参数的点估计: 用样本统计量的值估计未知参数的值。
DESCRIPTION
估计量: 设 为总体 X 的未知参数,用样本 ( X 1 , X 2 , …, X n ) 构成的一个统计量 来估计 的真值,称 为 的估计量。. 估计值: 对应于样本的一组观测值 ( x 1 , x 2 , …, x n ) ,估计量 的值 ( x 1 , x 2 , …, x n ) 称为 的估计值,仍记作 。. 第七章 参数估计. - PowerPoint PPT PresentationTRANSCRIPT
山东农业大学 概率论与数理统计 主讲人:程述汉 苏本堂
估计量:设 为总体 X 的未知参数,用样本 (X1, X2, …, Xn) 构成的一个统计量 来估计 的真值,称 为的估计量。
),,,(ˆˆ21 nXXX
参数的点估计:用样本统计量的值估计未知参数的值。本节介绍 : 1 )矩估计法; 2 )极大似然估计法。
§7.1 参数的点估计
问题:若总体 X 的分布函数 F(x) 的类型已知,但它的一个或多个参数未知 , 如何估计这些未知参数? 想法:用 X 的样本观察值 (x1 , x2 ,…, xn) 来估计总体中未知参数的值,即用样本统计量的值估计总体中未知参数的值。
第七章 参数估计
估计值:对应于样本的一组观测值 ( x1, x2, …, xn) ,估计量 的值 ( x1, x2, …, xn) 称为 的估计值,仍记作 。
山东农业大学 概率论与数理统计 主讲人:程述汉 苏本堂
mk= E(Xk)
ck= E[X-E(X)]k
总体矩 总体矩的估计值 样本矩
1
1 nk
k ii
A Xn
1
1( )
nk
k ii
B X Xn
ˆ km
ˆkc
=
=
显 然 1m 22
1nB s
n
2c
通常取 22c s
1 ,A X
理论根据:格利文科定理: Fn(X) 以概率 1 收敛于 F(X) 。 进而可以证明 , 只要总体的 k 阶矩存在 , 样本的 k 阶矩依概率 1 收敛于总体的 k 阶矩。
一、矩估计法 矩估计法:用样本矩估计相应的总体矩,用样本矩函数估计总体矩的同一函数。
山东农业大学 概率论与数理统计 主讲人:程述汉 苏本堂
例 1 设总体 X 的均值和方差都存在, (x1 , x2 ,…, x
6) 是来自 X 的样本,试求 X 的均值和方差的矩估计量,并依据样本观察值 1.20 0.82 0.12 0.45 -0.85 -0.30
计算 X 的均值和方差的矩估计值.解 由于
1
2 2 2 22
( )
( ) ( ) [ ( )]
m E X
m E X D X E X
令
11
2 2 22
1
1
1
n
ii
n
ii
A X Xn
A Xn
山东农业大学 概率论与数理统计 主讲人:程述汉 苏本堂
从中解出和 2 作为其估计量,得到
ˆ X
2 2 2 22
1 1
1 1ˆ ( )
n n
i ii i
X X X X Bn n
即样本均值是总体均值的矩估计,样本的二阶中心矩是总体方差 2 的矩估计.但更多的是以 S2 估计 2 ,其原因将在估计量的评选标准中解释.
代入样本值( -1.20, 0.82, 0.12, 0.45, -0.85, -0.30 ),得到其矩估计值
ˆ 0.16 2ˆ 0.50
(7.2)
(7.3)
山东农业大学 概率论与数理统计 主讲人:程述汉 苏本堂
例 2 设总体 X 服从 [1, 2] 上的均匀分布,密度函数为
1 21 2 2 1
1 2
1, [ , ]
( ; , ) -0, [ , ]
xf x
x
其中 2> 1 ,试求 1 , 2 的矩估计量.解 由第四章 4.2.3 节的讨论,知
21 2 2 1
1 1( ) ( ), ( ) ( - )
2 12E X D X
由 (7.2) 、 (7.3) 式,令
1 2
22 1 2
1( ) ( )
21
( ) ( )12
E X X
D X B
山东农业大学 概率论与数理统计 主讲人:程述汉 苏本堂
解之即得 1, 2 的矩估计量为:
21 2 2ˆ ˆ3 , 3X B X B
例 3 设总体 X 服从泊松分布,即1
( ; ) { } e ,!
xf x P X xx
0 , 0,1,2,x
试求的矩估计量.
解 由于 D(X)= ,得的矩估计量 ; 又由于 E(X)= ,故得的另一个矩估量 .由此可见一个参数的矩估计量是不唯一的.
