概率論與數(shù)理統(tǒng)計》第八章.ppt

上傳人:good****022 文檔編號:119692579 上傳時間:2022-07-15 格式:PPT 頁數(shù):57 大小:1.13MB
收藏 版權(quán)申訴 舉報 下載
概率論與數(shù)理統(tǒng)計》第八章.ppt_第1頁
第1頁 / 共57頁
概率論與數(shù)理統(tǒng)計》第八章.ppt_第2頁
第2頁 / 共57頁
概率論與數(shù)理統(tǒng)計》第八章.ppt_第3頁
第3頁 / 共57頁

下載文檔到電腦,查找使用更方便

15 積分

下載資源

還剩頁未讀,繼續(xù)閱讀

資源描述:

《概率論與數(shù)理統(tǒng)計》第八章.ppt》由會員分享,可在線閱讀,更多相關(guān)《概率論與數(shù)理統(tǒng)計》第八章.ppt(57頁珍藏版)》請在裝配圖網(wǎng)上搜索。

1、第八章 參數(shù)估計,8.1 估計量的優(yōu)劣標準 8.2 獲得估計量的方法點估計 8.3 區(qū)間估計,研究參數(shù)估計,要解決兩個方面的問題: 1.怎樣估計參數(shù),即用什么樣的辦法對參數(shù)進行估計; 2.對估計出的參數(shù)值用什么標準衡量其優(yōu)劣程度。,參數(shù)估計的概念,定義 設(shè)總體X的分布函數(shù)F(x; )的形式為已知, 。其中為未知參數(shù), 為參數(shù)空間, X1, , Xn是總體X的一個樣本,若統(tǒng)計量 f(X1, , Xn)可作為的一個估計,則稱其為的 一個估計量,記為,注:X的分布函數(shù)F(x;)也可用分布律或密度函數(shù)代替.,若x1, , xn是樣本的一個觀測值。,在不致混淆的情況下統(tǒng)稱估計量與估計值為估計,8.1 估

2、計量的優(yōu)劣標準,(一) 一致估計,定義8.1,一致性是對于極限性質(zhì)而言的,它只在樣本容量較大時才起作用。,(二)無偏估計,例1 從總體中 取一樣本( X1, ,Xn ),E = , D = 2 , 試證樣本平均數(shù),分別是及2的無偏估計。,證,樣本均值X是的無偏估計。,怎樣證明?,S2是2的無偏估計,如果從總體中隨機取出兩個相互獨立的樣本( X11 , ,X1n1 )及(X21 , ,X2n2),則可以證明,分別是總體中和2的無偏估計量。其中,,對總體的某一參數(shù)的無偏估計量往往不止一個,而且無偏性僅僅表明所有可能取的值按概率平均等于,可能它取的值大部分與相差很大。為保證的取值能集中與附近,自然要

3、求的方差越小越好。,(三)有效估計,由定義可知,一個無偏估計量取的值是在可能范圍內(nèi)最密集與未知參數(shù)的真值 附近擺動。,定義8.3 設(shè)和都是的無偏估計,若樣本容量為 n, 的方差小于的方差,則稱是比有效的估計量。如果在的一切無偏估計量中, 的方差達到最小,則稱為的有效估計量。,實際上,樣本平均數(shù)X是總體期望值的有效估計量。,例2 比較總體期望值的兩個無偏估計的有效性。,解:,利用不等式,8.2 獲得估計量的方法點估計,點估計就是以樣本的某一函數(shù)值作為 總體中未知參數(shù)的估計值的一種估計方法,若x1, , xn是樣本的一個觀測值。,由于f (x1, , xn) 是實數(shù)域上的一個點,現(xiàn)用它來估計, 故

4、稱這種估計為點估計。 點估計的經(jīng)典方法是矩估計法與極大似然估計法。,(一)矩估計法(簡稱“矩法”),關(guān)鍵點:1.用樣本矩作為總體同階矩的估計,即,2.約定:若 是未知參數(shù)的矩估計,則f()的矩估計為f( ),矩法是求估計量的最古老的方法。 具體的做法是:以樣本矩作為相應的總體矩的估計, 以樣本矩的函數(shù)作為相應的總體矩的同一函數(shù)的估計。 常用的是用樣本平均數(shù) 估計總體期望值 。,例1 某燈泡廠某天生產(chǎn)了一大批燈泡,從中抽取了10個進行壽命實驗,得數(shù)據(jù)如下(單位:小時)問該天生產(chǎn)的燈泡平均壽命是多少?,矩法比較直觀,求估計量有時也比較直接,但它產(chǎn)生的估計量往往不夠理想。,解 計算出X1147,以此

