没有合适的资源?快使用搜索试试~ 我知道了~
线性回归分析线性回归分析线性回归分析
1星 需积分: 10 15 下载量 97 浏览量
2011-04-06
09:26:14
上传
评论
收藏 1.2MB DOC 举报
温馨提示
试读
17页
线性回归分析线性回归分析线性回归分析线性回归分析线性回归分析线性回归分析线性回归分析
资源推荐
资源详情
资源评论
第七章 参 数 估 计
【授课对象】理工类本科二年级
【授课时数】6 学时
【授课方法】课堂讲授与提问相结合
【基本要求】1、理解参数估计的概念,熟练掌握点估计的矩估计法和极大似然估计法;
2、掌握估计量好坏的三个评选标准;
3、理解理解区间估计的概念,熟练掌握单个正态总体的均值和方差的置信区
间;知道两个正态总体的均值差和方差比的区间估计。
【本章重点】参数估计的矩估计法和极大似然估计法;区间估计的概念
【本章难点】估计的矩估计法和极大似然估计法;区间估计的概念
【授课内容及学时分配】
§7.0 前 言
上一章,我们讲了数理统计的基本概念,从这一章开始,我们研究数理统计的重要内容
之一即统计推断。
所谓统计推断,就是根据从总体中抽取得的一个简单随机样本对总体进行分析和推断。
即由样本来推断总体,或者由部分推断总体。——这就是数理统计学的核心内容。它的基本
问题包括两大类问题,一类是估计理论;另一类是假设检验。而估计理论又分为参数估计与
非参数估计,参数估计又分为点估计和区间估计两种,这里我们主要研究参数估计这一部分
数理统计的内容。
§7.1 参数估计的概念
统计推断的目的,是由样本推断出总体的具体分布。一般来说,要想得到总体的精确分
布是十分困难的。由第六章知道:只有在样本容量 n 充分大时,经验分布函数
(以概率 1),但在实际问题中,并不容许 n 很大。而由第五章的中心极限定理,可以断
定在某些条件下的分布为正态分布,也就是说,首先根据样本值,对总体分布的类型作出判
断和假设,从而得到总体的分布类型,其中含有一个或几个未知参数;其次,对另外一些并
不关心其分布类型的统计推断问题,只关心总体的某些数字特征,如期望、方差等,通常把
这些数字特征也称为参数。这时,抽样的目的就是为了解出这些未知的参数。
例
1:设某总体 ,试由样本 来估计参数 。
1
例
2:设某总体 ,试由样本 来估计参数 。
在上述二例中,参数的取值虽未知,但根据参数的性质和实际问题,可以确定出参数的
取值范围,把参数的取值范围称为参数空间,记为 。
如:
例
1: =
例
2: =
1.
定义:
所谓参数估计,是指从样本 中提取有关总体 的信息,即构造样
本的函数——统计量 ,然后用样本值代入,求出统计量的观测值
,用该值来作为相应待估参数的值。
此时,把统计量 称为参数的估计量,把 称为参数的估
计值。
2.类型:包括
1)点估计:指对总体分布中的参数 ,根据样本 及样本值 ,
构造一统计量 ,将 作为 的估计值,则称
为 的点估计量,简称点估计。记为 = 。
2)区间估计:指对总体中的一维参数 ,构造两个统计量:
=
=
使得待估参数以较大的概率落在[ , ]内,此时,称[ , ]为 的区间估计。
§7.2 点估计量的求法
0、引言:
关于点估计的一般提法:设 为总体 分布函数中的未知参数或总体的某些未知的数
字特征, 是来自 的一个样本, 是相应的一个样本值,点估计
问题就是构造一个适当的统计量 ,用其观察值 作为未知参数
的近似值,我们称 为参数 的点估计量, 为参数 的点
估计值,在不至于混淆的情况下,统称为点估计。由于估计量是样本的函数,因此对于不同
的样本值, 的估计值是不同的。
点估计量的求解方法很多,这里主要介绍矩估计法和极大似然估计法,除了这两种方法
之外,还有 Bayes 方法和最小二乘法等。
2
一、矩估计法:(K.Pearson 提出)
1.基本思想:
矩估计法是一种古老的估计方法。大家知道,矩是描写随机变量的最简单的数字特征。
