第7章参数估计

《第7章参数估计》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第7章参数估计假设随机变量服从正态分布，在实践中，通常数学期望，方差都是未知的，需要进行估计，常用的估计法有点估计，区间估计等等，首先我们来讨论点估计。§7.1点估计假设某一总体的分布函数为，其中参数未知，需要进行估计，又假设为从总体中抽出的一个样本，由这个样本构造一个函数，并以此作为参数的估计值，我们就称为的点估计。常用的点估计有矩估计，极大似然估计等等，下面我们分别进行讨论。1．矩估计法若总体的密度函数为，其中为未知参数，如果总体的阶矩（）存在，设，又假设为从总体中抽出的一个样本，为这个样本的阶样本矩，令若上述关于的方程组有解，则称这

2、个解是的矩估计量或矩估计。按矩估计的定义，无论总体是什么分布，只要真实矩存在，阶样本原点矩均是它们相应真实原点矩的矩估计量。例6.2设为从某个总体中随机取出的一个样本，且存在，试求的矩估计量。解而，，所以，解得，。例6.3设为[]上的均匀分布，为样本，求的矩估计。解令解上述关于的方程得。例6.4在贝努利试验中，设事件在每一次试验中发生的概率为，求参数的矩估计。解设，而为的一个样本，为事件发生的频率，由矩估计定义，，故有．使用矩估计法的一个前提是总体存在适当阶的矩，阶数应不小于待估参数的个数（或者说参数空间的维数），但这不总是可以做到的。矩

3、估计法简便易行，且只要充分大，估计的精确度也很高，但它只用到总体的数字特征的形式，而未用到总体的具体分布形式，损失了一部分很有用的信息，因此,在很多场合下显得粗糙和过于一般。3．极大似然估计（）参数的点估计方法中另一个常用方法就是极大似然估计，简记为。我们通过一个具体例子来说明这一估计的思想。我们来看一个的例子。例2已知有一批产品，试估计这批产品的不合格品率。这里。解设，于是服从概率分布，我们从产品中随机抽取出一个容量为的样本，于是的概率为。这概率可以看作是未知参数的函数，用表示，称作未知参数的似然函数，也即。在一次抽样中，值使获得这一组

4、特殊观测值的概率应该最大，也即似然函数应该达到最大值。所以我们以使达到极大的值作为参数的一个估计值是合理的。对两边取对数，得，由于对数函数是的单调函数，所以与在同一个值上达到极大。由对求导数，并使其等于零，得，解方程得解为。不难验证，使达到极大，因此称为参数的极大似然估计值，其相应的统计量称做参数的极大似然估计量。极大似然估计的出发点是基于这样一个统计原理：在一次随机试验中，某一事件已经发生，比如已经得到某个具体的样本，则必然认为发生该事件的概率最大。通过上述讨论，下面我们给出极大似然估计的概念。极大似然估计定义：设为取自具有概率函数的母

5、体的一个样本，样本的联合概率函数是的函数。我们用表示，即我们称这个函数为样本的似然函数。称为对数似然函数。如果Ｘ是离散型母体，给出观测到（）的概率。所以我们只要寻找这样的观测值（）的函数，使成立。我们称为参数的极大似然估计值，其相应的统计量称作参数的极大似然估计量。如果是连续型变量，表示密度函数。我们只需求出使得达到极大的，便可得到极大似然估计。由于是的单调增函数，使成立的也使成立。若关于的偏导数都存在，于是的极大似然估计必须满足似然方程组这两个方程组是两个同解方程组。通常情况下，解对数似然方程组更容易。例1设是的样本，求与的．解由已知，

6、，因此事件发生的概率为，由分别对求偏导，得似然方程组解似然方程组，即得。由此可见，对于正态分布总体来说，，的矩估计与ＭＬＥ是相同的。例2求均匀分布中参数的．解设为从总体中随机取出的一个样本，则样本的似然函数为本例似然函数不连续，不能用似然方程求解的方法，只有回到极大似然估计的原始定义。注到最大值只能发生在；而欲最大，只有使最小，即使尽可能小，尽可能大，但在式（6.4）的约束下，，因此只能取=，=．和矩估计的情形一样，有时虽能给出似然方程，也可以证明它有解，但得不到解的解析表达式。§6.2估计量的评价准则对于同一参数，用不同方法来估计，结果

7、是不一样的。那么究竟孰优孰劣就需要进行判断，判断不同估计量优劣的方法主要有下述3个指标：1．相合性设=是的一个估计量，若对任意给定的及，都有，就称是的相合估计。相合性是对一个估计量最基本的要求，如果一个估计量连相合性都不满足，这个估计量便没有什么意义。可以证明，矩估计，极大似然估计都是相合估计。2．无偏性定义：设=是的一个估计量，若对任意的，都有，则称是的无偏估计量，如果，则称是的渐近无偏估计量。无偏性反映了估计量的取值在真值周围摆动，显然，我们希望一个量具有无偏性。例1假设总体阶矩存在，而是从总体体中随机取出的一个样本，样本阶矩为，证明

8、：样本阶矩是总体阶矩矩的无偏估计。证明：因为是从总体体中随机取出的一个样本，所以独立同分布，从而，因此，所以由无偏估计的定义，样本阶矩是总体阶矩矩的无偏估计。如果，则为样本平均数，为数学期望，