关于点估计量的求法第1页，讲稿共47页，2023年5月2日，星期三一、矩估计法由于估计量是样本的函数,是随机变量,故对不同的样本值,得到的参数值往往不同,因此如何求得参数的估计量便是问题的关键所在.常用构造估计量的方法:(三种)1.矩估计法2.最(极)大似然估计法.3.次序统计量估计法第2页，讲稿共47页，2023年5月2日，星期三1.矩估计法
基本思想：用样本矩估计总体矩.理论依据:或格列汶科定理它是基于一种简单的“替换”思想建立起来的一种估计方法.是英国统计学家K.皮尔逊最早提出的.大数定律第3页，讲稿共47页，2023年5月2日，星期三记总体k阶原点矩为样本k阶原点矩为记总体k阶中心矩为样本k阶中心矩为
用样本矩来估计总体矩,用样本矩的连续函数来估计总体矩的连续函数,这种估计法称为矩估计法.第4页，讲稿共47页，2023年5月2日，星期三矩估计法的具体步骤:设总体X的分布函数为m个待估参数(未知)为来自总体X的简单随机样本.第5页，讲稿共47页，2023年5月2日，星期三矩估计量的观察值称为矩估计值.注第6页，讲稿共47页，2023年5月2日，星期三解根据矩估计法,例1第7页，讲稿共47页，2023年5月2日，星期三解例2第8页，讲稿共47页，2023年5月2日，星期三解方程组得到a,b的矩估计量分别为第9页，讲稿共47页，2023年5月2日，星期三解解方程组得到矩估计量分别为例3第10页，讲稿共47页，2023年5月2日，星期三上例表明:总体均值与方差的矩估计量的表达式不因不同的总体分布而异.一般地:第11页，讲稿共47页，2023年5月2日，星期三例4设总体X的分布密度为为来自总体X的样本.求参数的矩估计量.分析：一般地，只需要求：的矩估计量.第12页，讲稿共47页，2023年5月2日，星期三不含有，故不能由此得到的矩估计量.解(方法1)要求：—的矩估计量第13页，讲稿共47页，2023年5月2日，星期三(方法2)要求：的矩估计量：注此例表明：同一参数的矩估计量可不唯一.第14页，讲稿共47页，2023年5月2日，星期三例5(p43例2.9)解建立方程第15页，讲稿共47页，2023年5月2日，星期三求解方程可得第16页，讲稿共47页，2023年5月2日，星期三
矩法的优点：简单易行,并不需要事先知道总体是什么分布.缺点：当总体类型已知时，没有充分利用分布提供的信息.一般场合下,矩估计量不具有唯一性.其主要原因在于建立矩法方程时，选取哪些总体矩用相应样本矩代替带有一定的随意性.小结：第17页，讲稿共47页，2023年5月2日，星期三二、最大似然估计法最大似然估计法是在总体类型已知条件下使用的一种参数估计方法.它首先是由德国数学家高斯在1821年提出的,GaussFisher然而，这个方法常归功于英国统计学家Fisher.
Fisher在1921年重新发现了这一方法，并首先研究了这种方法的一些性质.Fisher资料第18页，讲稿共47页，2023年5月2日，星期三先看一个简单例子：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.1最大似然法的基本思想第19页，讲稿共47页，2023年5月2日，星期三你就会想，只发一枪便打中,猎人命中的概率一般大于这位同学命中的概率.看来这一枪是猎人射中的.这个例子所作的推断已经体现了最大似然法的基本思想.第20页，讲稿共47页，2023年5月2日，星期三设X~B(1,p),p未知.
设想我们事先知道
p只有两种可能:问:应如何估计p?p=0.7或p=0.3如今重复试验3次,得结果:0,0,0由概率论的知识,3次试验中出现“1”的次数(k=0,1,2,3)引例第21页，讲稿共47页，2023年5月2日，星期三(k=0,1,2,3)Y01230.3430.4410.1890.0270.0270.1890.4410.343依题设，“重复试验3次,得结果:0,0,0”应如何估计p?p=0.7还是p=0.3？第22页，讲稿共47页，2023年5月2日，星期三2似然函数第23页，讲稿共47页，2023年5月2日，星期三最大似然估计法第24页，讲稿共47页，2023年5月2日，星期三似然函数的定义第25页，讲稿共47页，2023年5月2日，星期三第26页，讲稿共47页，2023年5月2日，星期三3.求最大似然估计的步骤第27页，讲稿共47页，2023年5月2日，星期三最大似然估计法也适用于分布中含有多个未知参数的情况.此时只需令对数似然方程组对数似然方程第28页，讲稿共47页，2023年5月2日，星期三解例6(p46例2.12)第29页，讲稿共47页，2023年5月2日，星期三这一估计量与矩估计量是相同的.第30页，讲稿共47页，2023年5月2日，星期三解X的似然函数为例7(p47例2.13)第31页，讲稿共47页，2023年5月2日，星期三第32页，讲稿共47页，2023年5月2日，星期三它们与相应的矩估计量相同.第33页，讲稿共47页，2023年5月2日，星期三例8(p47例2.14)设总体X服从柯西分布，其分布密度为解由分布可知，其似然函数为此方程只能求解其数值解，可以以样本中位数为初始值进行迭代。又因为此分布均值不存在，不可用矩估计.第34页，讲稿共47页，2023年5月2日，星期三解例9(p48例2.15)第35页，讲稿共47页，2023年5月2日，星期三第36页，讲稿共47页，2023年5月2日，星期三第37页，讲稿共47页，2023年5月2日，星期三4.最大似然估计的性质定理2.4
此性质可以推广到总体分布中含有多个未知参数的情况.例10(p48例2.16)解第38页，讲稿共47页，2023年5月2日，星期三定理2.5第39页，讲稿共47页，2023年5月2日，星期三证由因子分解定理可知注该定理说明最大似然估计充分利用了样本中包含的参数的信息，因而是一种比较好的估计，通常情况下，最大似然估计不仅是相合估计，而且是渐近正态估计.第40页，讲稿共47页，2023年5月2日，星期三三、用次序统计量估计参数的方法1.用样本中位数与样本极差估计参数由1.4节可知，由于样本中位数与样本极差计算方便，因而通常情况下，可以用样本中位数估计总体期望，用样本极差估计总体的标准差。定理2.6第41页，讲稿共47页，2023年5月2日，星期三因此第42页，讲稿共47页，2023年5月2日，星期三例10(p51例2.18)某维尼纶厂20天内生产正常，随机的抽样得到20个纤度数值，等分成4组，每组5个数值，如下表：第43页，讲稿共47页，2023年5月2日，星期三极差R11.361.491.431.411.370.1321.401.321.421.471.390.1531.411.361.401.341.420.0841.421.451.351.421.390.10假设纤度服从正态分布，试估计总体的标准差。解计算平均极差显然两种估计结果极为接近，但极差形式简单.第44页，讲稿共47页，2023年5月2日，星期三ThankYou!第45页，讲稿共47页，2023年5月2日，星期三费希尔资料RonaldAylmerFisherBorn:17Feb1890inLondon,England
Died:29July1962inAdelaide,Australia第46页，讲稿共47页，2023年5月2日，星期三感谢大家观看第47页，讲稿共47页，2023年5月2日，星期三
评论列表