ˆ X 2
ˆ B
山东农业大学 概率论与数理统计 主讲人:程述汉 苏本堂
极大似然估计法是求估计值的另一种方法,最早由高斯 (R. A. Gauss) 提出,后来为费史 (Fisher) 在 1912 年重新提出,并证明该方法的一些性质.它是建立在极大似然原理基础上的一个统计方法.
引例 甲、乙两个箱子外形完全相同,甲箱有 99 个白球 1 个黑球,乙箱有 1 个白球 99 个黑球,随机取出一箱,再从取出的一箱中抽取一球,结果取得白球,问这球是从哪个箱子中取出的? 解 甲箱中抽得白球的概率 P( 白 | 甲 ) = 99/100 乙箱中抽得白球的概率 P( 白 | 乙 )=1/100
白球从甲箱中抽出的概率比从乙箱中抽出的概率大得多,根据极大似然原理,既然在一次抽样中抽得白球,当然可以认为是从抽取概率大的箱子中抽出的,所以,可作出统计推断:白球是从甲箱中抽出的 .
二、 极大似然估计法 二、 极大似然估计法
极大似然原理:一个随机试验有若干种可能的结果 A, B, C, … 若在一次试验中,结果 A 出现,则一般认为试验条件对 A 出现有利,也即 A 出现的概率很大.
山东农业大学 概率论与数理统计 主讲人:程述汉 苏本堂
设总体 X 的概率密度函数为 f(x; ) , ( 若 X 是离散型 , f(x; ) 是分布律),则样本( x1, … , xn )的联合密度函数为:
1 21
( ; ) ( , , , ; ) ( ; )n
n ii
L x L x x x f x
2. 求极大似然估计步骤
这是参数 的函数,称为样本的似然函数,记为 L() 。使似然函数取得最大值的 称为的极大似然估计量。这种方法称为极大似然估计法。
(1) 写出似然函数 1 21
( ; ) ( , , , ; ) ( ; ) ;n
n ii
L x L x x x f x
特别地,若的取值范围为开集时,可转化为求 L(x, ) 的驻点 . 取对数 lnL ,求 lnL 关于未知参数的导数。由导数等于零解得的估计值ˆ .
(2) 求出使 L(x; ) 达到最大值的 ),,,(ˆ 21 nxxx
1. 极大似然估计法 二、 极大似然估计法 二、 极大似然估计法
山东农业大学 概率论与数理统计 主讲人:程述汉 苏本堂
例 4 设连续型随机变量 , 即 X 的密度函数为1~X E
1e , 0
( ; )
0, 0
x
xf x
x
其中 >0 为参数. (x1, x2, …, xn) 为的一组样本观察值,求的极大似然估计.
解 由上述得似然函数为
1
1
11
1 1( , , ; ) e e
ni i
i
xn x
n ni
L x x
所以
n
iixnL
1
1lnln
21
d ln 1
d
n
ii
L nx
山东农业大学 概率论与数理统计 主讲人:程述汉 苏本堂
令 01
12
n
iix
n
解得 1
1ˆn
ii
x xn
即为的极大似然估计. 例 5 某电子管的使用寿命 X (单位: h )服从指数分布,概率密度见例 4 ,今抽取一组样本,其具体数据如下:
1067 919 1196 785 1126 936 918 1156 920 948试估计估计其平均寿命. 解 根据例 4 的结果,平均寿命即参数用样本均值来估计,于是
1.9971ˆ
1
n
iixn
为平均寿命的极大似然估计值.
山东农业大学 概率论与数理统计 主讲人:程述汉 苏本堂
^
lim {| | } 1nP
1 . 一致性
2 . 无偏性
,则称 为 的一致估计量。
定义 2 设 为未知参数 的估计量,若 E( ) = , 则称 为 的无偏估计量。
若 依概率收敛于 θ ,即 对于任意 ε>0, 有
一般情况 ,但希望 n→∞ 时 。这就是说当样本容量 n无限增大时,估计值 非常接近真值的概率趋近于 1.
