样本源于总体,带有总体的特性.因此, 为了找到反映总体分布或反映总体特
征的某个未知参数0,我们自然想到通过样本构造某个统计量
作为总体参数的估计.相对于后面的区间估计而言,我们称这样的估计为参数的点估计, 而称由式给出的估计量为的点估计量.若为样本
的一个观测值,则称为的点估计值.
下面介绍求参数点估计的两种方法.
1.矩估计法
设是来自总体X的样本,则由辛钦大数定律知,当总体的k阶原点矩 存在时,样本的K阶原点矩依概率收敛于总体k阶原点矩,即
因此,我们自然用样本的k阶原点矩作为总体k阶原点矩的估计.
设是反映总体分布或总体特征的r个未知参数,则总体的前r阶原点矩(设都存在)就应该是的函数.令它们为相应的总体原点矩,即得矩估计方程组
解之得未知参数的矩估计量
这种求参数估计法称为矩估计法.
本题补足:哪个是是矩估计量 哪个是矩估计值,没有标明清楚
本题求的只是矩估计量
2.极大似然估计估计
设总体X是离散型随机变量,其分布律为
其中是未知参数. 设X1 , X2, … , 凡为来自总体X 的样本,
是一个样本观测值. 那么作为n维随机变量在点
取值的概率(即n维随机变量的联合分布律)为
其中
是从的函数,称为样本的似然函数.极大似然估计法(也称最大似然估计
法)的直观想法就是:既然作为样本的一次观测值已经出现,根据实
际推断原理,的选取就应有利于样本的观测值出现,即
我们应当选取这样的使样本得样本观测值
的概率(2. 6)或似然函数(2. 7)达到最大.即
这样得到的估计与样本观测值有关,记作
称为参数的极大似然估计值.
的最大值点. 故在一般情况下可从下面取极值的必要条件(称为对数似然方程组)解出.
若总体X是连续型随机变量,其分布密度为
其中是未知参数,则随机变量在点(处微元内取值的概率为
综上所述,可得极大似然估计法的估计步骤:
之后补充
之后补充
之后补充
证明之后补充
应用参数点估计的上述两种方法时,要注意它们的条件.矩估计法的优点是简便、直观.特别是对总体的均值与方差进行估计时,并不一定要知道总体服从什么分布,但总体的矩有时可能会不存在,故矩估计法不一定有解.而应用极大似然法时,必须知道总体分布的形式才能进行.但进一步的研究表明,极大似然估计的大