电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

概率论与数理统计第六章VIP免费

概率论与数理统计第六章_第1页
1/49
概率论与数理统计第六章_第2页
2/49
概率论与数理统计第六章_第3页
3/49
第六章参数估计参数的点估计估计量的评选标准正态总体参数的区间估计6.1参数的点估计一、参数估计的概念问题的提出:已知总体X的分布函数F(x;θ1,θ2,…,θk),其中θ1,θ2,…,θk是未知参数,现从该总体中随机地抽样,得到一个样X1,X2,…,Xn,再依据该样本对参数θ1,θ2,…,θk作出估计,或者估计参数的某个已知函数。点估计:用某个函数值作为总体未知函数的估计值区间估计:对未知参数给出一个范围,并给出在一定的可靠度下使这个范围包含未知参数的真值。由于),,,(ˆ21nixxx现用它来估计未知参数,故称这种估计为点估计。是实数域上的一个点,),,,(ˆˆ21niiXXX作为参数θi的估计,称),,,(ˆˆ21niiXXX为参数θi的估计量。在不致混淆的情况下,估计量、估计值统称估计,记为iˆ样本(X1,X2,…,Xn)的一组取值(x1,x2,…,xn)称为样本观察值,将其代入估计量iˆ,得到数值),,,(ˆˆ21niixxx称为参数θi的估计值。点估计:由总体的样本(X1,X2,…,Xn)对每一个未知参数θi(i=1,2,…,k)构造统计量点估计的经典方法是:(1)矩估计法(2)极大似然估计法二、矩估计法(简称“矩法”)英国统计学家皮尔逊(K.pearson)提出1、矩法的基本思想:以样本原点矩作为相应的总体同阶矩E(Xk)的估计;以样本矩的函数作为相应的总体矩的同一函数的估计。11nkiiXn2、矩法的步骤:设总体X的分布为F(x;θ1,θ2,…,θk),k个参数θ1,θ2,…,θk待估计,(X1,X2,…,Xn)是一个样本。(1)计算总体分布的i阶原点矩E(Xi)=μi(θ1,θ2,…,θk),i=1,2,…,k,(计算到k阶矩为止,k个参数);(2)列方程112122221211211(,,,)()1(,,,)()1(,,,)()nkjjnkjjnkkkkkjjEXXXnEXXXnEXXXn从中解出方程组的解,记为kˆˆˆ21,,,则kˆˆˆ21,,,分别为参数θ1,θ2,…,θk的矩估计。例6.1设总体X的均值为μ,方差为σ2,均未知。(X1,X2,…,Xn)是总体的一个样本,求μ和σ2的矩估计。解12222211()1()()()niiniiEXXnEXDXEXXn解得矩法估计量为XXnnii11ˆniiniiniiXXnXXnXn122122122)(111ˆ注:niiXXn12)(1niiiXXXXn122)2(1niniiniiXnXXnXn1211212112112121XXnXXnniinii2121XXnnii总体均值与方差的矩估计量表达式不因不同的总体分布而异例6.2设总体X~P(λ),求λ的矩估计。解XXnXEnii11)(Xˆ例6.3设(X1,X2,…,Xn)来自X的一个样本,且其它01),,(~bxaabbaxfX求a,b的矩估计。解X~U(a,b)2)(baXE12)()(2abXD222)(12)()(2)(EXabXEXbaXEniiniiXXnXXnabXba122122)(1112)(2解得矩估计为2ˆ3aXB2ˆ3bXB2211()niiBXXn2阶中心矩矩法估计的优点:计算简单;矩法估计的缺点:(1)矩法估计有时会得到不合理的解;(2)求矩法估计时,不同的做法会得到不同的解;(通常规定,在求矩法估计时,要尽量使用低阶矩)如例6.2中,若不是用1阶矩,而是用2阶矩niiXnXEXXDXE122221)()()()(niiniiXXnXXn12212)(11ˆ与不同Xˆ(3)总体分布的矩不一定存在,所以矩法估计不一定有解。如xxxxfX0)(~2)lnlnlim()(2xdxxdxxxdxxxfEXx先看一个简单例子:一只野兔从前方窜过.是谁打中的呢?某位同学与一位猎人一起外出打猎.如果要你推测,你会如何想呢?只听一声枪响,野兔应声倒下.二、极大(最大)似然估计法(R.A.Fisher费歇)1、极大(最大)似然估计法的基本思想一般说,事件A发生的概率与参数有关,取值不同,则P(A)也不同。因而应记事件A发生的概率为P(A|)。若A发生了,则认为此时的值应是在中使P(A|)达到最大的那一个。这就是极大似然思想。使得取该样本值发生的可能性最大。ˆ由样本的具体取值,选择参数...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

概率论与数理统计第六章

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部