第七章 参数估计

参数估计是在抽样及抽样分布的基础上，根据样本统计量来推断所关心的总体参数。

1 参数估计基本原理

1 估计量与估计值
估计量：参数估计中，用来估计总体参数的统计量的名称，如样本均值、样本比例
估计值：根据一个具体的样本计算出来的估计量的数值
2 点估计与区间估计
参数估计的方法有点估计和区间估计。
点估计：用样本统计量的某个取值直接作为总体参数的估计值。无法概率度量可靠程度
区间估计：在点估计的基础上，给出总体参数的一个区间范围，该区间通常由样本统计量加减估计误差得到。给出一个概率度量。
在区间估计中，由样本统计量所构造的总体参数的估计区间称为置信区间，其中区间的最小值称为置信下限，最大值称为置信上限。
如果将构造置信区间的步骤重复多次，置信区间中包含总体参数真值的次数所占比例称为置信水平，也称置信度或置信系数。
3 评价估计量的标准
评价估计量的标准：无偏性、有效性、一致性
无偏性：指估计量抽样分布的数学期望等于被估计的总体参数
有效性：指对同一总体参数的两个无偏估计量，有更小标准差的估计量更有效
一致性：指随着样本量的增大，点估计量的值越来越接近被估总体的参数

2 一个总体参数的区间估计

研究一个总体时，所关心的参数主要有总体均值$\mu$、总体比例$\pi$和总体方差$\sigma^2$等。下文将介绍如何用样本统计量来构造一个总体参数的置信区间。

1 总体均值的区间估计

在对总体均值进行区间估计时，需要考虑总体是否为正态分布，总体方差是否已知，用于构造估计量的样本是大样本还是小样本等几种情况。
(1) 正态总体、方差已知，或非正态总体、大样本
这时，样本均值$\bar{X}$服从正态分布，经过标准化后，则服从标准正态分布，即
$z=\dfrac{\bar{x}-\mu}{\sigma/\sqrt{n}}\sim{N(0,1)}$
根据上式可以得出总体均值$\mu$在$1-\alpha$置信水平下的置信区间为：$\bar{x}\pm{z_{\alpha/2}\dfrac{\sigma}{\sqrt{n}}}$
式中$\bar{x}+{z_{\alpha/2}\dfrac{\sigma}{\sqrt{n}}}$称为置信上限，$\bar{x}-{z_{\alpha/2}\dfrac{\sigma}{\sqrt{n}}}$称为置信下限， α