• 统计推断的基本问题有二:估计问题,和假设检验问题.
• 本章讨论总体参数的点估计和区间估计.理解这两种估计的思想,掌握求参数估计量的方法和评判估计量好坏的标准.
点估计
问题的提出
设灯泡寿命 T~N(μ,σ2) ,但参数 μ 和 σ2 未知. 现在要求通过对总体抽样得到的样本,构造两样本函数分别 μ 和 σ2 作出估计,称为估计量, 记为 μ′ 和 σ2′ ,代入观察值 x=(x1,…,xn) ,得相应估计值.在不致混淆时统称为估计.
借助于总体的一个样本,构造适当的样本函数来估计总体 S 未知参数的值的问题称为参数的点估计问题.
• 两种常用的构造估计量的方法: 矩估计法和极大似然估计法.
矩估计
思想与方法
设总体k阶矩存在,
对于连续型总体X,它的m阶原点矩为
若X为离散型的,则
μk:=E(Xk)=∑i=1nxkF(x,θ)
这里 θ 为未知参数向量. 可见 μk 是 θ 的函数,改记为 μk(θ) .
设测得10个灯泡寿命(失效时间)分别为
166,185,232,242,264,268,270,275,285,312
(小时).
那么自然想到平均寿命为
(166+185+...+312)/10=249.9(小时)
即用样本均值的观测值 x¯ 来估计总体的平均寿命(期望寿命) μ
即
μ^=X¯¯¯=1n(X1+X2+⋯+Xn)
对 μk(θ) ,k阶样本原点矩为
μk^(θ)=Mk=1n(Xk1+Xk2+⋯+Xkn)
这就是矩估计的思想:
用样本的k阶矩作为总体k阶矩的估计量.如果未知参数有m个,则可建立m个方程
μ^k(θ1,…,θm)=Mk,k=1,…,m
(如总体 μm 存在). 从中解出 θj=θj(X1,X2,…,Xn) , 改记为 θ^ ,并作为 θj 的估计量. 称这种估计量为 矩估计量, 相应观察值称为 矩估计值.
由上一篇文章讲得经验df函数性质可以知道
样本矩几乎处处收敛于总体矩,
• 样本矩的连续函数也几乎处处收敛于总体矩的相应的连续函数,它保证:几乎每次从容量足够大的样本观测值,都可得到相应总体参数的近似值.
例题1
设总体 X 的二阶矩存在,求总体
解:
m=2 ,可得
(将 μ^和σ^2 当做未知量,将 Xi 当做已知量,解方程组)
解得
结论:不论总体有什麽样的分布,只要它的 期望和 方差存在,则它们的矩估计量都分别是其样本均值和样本的二阶中心矩.
为突出是矩估计量,也常加下标M,例如 μ^M
例题2
设总体 X~U(0,θ) , θ 未知, (X1,…,Xn) 是一个样本, 试求 θ 的矩估计量.
解:
直接由上例结果,令解得 θ 的矩估计量
θ^M=2X¯¯¯
例题3
设总体 ,即 具有概率密度
这里a,b为未知参数, (X1,X2,…,Xn) 为抽自X的简单随机样本
由于 E(X)=a+b2, D(X)=(b−a)212
令
由此可解得a和b的矩估计为
a^=X¯¯¯−3√Snb^=X¯¯¯+3√Sn
其中 S2n=1n∑ni=1(Xi−X¯¯¯)2
极大似然估计法
思想和方法
假设在一个罐中放着许多黑球和白球,并假定已知它们的数目之比为 ,但不知哪种颜色的球多。如果我们有放回地从罐中抽取 个球,则其中的黑球数 服从二项分布:
P(X=k)=Ck3pkq3−k,k=0,1,2,3
其中 p=罐