《概率论与数理统计-第十章 点估计优秀课件.ppt》由会员分享，可在线阅读，更多相关《概率论与数理统计-第十章 点估计优秀课件.ppt（29页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、概率论与数理统计-第十章 点估计第1页，本讲稿共29页第一节第一节 点估计问题点估计问题1、总体参数概念 总体参数总体参数,狭义指总体分布的数学表达式中所狭义指总体分布的数学表达式中所含的参数。含的参数。定义定义1.1 总体总体X的分布参数的分布参数,理论概率分布参理论概率分布参数数,统称为统称为总体参数总体参数。例如例如,正态分布正态分布N(,2)的参数为的参数为,2;二项分布二项分布B(n,p)的参数为的参数为n,p;泊松分布泊松分布P()的参数为的参数为 等等等。等。第2页，本讲稿共29页 广义来说，总体参数可指总体或理论分布的数字特征，其中包括狭义总体参数。例如，总体的原点矩、中心矩、
2、协方差、相关系数、偏度、峰度以及事件的概率，或总体具有某种特征A的个体的比率等等。第3页，本讲稿共29页2、参数的点估计定义定义1.2 设设X1,X2,Xn为为总体总体X的样本，的样本，为为总体分布总体分布F(x;)中的未知参数，构造一个统中的未知参数，构造一个统计量计量T=T(X1,X2,Xn)作为作为 的估计，则称的估计，则称T=T(X1,X2,Xn)为为 的估计量的估计量；若样本；若样本X1,X2,Xn的一个观察值为的一个观察值为x1,x2,xn，则称，则称t=T(x1,x2,xn)为为 的估计值的估计值，统称为，统称为参数参数 的的点估计点估计，第4页，本讲稿共29页注1 点估计实际上
3、是指用统计量的值去估计未知参数的值,又指用来估计未知参数的统计量。例如,用样本均值估计总体的期望,用样本方差估计总体方差,用频率估计概率。注注2 若若总体分布总体分布F(x;1,2,r)中含有中含有r个不同的个不同的未知参数未知参数,则需由样本则需由样本X1,X2,Xn建立建立r个统计量个统计量Ti(X1,X2,Xn)作为相应参数作为相应参数 i的点估计。的点估计。例如:正态总体N(,2)有两个未知参数及2,而E(X)=,D(X)=2,可分别用样本均值第5页，本讲稿共29页第二节第二节 估计方法估计方法1、矩估计法其基本思想是替换原理其基本思想是替换原理,即用样本即用样本k阶矩作为阶矩作为总体
4、总体k阶矩的估计量阶矩的估计量,建立含有待估参数的建立含有待估参数的方程方程,从而解出待估参数。从而解出待估参数。其特点其特点是不需要假定总体分布有明确的分是不需要假定总体分布有明确的分布类型。布类型。第6页，本讲稿共29页定义2.1 若总体X的分布函数F(x;1,2,r)中含有r个未知参数1,2,r,假定总体X的k阶原点矩E(Xk)存在,(1kr),记作令其等于k阶样本原点矩第7页，本讲稿共29页由上面的方程组解出r个值即令分别取分别取 作为作为 i的估计量的估计量,这种求估计量的方这种求估计量的方法称之为法称之为矩估计法矩估计法,由此得到的估计量称为由此得到的估计量称为矩矩估计量估计量。若
5、有一样本值。若有一样本值x1,x2,xn，则称，则称 为为矩估计值矩估计值。第8页，本讲稿共29页注1 设总体X的期望E(X)=和方差D(X)=2都是有限的，令解之可得与2的矩估计所以无论X服从什么分布，样本均值 和样本方差S2总分别是总体期望与方差2的矩估计量。第9页，本讲稿共29页注2第10页，本讲稿共29页例例2.1 设设X1,X2,Xn是来自是来自总体总体X的样本，当的样本，当X的分布为的分布为(1)正态分布正态分布N(,2)(2)指数分布指数分布E()(3)均匀分布均匀分布U(a,b)(4)二项分布二项分布B(n,p)(5)泊松分布泊松分布P()试求其中未知参数的矩估计。试求其中未知
6、参数的矩估计。第11页，本讲稿共29页第12页，本讲稿共29页注注:由此例可知由此例可知,矩估计量不唯一。矩估计量不唯一。(4)XB(n,p),E(X)=np,D(X)=np(1p)(5)XP(),E(X)=D(X)=第13页，本讲稿共29页例例2.2 设总体设总体X的概率密度为的概率密度为X1,X2,Xn是来自是来自总体总体X的样本。的样本。0.1,0.2,0.9,0.8,0.7,0.7为一为一个样本观察值，试求个样本观察值，试求 的矩估计值。的矩估计值。第14页，本讲稿共29页例2.3 设总体X的概率密度为第15页，本讲稿共29页2、极大似然估计定义定义2.2 设设总体总体X的分布函数的分
7、布函数F(x;)的形式已知的形式已知,为未知参数为未知参数,为为 的可能取值范围的可能取值范围,x1,x2,xn为为X的一个样本值的一个样本值,或 (X为离散型)达到最大值(X为连续型)第16页，本讲稿共29页则称 为 的极大似然估计值，为 的极大似然估计量，统称为 的极大似然估计。第17页，本讲稿共29页注 若总体分布中含有两个以上的未知参数1,2,r 时，则i的极大似然估计 满足第18页，本讲稿共29页求极大似然估计的步骤(1)利用求导法求极大似然估计利用求导法求极大似然估计i)建立似然函数：ii)两边取对数：第19页，本讲稿共29页iii)对i(1ir)求偏导数，并令其值为0iv)由上述
8、r个等式解出 (1ir)，即为i的极大似然估计。第20页，本讲稿共29页例2.4 设总体X的概率密度为0.1,0.2,0.9,0.8,0.7,0.7为一个样本观察值,试求 的极大似然估计。第21页，本讲稿共29页第22页，本讲稿共29页例例2.5 设设样本样本X1,X2,Xn来自泊松来自泊松总体总体P()，试求未知参，试求未知参数数 的极大似然的极大似然估计。估计。第23页，本讲稿共29页例2.6 设总体X服从正态分布N(,2)，试求未知参数和2以及的极大似然估计。第24页，本讲稿共29页第25页，本讲稿共29页(2)利用极大似然估计定义求估计i)建立似然函数ii)由由x1,x2,xn确定顺序统计值确定顺序统计值x(1)x(2)x(n)第26页，本讲稿共29页则 即为i(1ir)的极大似然估计。第27页，本讲稿共29页例例2.7 设总体设总体X在在 1,2上服从均匀分布，上服从均匀分布，X的样本的样本为为X1,X2,Xn，求，求 1及及 2的极大似然估计。的极大似然估计。第28页，本讲稿共29页第29页，本讲稿共29页