P
一致估计是对极限性质而言的,只在样本容量较大时才起作用。
一个好的估计量的数值应该在参数的真值周围摆动,也就是估计的期望值与未知参数的真值相等。
定义 1 设
1 2( , )nX X X
三、评价估计量的优劣标准 三、评价估计量的优劣标准
为未知参数 的估计量,
山东农业大学 概率论与数理统计 主讲人:程述汉 苏本堂
即样本的二阶中心距,不是总体方差的无偏估计.
n
i
i
n
ii n
nXE
nX
nEXE
11
1)(
1)
1()(
故 为 μ 的无偏估计量。X2 2
1
1( )
1
n
ii
S X Xn
又
22
1
1{ }
1
n
ii
X nXn
)}()({1
1)(
1
222
n
ii XnEXE
nSE
nn
nXD
nX
nDXD i
n
i
n
i
i
2
2
2
12
1
)(1
)1
()(
222222 )(1
1)(
nnnn
SE
2 2 2
1
1 1 1[ ( ) ] ( )
n
i
n nE Xi X E Sn n n
:注意
证明
而
故 ,即 S2 为 2 的无偏估计量。
2 2
1
1{ [ ( ) ( ( )) ] [ ( ) ( ( )) ]}
1
n
i ii
D X E X n D X E Xn
例 6 试证样本均值 及样本方差 S2 分别是总体均值 μ及总体方差 σ2 的无偏估计。
X
山东农业大学 概率论与数理统计 主讲人:程述汉 苏本堂
则称 较 有效。1 2ˆ ˆ( ) ( )D D
设 , 是 的两个无偏估计量,若1 2
若在 的一切无偏估计中, 的方差最小,则称 为 的最小方差无偏估计量。
3. 有效估计 对总体的某一参数的无偏估计量 往往不止一个,而且无偏仅仅表明 所有可能取的值按概率平均等于 ,有可能它取的值大部分与 相差很大。 为保证 的取值能集中于 附近,自然要求 的方差越小越好。
定义3
1
2
山东农业大学 概率论与数理统计 主讲人:程述汉 苏本堂
例 7 比较总体期望 的两个无偏估计的有效性 ( 方差为 ) .(1) ; (2)
2
1
1 n
ii
X Xn
1 1
/n n
i i ii i
X k X k
1
0n
ii
k
,E X E X
21,D X
n
2
212
1
n
ii
n
ii
kD X
k
n
ii
n
ii knk
1
22
1
2
2 21
2
1
1
n
iin
ii
kD X D X
nn k
解:
利用初等不等式 得
故 比 有效.X X
山东农业大学 概率论与数理统计 主讲人:程述汉 苏本堂
解 设 x1,…,xn 为样本的一组观测值,于是似然函数为:
ex
ex
xxLLn
xx
n
n
!!);,,()(
11
1
n
n
x
exx
n
ii
!!1
1
两边取对数得
n
i
n
iii xxnL
1 1
)!ln(lnln
对求导数,并使其等于 0 得
n
iixn
d
Ld
1
01ln
解这一方程得的极大似然估计为:1
1ˆn
ii
x xn
例如,样本观测值为: 10 , 13 , 65 , 18 , 79 , 42 , 65 ,77 , 88 , 123 , n=10 。则
58ˆ x
例 1 X~P() ,求极大似然估计。选讲内容
山东农业大学 概率论与数理统计 主讲人:程述汉 苏本堂
,),( 1
11
n
ii
ii
xn
n
i
xnn
i
x eeexL
,lnln1
n
iixnL
Xx
n
d
Ldn
ii
1ˆ,0ln
1
解得由
例 2 X 服从参数为的指数分布,求的极大似然估计。解 似然函数为
,ln
1
n
iix
n
d
Ld
山东农业大学 概率论与数理统计 主讲人:程述汉 苏本堂
例 3 设 X~N(μ,σ2 ) , 求 μ,σ2 的极大似然估计。
n
i
iix
n
n
i
x
ee 12
2
2
2
2
)(2
1
22
)(
)2(2
1
n
i
ixnL
12
22
2
)()2ln(
2ln
n
i
i
n
i
i
xnL
xL
1
2422
12
0)(2
11
2
ln
0)(1ln
2 22
1
1ˆ ˆ, ( )
n
ii
X x X Bn
得 μ,σ2 的极大似然估计为:
则
由
解 似然函数 L ( x1,… , xn;μ,σ2)
山东农业大学 概率论与数理统计 主讲人:程述汉 苏本堂
例 4 设总体X具有 [0,θ] 均匀分布,密度函数为:1
, 0( ; )
0,
xf x
其它
求未知参数 的极大似然估计。
解 设 x1,…, xn 是取自这一总体的一个样本,似然函数为:nixxxL inn ,,1,0,
1),,;( 1
显然 L 是 的一个单值递减函数。要使
达到极大,就要使 达到极小,但 不能小于每一个 xi ( i=1, 2, 3
…, n), 所以 的极大似然估计量为:1 2 ( )
ˆ max{ , , , }n nx x x x 对同一个参数用不同的方法得到的估计量可能不相同。
nixxxL inn ,,1,0,1
),,;( 1