轻松学统计--中国mooc7

参数估计：

引言
上一章，我们介绍了总体、样本、简单随机样本、统计量和抽样分布等概念，介绍了统计中常用的三大分布，给出了几个重要的抽样分布定理。它们是进一步学习统计推断的基础。

一、估计量与估计值

参数估计：利用样本的信息去估计总体的参数或参数的函数，如平均降水量、箱包的合格率等；
估计量：用来估计总体参数的统计量的名称；

 

二、点估计

点估计：用样本估计值直接作为总体的未知参数真实值的方法。（К.皮尔森在1894年提出）

如视频中，2015年旅行箱包的合格率为64.4%；

如某净水器宣称其PM2.5去除率为99%，甲醛净化率为99.5%；
据某招聘网站的调查数据，2016年春季求职期各城市职工平均工资，上海以平均工资8825元位列全国之首，紧随其后的为北京8717元，深圳8141元。广州以7178元位列第五，南昌6008排第17。

使用什么样的统计量去估计？
可以用样本均值；
也可以用样本中位数；
还可以用别的统计量。

 

常用来构造估计量的方法有
1.矩估计法
2. 极大似然法
3. 最小二乘法
4. 贝叶斯方法
……

这里我们主要介绍前面两种方法.

这表明, 当样本容量很大时, 在统计上, 可以用用样本矩去估计总体矩。这一事实导出矩估计法。
定义用样本原点矩估计相应的总体原点矩，又用样本原点矩的连续函数估计相应的总体原点矩的连续函数，这种参数点估计法称为矩估计法。
理论依据: 大数定律

矩估计法的具体做法如下：

矩法的优点是简单易行，并不需要事先知道总体是什么分布。
缺点是，当总体类型已知时，没有充分利用分布提供的信息。一般场合下，矩估计量不具有唯一性。
其主要原因在于建立矩法方程时，选取那些总体矩用相应样本矩代替带有一定的随意性。

 

 

 

三、估计量选择的优良标准

从上述内容可以看到，对于同一个参数，用不同的估计方法求出的估计量可能不同。然而，原则上都可以作为未知参数的估计量。
问题
（1）对于同一个参数究竟采用哪一个估计量好?
（2）评价估计量优劣的标准是什么?

确定估计量好坏的标准必须是整体性的，说得明确一点就是，必须在大量观察的基础上从统计的意义上来评价估计量的好坏。也就是说，估计的好坏取决于估计量的统计性质。

一般认为，一个“好”的估计量应该具有如下的条件：

无偏性即要求没有系统误差。
比如视频中，为了估计旅行箱包的质量，国家质检总局抽查了118批次的产品，第一次抽样的合格率为64.4%；如果他们愿意，第二次还抽118批次的产品进行抽查，那第二次的合格率可能是68%；他还可以继续抽取，每次的结果都不尽相同，和总体的合格率之间都或多或少存在误差。但是，如果我们把每次抽样的合格率求平均值，则正好会等于总体的合格率。如果这118批次的产品是从全部的箱包生产厂家生产的产品中抽取的，那么每一次的合格率和总体合格率之间的误差就属于随机误差。
但如果视频中说明了这118批次的产品是从中小型箱包生产企业的产品中抽取的，则除了随机误差，还存在系统误差，因为抽样框和真正的总体之间结构不完全相同。

无偏估计量是对估计量的一个重要而常见的要求。实际意义是多次试验后没有系统性的偏差，也是实践操作中完全合理的要求，但不要一味认为估计量不满足无偏原则，就是“不好”的估计量。

问题：
对于同一个参数的多个无偏估计量，如何评价它们的优劣？

 

最小方差无偏估计量：

直观上看，当n增大时，样本信息增多，当然希望估计量越来越靠近真值的概率也越来越大，这种想法就引出了上面的一致性概念。一致估计量一般是当样本容量很大时，才能显示其优点。

要证明一个估计量具有一致性,必须证明它
依概率收敛，这有时很麻烦。下面是一个常用
来判定一致性的定理。