《概率论与数理统计》课程教学资源(PPT课件)第7章 参数估计 第一节 点估计

统计学推断概述 统计推断是数理统计理论的主要部分。现行 的统计推断理论,是建立在概率论的基础上的。 所谓统计推断,就是根据从总体中抽出的样 本,去推断总体的性质(概率分布) 。 只有在总体未知或总体分布己知,但含有未 知参数时,统计推断才有意义。 例如,假定在一大群人中,身高服从正态分 布N(,o2),其中μ,σ2是未知参数,即推断的对象。 又如,大批生产的一种电子元件,在一定条 件下,我们假定元件寿命的概率分布为指数分布, 其概率密度为
统计学推断概述 统计推断是数理统计理论的主要部分。现行 的统计推断理论,是建立在概率论的基础上的。 所谓统计推断,就是根据从总体中抽出的样 本,去推断总体的性质(概率分布)。 只有在总体未知或总体分布已知,但含有未 知参数时,统计推断才有意义。 例如,假定在一大群人中,身高服从正态分 布N(, 2 ),其中, 2是未知参数,即推断的对象。 又如,大批生产的一种电子元件,在一定条 件下,我们假定元件寿命的概率分布为指数分布, 其概率密度为

统计学推断概述 x>0 其它 参数0为未知参数,是统计断的对象。 这样,我们就可以一的把统计推断问题 抽象为如下的数学模型总体的概率分F(x;O) 含有未知参数,从总体中随机抽样,得样本 x1,x2,.,xn,通过样本去获得对未骖数的了解。 包括估计问题和检验题。由于估计的对象参 数,所以又称为参数计。参数估计有两种卦 形式:点估计和区间信针
统计学推断概述 形式:点估计和区间估计 。 数,所以又称为参数估计。参数估计有两种基本 包括估计问题和检验问题。由于估计的对象是参 通过样本去获得对未知参 数 的了解。 含有未知参数 ,从总体中随机抽样,得样本 抽象为如下的数学模型:总体的概率分布 这样,我们就可以一般的把统计推断问题 参 数 〉为未知参数,是统计推断的对象。 其 它 , , , , ( ; ) 0 0 0 1 ( ) 1 2 n x x x x F x e x f x = −

点估计 点估计是用一个数值的未知参数的估计值。 在统计上,点估计就胸造样本X1,X2,X的一个 统计量(X1,X2,.,Xn),用它的观察值 (x,K2,.,xn)作为未知参数的近似值, 我们称 (X1,X2,.,Xn)为的估计量,称 (x,x2,.,xn)为的估计值。如我们用钵均值X 作为正态分N(山,σ)中μ指数分布中的估计量
点估计 作为正态分布 中 指数分布中 的估计量。 为 的估计值。如我们用样本均值 为 的估计量,称 作为未知参数 的近似值,我们称 统计量 用它的观察值 在统计上,点估计就是构造样本 的一个 点估计是用一个数值作为未知参数的估计值。 ( , ) (( , , , ) ˆ (( , , , ) ˆ (( , , , ) ˆ (( , , , ), ˆ , , , 2 1 2 1 2 1 2 1 2 1 2 N x x x X X X X x x x X X X X X X n n n n n

点估计的优良性 如问X与总体均值的误差不过1的概率有多 大?即要求在正态分的假定下PX-4≤1, 在指数分布的假定下算黜PX-O≤1,等等。 或问方差的大小?即要球在正态分布的假定 下E(X-)2,在指数分布的假定算出E(X-)2, 等等。 判断估计量好坏的标断同,对估计量的评 价也就不同
点估计的优良性 价也就不同。 判断估计量好坏的标准不同,对估计量的评 等等。 下 ,在指数分布的假定下算 出 , 或问方差的大小?即要求在正态分布的假定 在指数分布的假定下算出 ,等等。 大?即要求在正态分布的假定下 , 如 问 与总体均值的误差不超过 的概率有多 2 2 ( ) ( ) {| | 1} {| | 1} 1 − − − − E X E X P X P X X

