4.2枢轴量法(续)
下面这个例子是求单侧情形的:
例 某产品寿命
从中抽取简单随机样本
解 步骤还是三步
第一步,从充分统计量或点估计出发找枢轴量。
对于指数分布总体,充分统计量为
它包含了代估参数且分布完全已知,所以是合适的枢轴量.
第二步,确定常数。
因为是单侧情形,所以我们只需要确定一个常数。但是应该确定
常数
第三步,等价改写得区间估计。
将上述概率中不等式改写,得到
因此所求的同等置信下限为
这里为什么要配凑系数使得枢轴量是卡方分布呢?因为卡方分布的分位数有表可查!
4.2.2正态总体参数的置信区间
关于正态总体的参数估计是应用中遇见最多的,这里分单一正态总体和两个正态总体;其中单一正态总体分为4种情形。
※单一正态总体
- 均值
的置信区间:
第一步寻找枢轴量。
总体均值的充分统计量为
其中包含代估参数,分布完全已知,可以作为枢轴量.
第二步确定常数。(以双侧同等置信区间为例)
即确定常数
采用等尾取法,
第三步等价改写,得置信区间。
将概率中的不等式改写,得
因此置信水平为
考察下这时的区间长度,为
-
确定,可以通过增大样本容量来减小区间长度.
-
确定,越大,则区间长度越大.
-
确定,越小,置信水平越高,此时区间长度也越大,即精确度越低.
第一步选取枢轴量.
能不能借鉴
不能!因为当
不过我们很自然想到,可以用
它的分布完全已知,因此这是合适的枢轴量.
第二第三步完全类似,最后求出的双侧置信区间为
比较它和
在上一讲已经给出了求平均区间长度的方法(将
即
下面以一个具体例子说明有关正态总体参数区间估计的题目具体步骤:
例 设某种植物高度
解题步骤:
- 列数值,明确估计问题.
- 取枢轴量,带分布.
- 常数
纸上写出(这一步易错),卷上直接带值,写置信水平条件.(这一步可省)
- 纸上改写不等式,卷上直接写区间.
- 写出分位数取值,代入得具体区间.
已知
此时取
那么
得
查表得
已知
此时取
那么
--用分位数表示常数,写置信水平条件
得
--写区间
查表得
比较发现,在精确度方面第二种情形的区间长度更长,精确度差一些,但是由于一般情况都是
- 方差
的置信区间
关于方差的区间估计,从它的点估计量
这只包含代估参数
后面第二第三步简写了
同等置信区间为
其中
因为
你可能会发现,如果此时我们仍用
作为枢轴量,其实也是可以的,但是这样就没有充分利用已知的信息,会导致精度下降.
这时如果写出联合密度,就能得到充分统计量为
这就是
第二第三步简写:
同等置信区间为
同样,如果是求标准差
例 为测得某种溶液中的甲醛浓度,取样测得4个独立测定值的平均值
样本标准差
差
解 解题步骤一样分为5步.
已知
此时取
那么
--用分位数表示常数,写置信水平条件(可省)
得
--写区间
查表得
而上下限同时开根号就得到标准差的区间估计为
这是个二维问题,但是不怕,还是三步。
第一步从充分统计量出发构造枢轴量.
已经证明过
而且
第二步确定常数.
二维情形一般取长方形区域
根据独立性,概率等于
这时我们平均分配概率,即这两个概率都是
类似前面用分位数表示常数,得
第三步,等价改写概率中不等式.
根据独立性有
因此置信域为
之所以保留