第二章 统计学基础（二）

第五章 参数估计

5.1基本概念

估计量：用于估计总体参数的随机变量。

参数用θ 表示，估计量用θ帽表示。如果样本均值 x帽 =80，则80就是θ 的估计值

5.1.1点估计：用样本的估计量的某个取值直接作为总体参数的估计值。点估计量的可靠性是由它的抽样标准误差来衡量，表明一个具体的点估计值无法给出估计的可靠性的度量。

5.1.2区间估计

区间估计：在点估计的基础上，给出总体参数估计的一个区间 范围，该区间由样本统计量加减估计误差而得到。能够对样本统计量与总体参数的接近程度给出一个概率度量。

5.1.3置信水平

将构造置信区间的步骤重复很多次，置信区间包 含总体参数真值的次数所占的比例称为置信水平

表示为：(1-α)% 。其中α（显著性水平）是总体参数未在区间内的比例

常用的置信水平值有 99%, 95%, 90% 。相应的 α 为0.01，0.05，0.10。

5.1.4置信区间

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

总体参数以一定的概率落在这一区间的表述是错误的

5.2 评价估计量的标准

①无偏性(unbiasedness)：估计量抽样分布的数学期望等于被估计的总体参数。即无偏性的直观意义是样本估计量的数值在参数的真值附近摆动，且无系统误差。表现为这些估计量的平均值等于未知参数的真值。

②有效性(efficiency)：对同一总体参数的两个无偏点估计 量，有更小标准差的估计量更有效

③一致性(consistency)：随着样本量的增大，估计量的值越来越接近被估计的总体参数

5.3 点估计的应用

5.3.1点估计问题的提法

5.3.2 估计量的求法

 ①矩估计法：离散型随机变量——令总体期望E(x)=样本均值（不懂，后续补充）

②最大似然估计法：

利用已知的样本结果信息，反推最具有可能（最大概率）导致这些样本结果出现的模型参数值。

极大似然估计提供了一种给定观察数据来评估模型参数的方法，即：“模型已定，参数未知”。

详情见一文搞懂极大似然估计 - 知乎

5.4 一个总体参数的区间估计

 ①总体均值的区间估计

大样本（n>30）：

1. 假定条件：总体服从正态分布,且方差已知。如果不是正态分布，可由正态分布来近似 (n>30)

2.使用正态分布统计量 z

3.总体均值 μ 在1-α 置信水平下的置信区间为

小样本（n<30）：

1.假定条件 ：总体服从正态分布,但方差(δ^２) 未知

2.使用 t 分布统计量

3.总体均值  在1-置信水平下的置信区间为

t 分布：类似正态分布的一种对称分布，它通常要比 正态分布平坦和分散。随着自由度的增大，分布也逐渐 趋于正态分布。

②总体比例的区间估计（男女职工比例）

1. 假定条件 ：总体服从二项分布 。可以由正态分布来近似

2.使用正态分布统计量 z（公式特殊）

3.总体比例π在1-α置信水平下的置信区间为

 ③总体方差的区间估计

1.假设总体服从正态分布

2. 总体方差点估计量为s^2 ,且服从卡方分布

 3.总体方差在1-α 置信水平下的置信区间为

一图总结：

 5.5 两个总体参数的区间估计

 ①两个总体均值之差的估计

大样本（代入公式即可）：

 小样本（总体方差未知但相等）：

1.假定条件：两个总体都服从正态分布；两个总体方差未知但相等。

2.总体方差的合并估计量：

 小样本（总体方差未知但不相等）：

略

匹配大样本：略

匹配小样本：略

②两个总体比例之差区间的估计

略

③两个总体方差比的区间估计

略

一图总结：