区间估计 区间估计是用一个区间作为未知参数的估计值 在统计上,区间估计提构造样本X1,X2,.,X的两 个统计量8(X1,X2,.,Xm)和02(X1,X2.,Xn),且 ≤2,用观察值白,(x1,x2,xn)2日(x1,x2,.,xn)】 作为未知参数的估计值,用0,(X1,X2,.,Xm), 02(X1,X2,.,Xnm)作为的估计量
区间估计 作 为 的估计量。 作为未知参数 的估计值,用 , ,用观察值 , 个统计量 和 且 在统计上,区间估计就是构造样本 的 两 区间估计是用一个区间作为未知参数的估计值。 (( , , , )] ˆ (( , , , ) ˆ [ (( , , , )] ˆ (( , , , ) ˆ [ ˆ ˆ (( , , , ), ˆ (( , , , ) ˆ , , , 2 1 2 1 1 2 1 2 1 1 2 1 1 2 1 1 2 2 1 2 1 2 n n n n n n n X X X X X X x x x x x x X X X X X X X X X

区间估计的优良性 区间估计的优良性可两个方面去考察,一面 是可靠度,即区间0,(x,.,xn),02(x,.,xn)能包含 未知参数的可能性多大,即P{⊙(x1,.,xn)≤B≤ 日2(x,.,xn)》,它称为区间估t8,0,的置信系数; 另一方面是精度,区越短,精度越高。我希望找 到这样的区间估计,置信系数尽量接近,而区间长 度尽可能小
区间估计的优良性 度尽可能小。 到这样的区间估计,其置信系数尽量接近,而区间长 另一方面是精度,区间越短,精度越高。我们希望找 ( ,它称为区间估计 , 的置信系数; 未知参数 的可能性多大,即 ( 是可靠度,即区间 ( ( 能包含 区间估计的优良性可分两个方面去考察,一方面 1 ] ˆ ˆ , , )} [ ˆ , , ) ˆ { , , )] ˆ , , ), ˆ [ 2 1 1 2 1 1 1 1 2 1 n n n n x x P x x x x x x

参数的点估计 矩估计法 极大似然估计法 粥估计量的评选标准 继续返回
参数的点估计 矩估计法 极大似然估计法 估计量的评选标准 继续 返回

什么是矩估计法 以样本矩估计相应总体矩来求出估计量的方 法,称为矩估计法,又称数字特征法
什么是矩估计法 以样本矩估计相应总体矩来求出估计量的方 法,称为矩估计法,又称数字特征法

矩估计法的基本思想 设X为连续型随机变量,概率密度为(x;01,02,.,Bn) 或X为离散型随机变量,纷布律为P{X=x}=p(x01,02,.,0n), 其中01,02,.,0n为待估参数,X1,X2,.,Xn是来自总体的样本, 假设总体X的前k阶原点矩 a,=E(X)=nx'f(x8,02,.,0n)d (X连续型) 或 a,=E(X=∑x'p(x0,0,0n) (X离散型) x∈Rx 1=1,2,.,k (其中Rx是X的可能取值范围)存在它们是0,02,.,B的函数。 其样本X=(X1,X2,Xn)的前k阶原点矩 4,=12x51=1,2,6
矩估计法的基本思想 X l k n A X X X X k R X l k E X x p x X E X x f x dx X X k X X X X X P X x p x X f x n i l l i n X n n x R l l l n l l l n n n n X 1,2, , 1 ( , , , ) , , , 1,2, , ( ) ( ; , , , ) ( ) ( ; , , , ) , , , , , , { } ( ; , , , ) ( ; , , , ) 1 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 = = = = = = = = = = = + − , 其样本 的 前 阶原点矩 (其中 是 的可能取值范围)存在。它们是 的函数。 或 ( 离散型) ( 连续型) 假设总体 的 前 阶原点矩 其 中 为待估参数, 是来自总体 的样本, 或 为离散型随机变量,其分布律为 , 设 为连续型随机变量,其概率密度为 ,

