目录
参数的点估计
点估计：
从总体𝑋中抽取样本𝑋1,𝑋2,…,𝑋𝑛，相应的样本值𝑥1,𝑥2,…,𝑥𝑛，构造适当的统计量：
称为点估计量，用它的观测值：
来估计总体的未知参数𝜃，称为点估计值
常用的点估计方法：
1）矩估计法
2）最大似然估计法
矩估计法
辛钦定理：
当𝑛→∞时，样本的k阶原点矩
依概率收敛于总体𝑋的k阶原点矩𝜇𝑘
矩估计：
用样本的k阶原点矩：
（未知数𝜃𝑘的函数）作为总体k阶原点矩𝜇𝑘（已知）的估计，有𝑘个未知数就取1到𝑘阶原点矩，联立求解得
（即矩估计量），代入数值得到𝜃𝑘（矩估计值）作为未知数𝜃𝑘的估计；通常使用低阶矩
最大似然估计法
最大似然估计：
在已知总体概率密度/概率分布和样本的情况下，根据概率最大的事件在一次试验中最可能出现的原理估计总体分布中的未知数的方法
离散总体只含一个未知数：
似然函数：
利用似然方程：
或对数似然方程：
求出似然函数取最大值时𝜃的值作为𝜃的估计值，称为最大似然估计值，把观测值换成样本则称为最大似然估计量
连续总体只含一个未知数：
似然函数：
再按上述方法求最大似然估计量和最大似然估计值
若含有k个未知参数𝜃1,𝜃2,…,𝜃𝑘，求出似然函数𝐿，对𝐿或𝑙𝑛𝐿求关于𝜃𝑘的偏导数并令它们等于零，得到一个方程组，可解得各个未知数，从而得到最大似然估计量
最大似然估计的性质：
估计量的评选标准
无偏性：
若估计量的期望：
则称：
有效性：
若同一未知数的两个估计量的方差
则称
一致性：
是未知参数𝜃的估计量序列，当𝑛→∞时𝜃𝑛依概率收敛于𝜃，即：
则称：
是未知参数𝜃的一致估计量，或称二者具有一致性
用一致性判别估计量好坏时需要样本容量足够大
证明时用到切比雪夫不等式：
参数的区间估计
区间估计：
对总体中的未知参数𝜃有：
1−𝛼称为置信度，𝜃1,𝜃2称为置信度为1−𝛼的置信区间，𝜃1,𝜃2分别称为置信下限和置信上限
求置信区间的步骤：
正态总体参数的区间估计
单个正态总体：
1）𝜎^2已知，𝜇的置信水平为1−𝛼的置信区间
构造统计量
置信区间为：
2）𝜎^2未知，𝜇的置信水平为1−𝛼的置信区间
构造统计量:
置信区间为:
3）𝜇已知，𝜎^2的置信水平为1−𝛼的置信区间
构造统计量:
置信区间为:
4）𝜇未知，𝜎^2的置信水平为1−𝛼的置信区间
构造统计量:
置信区间为:
两个正态总体：
1）𝜎1^2和𝜎2^2都已知，𝜇1−𝜇2的置信水平为1−𝛼的置信区间
构造统计量:
置信区间为:
2）𝜎1^2=𝜎2^2=𝜎^2未知，𝜇1−𝜇2的置信水平为1−𝛼的置信区间
构造统计量:
置信区间为:
3）𝜇1和𝜇2都已知，𝜎2^2/𝜎1^2的置信水平为1−𝛼的置信区间
构造统计量:
置信区间为（略）
4）𝜇1和𝜇2都未知，𝜎2^2/𝜎1^2的置信水平为1−𝛼的置信区间
构造统计量:
置信区间为（略）
单侧置信区间
方法类似
678
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