样本来自于总体,从前面可以看到样本矩在一定程度上也反映了总体矩的特征,且在样本容
量 增大的条件下,样本的 阶原点矩 以概率收敛到总体 的 阶原点矩
,即 ,因而自然想到用样本矩作为总体矩的
估计。
2.具体做法:
假设 为总体 的待估参数( ), 是来自 的
一个样本,令 即 ,
得一个包含 个未知数 的方程组,从中解出 的一组解
,然后用这个方程组的解 分别作为 的估计量,这
种估计量称为矩估计量,矩估计量的观察值称为矩估计值。
该方法称为矩估计法。(只需掌握 的情形)
例
3:设总体 的均值 及方差 都存在但均未知,且有 >0,又设
是来自总体 的一个样本,试求 , 的矩估计量。
解:因为 令
所以得
注:上述结果表明:总体均值与方差的矩估计量的表达式不会因总体的分布不同而异;同时,
我们又注意到,总体均值是用样本均值来估计的,而总体方差(即总体的二阶中心矩)却不
是用样本方差来估计的,而是用样本二阶中心矩来估计。那么,能否用 来估计 呢?能
的话, 与 哪个更好?下节课将再作详细讨论。
这样看来,虽然矩估计法计算简单,不管总体服从什么分布,都能求出总体矩的估计量,
但它仍然存在着一定的缺陷:对于一个参数,可能会有多种估计量。比如下面的例子:
3
例
4:设 , 未知, 是 的一个样本,求 。
,
所以由
例
3 可知:
由以上可看出,显然 是两个不同的统计量,但都是 的估计。这样,就
会给应用带来不便,为此,R.A.Fisher 提出了以下的改进的方法:
二、最(极)大似然估计法:(R.A.Fisher 提出)
1.基本思想:
若总体 X 的分布律为 [或密度函数为 ],其中
为待估参数( )。
设 是来自总体 的一个样本, 是相应于样本的一样本值,
易知:样本 取到观测值 的概率为
,[或样本 落在点
的邻域(边长分别为 的 维立方体)内的概率近似地为
(微分中值定理)],令 [或
],则概率 随 的取值变化而变化,它是 的函数,
称为样本的似然函数(注意,这里的 是已知的样本值,它们都是常数)。如果已
知当 时使 取最大值,我们自然认为 作为未知参数 的估计较为合理。
最大似然方法就是固定样本观测值 ,在 取值的可能范围 内,挑选使似
然函数 达到最大(从而概率 达到最大)的参数值 作为参数 的估计值,
即 ,这样得到的 与样本值 有关,常记为
,称之为参数 的最大似然估计值,而相应的统计量 称为参数
的最大似然估计量。这样将原来求参数 的最大似然估计值问题就转化为求似然函数 的
最大值问题了。
2.具体做法:
①在很多情况下, 和 关于 可微,因此据似然函数的特点,常把它变为如
4
剩余16页未读,继续阅读
资源评论
- liykxy522012-06-19什么线性回归分析,就是参数估计,骗子!
fdagdsfgadfa
- 粉丝: 0
- 资源: 4
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 已过基于Hadoop+Spark招聘推荐可视化系统 大数据项目 毕业设计(源码下载)
- python爬虫开发题答案及题目-100(1).zip
- Python 小游戏 (贪吃蛇、五子棋、扫雷、俄罗斯方块)-3 (2).zip
- c语言实现的数独小游戏.zip
- 高德地图中国行政区划省、市、县经纬度
- March 2024 Expiration Of The OAM Out Of The Box Certificates
- 二叉搜索树迭代器(java代码).docx
- 解决keil MDK 5.38版本 在Debug配置使用STlink调试时软件闪退的问题
- py小项目:用户登录和注册系统开发欢迎图片
- TCCEE-x64-v6.2.3(9.51)
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功