矩估计法的基本思想 由辛钦定理,可知H,P→a,再由依概率收敛的频 可知,g(A1,A2,.,A)P→g(a1,2,ak)2其中g为连续 函数,因此考虑可用钵矩作为相应的总体的估计量
矩估计法的基本思想 函数,因此考虑可用样本矩作为相应的总体矩的估计量。 可知, ,其中 为连续 由辛钦定理,可知 ,再由依概率收敛的性质 g A A A g g A k p k l p l ( , , , ) ( , , , ) 1 2 1 2 ⎯→ ⎯→
按次数下载不扣除下载券;
注册用户24小时内重复下载只扣除一次;
顺序:VIP每日次数-->可用次数-->下载券;
- 《概率论与数理统计》课程教学资源(PPT课件)第7章 参数估计 第三节估计量的评选标准.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)第7章 参数估计 第四节区间估计.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)第7章 参数估计 第五节 正态总体均值与方差的区间估计.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)第7章 参数估计 第七节 单侧置信区间.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)第6章 样本及抽样分布 第一节随机样本.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)第6章 样本及抽样分布 第二次 抽样分布.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)第5章 大数定律及中心极限定理 第一节 大数定律.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)第5章 大数定律及中心极限定理 第二节 中心极限定理.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)第4章 随机变量的数字特征 第一节数学期望.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)第4章 随机变量的数字特征 第二节方差.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)第4章 随机变量的数字特征 第三节协方差及相关系数.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)第4章 随机变量的数字特征 第四节矩,协方差矩阵.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)第3章 多维随机变量及其分布 第一节二维随机变量.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)第3章 多维随机变量及其分布 第二节 边缘分布.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)第3章 多维随机变量及其分布 第三节 条件分布.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)第3章 多维随机变量及其分布 第四节 相互独立的随机变量.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)第3章 多维随机变量及其分布 第五节 两个随机变量的函数分布.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)第2章 随机变量及其分布 第一节随机变量.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)第2章 随机变量及其分布 第二节 离散型随机变量及其分布律.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)第2章 随机变量及其分布 第三节 随机变量的分布函数.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)第8章 假设检验 第六节 分布拟合检验.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)第8章 假设检验 第三节 正态总体方差的假设检验.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)第8章 假设检验 第二节 正态总体均值的假设检验.ppt
- 《概率论与数理统计》课程教学资源(PPT课件)第8章 假设检验 第一节 假设检验.ppt
- 《概率论与数理统计》课程教学资源(知识点与公式)概率论与数理统计概率部分知识点总结.doc
- 《概率论与数理统计》课程教学资源(知识点与公式)概率论与数理统计公式全集.doc
- 《高等数学》课程教学资源(单元测验)第1-7章单元测验(附答案).doc
- 《复变函数与积分变换》课程教学课件(PPT讲稿)第一章 复数与复变函数 1.5 复变函数的概念.ppt
- 《复变函数与积分变换》课程教学课件(PPT讲稿)第一章 复数与复变函数 1.4 无穷大.ppt
- 《复变函数与积分变换》课程教学课件(PPT讲稿)第一章 复数与复变函数 1.3 平面点集.ppt
- 《复变函数与积分变换》课程教学课件(PPT讲稿)第一章 复数与复变函数 1.2 复数的表示.ppt
- 《复变函数与积分变换》课程教学课件(PPT讲稿)第一章 复数与复变函数 1.1 复数.ppt
- 《复变函数与积分变换》课程教学课件(PPT讲稿)第二章 解析函数 2.3 复变初等函数.ppt
- 《复变函数与积分变换》课程教学课件(PPT讲稿)第二章 解析函数 2.2 解析函数与调和函数的关系.ppt
- 《复变函数与积分变换》课程教学课件(PPT讲稿)第二章 解析函数 2.1 解析函数.ppt
- 《复变函数与积分变换》课程教学课件(PPT讲稿)第三章 复变函数的积分 3.4 高阶导数公式.ppt
- 《复变函数与积分变换》课程教学课件(PPT讲稿)第三章 复变函数的积分 3.3 柯西积分公式.ppt
- 《复变函数与积分变换》课程教学课件(PPT讲稿)第三章 复变函数的积分 3.2 柯西积分定理.ppt
- 《复变函数与积分变换》课程教学课件(PPT讲稿)第三章 复变函数的积分 3.1 复积分概述.ppt
- 《复变函数与积分变换》课程教学课件(PPT讲稿)第四章 解析函数的级数表示 4.4 解析函数的洛朗展开.ppt