参数估计与求法

样本矩与总体矩

	$X_i样本矩$	$依概率收敛$	$X总体矩$
$一阶矩$	$\frac{1}{n}\sum _{i=1}^n{X}_i$	$\stackrel{P}{\to }$	$E(X)$
$二阶矩$	$\frac{1}{n}\sum _{i=1}^n{X}_i^2$	$\stackrel{P}{\to }$	$E(X^2)$
$二阶中心矩$	$\frac{1}{n}\sum _{i=1}^n(X_i-\bar{X}{)}^2$	$\stackrel{P}{\to }$	$D(X)$

点估计

点估计

$用样本X_1,X_2,X_3,.....,X_n构造的统计量\hat{\theta }(X_1,X_2,X_3,.....,X_n)，$$来估计未知参数\theta ，称为点估计，统计量\hat{\theta }(X_1,X_2,X_3,.....,X_n)称为估计量$

无偏估计量

$设\hat{\theta }为\theta 的估计量，如果E(\hat{\theta })=\theta ，则称\hat{\theta }(X_1,X_2,X_3,.....,X_n)是未知参数\theta$$的无偏估计量$

更有效估计量

$\widehat{{\theta }_1},\widehat{{\theta }_2}是未知参数\theta$$的无偏估计量，且D(\widehat{{\theta }_1})<D(\widehat{{\theta }_2})，则\widehat{{\theta }_1}比\widehat{{\theta }_2}更有效$

一致估计量

$\hat{\theta }(X_1,X_2,X_3,.....,X_n)是\theta 的估计量，如果\hat{\theta }依概率收敛于\theta ，则称$$\hat{\theta }(X_1,X_2,X_3,.....,X_n)是\theta 的一致估计量$

矩估计

$矩估计法：用样本矩估计总体矩，用样本矩的函数估计总体矩$$的函数，求出要估计的参数，例如下面的用一阶矩来建立的估计函数$
$$E(X;\theta )=\overline{x}，x为部分样本值$$

最大似然估计

$样本取到观测值的概率，即通过抽取的部分样本值x_1,x_2,x_3,....,x_n，使得$
$似然函数L(x_1,x_2,x_3,....,x_n;\theta )达到$$最大的参数值\hat{\theta }=\hat{\theta }(x_1,x_2,x_3,....,x_n)$
，$称为未知参数\theta 的最大似然函数$

$L(\theta )=\{\begin{array}{c}L(x_1,x_2,x_3,....,x_n;\theta )=\prod _{i=1}^{n}P(x_i;\theta )\\ L(X_1ϵU(x_1),X_2ϵU(x_2),X_3ϵU(x_3),....,X_nϵU(x_n))=\prod _{i=1}^{n}f(x_i;\theta )\end{array}$

$求解步骤:$

1. $构建含未知参数\theta 的似然函数L(\theta )$
2. $对L(\theta )取对数$
3. $对L(\theta )求导，令导数为0，救出参数\theta$

区间估计

4. $设\theta 是总体X的未知参数，X_1,X_2,X_3,.....,X_n，是来自总体X的样本$$，对于给定的\alpha (0<\alpha <1)，如果两个统计量满足$ P { θ 1 < θ < θ 2 } = 1 − α P\left \{ \theta_1<\theta<\theta_2 \right \}=1-\alpha P{θ1​<θ<θ2​}=1−α
   $则称随机区间({\theta }_1,{\theta }_2)为参数\theta 的置信水平为1-\alpha 的置信区间，{\theta }_1$$为置信下限,{\theta }_2为置信上限$
5. $一个正态总体参数的区间估计$
   $设总体X$~$N(\mu ,{\sigma }^2)，X_1,X_2,X_3,.....,X_n，是来自总体X的样本，\overline{X}是样本均值$$，S^2是样本方差，下列列出了\mu 和\sigma 的1-\alpha 的置信区间$

$参数$	$参数$	$1-\alpha 的置信区间$
$\mu 未知$	$\sigma 已知$	$(\overline{X}-U_{\frac{a}{2}}\frac{\sigma }{\sqrt{n}},\overline{X}+U_{\frac{a}{2}}\frac{\sigma }{\sqrt{n}})$
$\mu 未知$	$\sigma 未知$	$(\overline{X}-t_{\frac{a}{2}}(n-1)\frac{S}{\sqrt{n}},\overline{X}+t_{\frac{a}{2}}(n-1)\frac{S}{\sqrt{n}})$
	$\sigma 未知$	$(\frac{(n-1)S^2}{{\chi }_{\frac{a}{2}}^2(n-1)},\frac{(n-1)S^2}{{\chi }_{1-\frac{a}{2}}^2(n-1)})$
	$\sigma 未知$	$(\frac{\sum _{i=1}^n(x_i-\mu {)}^2}{{\chi }_{\frac{a}{2}}^2(n)},\frac{\sum _{i=1}^n(x_i-\mu {)}^2}{{\chi }_{1-\frac{a}{2}}^2(n)})$