5、作為總體期望值的估計。,(二)最大似然估計法,1、最大似然思想 有兩個射手,一人的命中率為0.9,另一人的命中率為0.2,現(xiàn)在他們中的一個向目標射擊了一發(fā),結(jié)果命中了,估計是誰射擊的?,一般說,事件A發(fā)生的概率與參數(shù)有關(guān),取值不同,則P(A)也不同。因而應記事件A發(fā)生的概率為P(A|).若A發(fā)生了,則認為此時的值應是在中使P(A|) 達到最大的那一個。這就是最大似然思想,最大似然法是要選取這樣的,當它作為 的估計值時,使觀察結(jié)果出現(xiàn)的可能性最大。,設(shè)為連續(xù)性隨機變量,它的分布函數(shù)是F(x;),概率密度是 其中是未知參數(shù),可以是一個值,也可以是一個向量。由于樣本的獨立性,則樣本,對于連續(xù)型的隨機

6、變量就是估計概率密度中的。,對于離散型的隨機變量就是估計概率函數(shù)中的參數(shù);,的聯(lián)合概率密度是,對每一個取定的樣本值 是常數(shù),L是參數(shù) 的函數(shù),稱L為樣本的似然函數(shù)(如果 是一個向量,則L 是多元函數(shù))。,設(shè)為離散型隨機變量,有概率函數(shù) 則似然函數(shù),定義8.4 如果 在 處達到最大值,則稱是 的最大似然估計。,式子右邊的表示函數(shù)關(guān)系。問題是如何把的最大似然估計求出來,由于 L與L同時達到最大值,故只需求 L的最大值點即可。,與樣本有關(guān),它是樣本的函數(shù),即,如果是一個向量,即,一般情況下, L在最大值點 的一階偏導數(shù)等于0,即 是上面方程組的解。要求最大似然估計,首先要解這個似然方程組。,考慮方程

7、組:,1.設(shè)總體X為離散型隨機變量,它的分布律為,現(xiàn)有樣本觀察值x1,x2,xn,其中xi取值于xi, i=1,2 問:根據(jù)極大似然思想,如何用x1,x2,xn估計q?,例5.設(shè)X1, , Xn為取自參數(shù)為的泊松分布總體的樣本,求的極大似然估計,2.設(shè)總體X為連續(xù)型隨機變量,概率密度(x; ) 現(xiàn)有樣本觀察值x1,x2,,xn, 問:根據(jù)極大似然思想,如何用x1,x2,xn估計q?,2、似然函數(shù)與極大似然估計,為該總體的似然函數(shù)。,定義:若有,使得,則稱 為的極大似然估計.記為,3、求極大似然估計的步驟,(1) 做似然函數(shù),(2) 做對數(shù)似然函數(shù),(3) 求導數(shù),列似然方程,若該方程有解,則其

8、解就是的最大似然估計。,(4) 解似然方程,注1:若概率函數(shù)中含有多個未知參數(shù),則可解方程組,例6:設(shè)X1, , Xn為取自 N(,2 ) 總體的樣本,求參數(shù) ,2 的極大似然估計。,注2:極大似然估計具有下述性質(zhì): 若 是未知參數(shù)的極大似然估計, g()是的嚴格單調(diào)函數(shù),則g()的矩極大似然估計為g( ),例7:設(shè)X1, , Xn為取自參數(shù)為的指數(shù)分布 總體的樣本,a0為一給定實數(shù)。 求p=PXa的極大似然估計,注3:由似然方程解不出的似然估計時,可由定義通過分析直接推求。事實上 滿足,例8:設(shè)X1, , Xn為取自 U(0,) 總體的樣本, 0未知,求參數(shù) 的極大似然估計。,例2 已知,為

9、 的一組樣本觀察值,求的最大似然估計。,解 似然函數(shù),解似然方程,x 就是 的最大似然估計。,例3 某電子管的使用壽命(從開始使用到初次失效為止)服從指數(shù)分布(概率密度見例2),今抽取一組樣本,其具體數(shù)據(jù)如下;問如何估計 ?,解 根據(jù)例2的結(jié)果,參數(shù)用樣本平均數(shù)估計,為的估計值。,為的一組樣本觀察值,用最大似然估計法估計 的值。,解,例4 已知服從正態(tài)分布,解似然方程組,解似然方程組,EX,P164 2、3、4 7、8、11、15、16、19,8.3 區(qū)間估計 P157 一、概念,定義: 設(shè)總體X的分布函數(shù)F(x;)含有未知參數(shù),對于給定值(0 1),若由樣本X1, , Xn確定的兩個統(tǒng)計量

