是好的估计量?
-
二、我们知道,服从正态分布的 N ( μ , σ 2 ) N(\mu,\sigma^2) N(μ,σ2)的随机变量, E ( X ) = μ E(X)=\mu E(X)=μ,由大数定律知
l i m n → ∞ P { ∣ 1 n ∑ i = 1 n X i − μ ∣ < ϵ } = 1 lim_{n\to \infty}P\{|\frac{1}{n}\sum_{i=1}^nX_i-\mu|<\epsilon\}=1 limn→∞P{∣n1i=1∑nXi−μ∣<ϵ}=1
自然想到把样本体重的平均值( 1 n ∑ i = 1 n X i \frac{1}{n}\sum_{i=1}^nX_i n1∑i=1nXi)作为总体平均体重的一个估计。用样本体重的均值 X ‾ \overline{X} X估计 μ \mu μ, X ‾ = 1 n ∑ i = 1 n X i \overline{X}=\frac{1}{n}\sum_{i=1}^nX_i X=n1∑i=1nXi
用样本体重的方差 S 2 S^2 S2估计 σ 2 \sigma^2 σ2, S 2 = 1 n − 1 ∑ i = 1 n ( X i − X ‾ ) 2 S^2=\frac{1}{n-1}\sum_{i=1}^n(X_i-\overline{X})^2 S2=n−11∑i=1n(Xi−X)2
思考
(1)样本均值是否是 μ \mu μ的一个好的估计量?
(2)样本方差是否是 σ \sigma σ的一个好的估计量?
需要讨论的问题?
(1)我们希望一个”好的“估计量具有什么特性?
(2)怎样决定一个估计量是否比另一个估计量”好“?
(3)如何求得合理的估计量?