10、使,則稱隨機區(qū)間 為的置信度為1的置信區(qū)間,注:F(x;)也可換成概率密度或分布律。,估計未知參數(shù)所在的范圍 的方法稱為區(qū)間估計,單正態(tài)總體參數(shù)的區(qū)間估計,1、2已知,估計,/2,/2,1-,可取,(1-),1-,的置信度為1的置信區(qū)間為,注:的1置信區(qū)間不唯一。,都是的1置信區(qū)間.但可以證明=1/2時區(qū)間長最短.,(1)根據(jù)實際問題構(gòu)造樣本的函數(shù),要求僅含待估參數(shù)且分布已知; (2)令該函數(shù)落在由分位點確定的區(qū)間里的概率為給定的置信度1,要求區(qū)間按幾何對稱或概率對稱; (3)解不等式得隨機的置信區(qū)間; (4)由觀測值及值查表計算得所求置信區(qū)間。,求正態(tài)總體參數(shù)置信區(qū)間的解題步驟:,例2 若燈

11、泡壽命服從正態(tài)分布N( ,8),從中抽取了10個進行壽命實驗,得數(shù)據(jù)如下(單位:小時)試估計平均壽命所在范圍(a=0.05).,解:已知總體方差2,估計總體期望,對于給定的,查表確定,解:已知總體方差2,估計總體期望,對于給定的0.05,查表確定,根據(jù)樣本值計算,的置信度為1- 0.95的置信區(qū)間是 (1145.25,1148.75),例3 已知某煉鐵廠的鐵水中含碳量在正常情況下服從 正態(tài)分布,其方差2 = 0.1082 .現(xiàn)在測定了9爐鐵水,其 平均含碳量為4.484.按此資料計算該廠鐵水平均含碳量 的置信區(qū)間,并要求有95% 的可靠性。,解:已知總體方差2,估計總體期望,對于給定的置信系數(shù)

12、1-0.95,查表確定,根據(jù)樣本值計算,的置信系數(shù)為1- 0.95的置信區(qū)間是(4.413,4.555),2、總體方差2未知,估計期望,m的1-a置信區(qū)間為,1-,即得,/2,/2,例4 假定初生嬰兒(男孩)的體重服從正態(tài)分布,隨機抽取12名嬰兒,測其體重為3100,2520,3000,3600,3160,3560,3320,2880,2600,3400,2540。試以0.95的置信系數(shù)估計新生嬰兒的平均體重(單位:g),解: 方差 2未知,估計 的置信區(qū)間,對于給定的,查表確定,的置信度為0.95置信區(qū)間是,根據(jù)樣本值計算:,對于給定的置信系數(shù)1-0.95,查表確定,3、單正態(tài)總體方差的置信區(qū)間,假定m未知,估計2,s2的置信度為1的置信區(qū)間為,例5 根據(jù)例4測的數(shù)據(jù)對新生男嬰兒體重的方差進行區(qū)間估計(=0.05).,解: 未知,估計方差 2的置信區(qū)間,對于給定的0.05,查表確定,則s2的置信度為1的置信區(qū)間為(70752,405620),4、雙正態(tài)總體均值差的置信區(qū)間,可解得1- 2 的置信區(qū)間,5、雙正態(tài)總體方差比的置信區(qū)間,假定1,2未知,一、點估計:,1.矩法估計 2.最大似然估計,二、區(qū)間估計,1.已知總體方差2 ,估計期望,2.未知總體方差2 ,估計期望,3.未知總體期望,估計方差2,4、雙正態(tài)總體均值差的置信區(qū)間,5、雙正態(tài)總體方差比的置信區(qū)間,總結(jié):,小結(jié),

展開閱讀全文
溫馨提示:
1: 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
2: 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
3.本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
5. 裝配圖網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

相關(guān)資源

更多
正為您匹配相似的精品文檔
關(guān)于我們 - 網(wǎng)站聲明 - 網(wǎng)站地圖 - 資源地圖 - 友情鏈接 - 網(wǎng)站客服 - 聯(lián)系我們

copyright@ 2023-2025  zhuangpeitu.com 裝配圖網(wǎng)版權(quán)所有   聯(lián)系電話:18123376007

備案號:ICP2024067431-1 川公網(wǎng)安備51140202000466號


本站為文檔C2C交易模式,即用戶上傳的文檔直接被用戶下載,本站只是中間服務平臺,本站所有文檔下載所得的收益歸上傳人(含作者)所有。裝配圖網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對上載內(nèi)容本身不做任何修改或編輯。若文檔所含內(nèi)容侵犯了您的版權(quán)或隱私,請立即通知裝配圖網(wǎng),我們立即給予刪除!