1. 什么是参数估计?(基本概念、参数估计)
答:一个总体 个参数)。比如
的分布函数,可以用
,
,其中
表示,其中 是一个未知的参数或参数向量(多是未知参数。又如
,则
是
未知参数向量。在实际问题中,总体 的参数 通常都是未知的,我们需要通过样本提供
的信息,对参数 作一个基本的估计。这就是参数估计问题。参数估计问题可以分为点估计和区间估计两大类。
2. 什么是点估计?(基本概念、点估计、估计量、估计值)
答:设总体 的分布函数的形式已知,它含有一个或多个参数是未知的,借助于总体 的
一个样本来估计总体未知参数的值的问题称为参数的点估计问题。具体描述如下:
设总体 其观察值为
的分布函数为 ,其中 为未知参数。从总体 中抽取样本 ,来估计
。构造某个统计量
为 的估计值,称
,用它的观察值
未知参数 ,则称 为 的估计量,它是一个随
机变量。估计量和估计值称为 的一个点估计。点估计值或点估计量都可以简记为 。有两种基本的点估计法:矩估计和极大似然估计。
例如:某厂生产电子元件,电子元件的寿命 寿命未知,即参数
服从正态分布 ,当电子元件的平均
是未知的。若抽查了200个电子元件,测得这200个电子元件的平均寿命
个小时就可以做为电子元件平均寿命
的一个点估计。
个小时,这个
3. 什么是矩估计法?(基本概念、点估计、矩估计、矩估计量)
答:设总体 的分布函数 中,
--完整版学习资料分享----
为 维未知参数。假定总体 的前
-----WORD格式--可编辑--专业资料-----
阶原点矩都存在,则这些矩都可表为 的函数,即
取 阶样本原点矩做为总体 阶原点矩的估计量,则有方程组
其中 。利用上面的方程组可以解出 ,即有
则
叫做
的矩估计量。这种方法叫做参数的矩估计方法。注意,在利用矩估计法估计参
数时,有 个未知参数就要使用直到 的原点矩。
矩估计方法的理论解释如下:若总体
有
的 阶原点矩 存在,则样本 阶原点矩 与 阶总体原点矩
会充分
。这样,当 充分大时, 阶样本原点矩
接近。因而是一个合理的估计。
利用矩估计来估计参数一般分为下面三个步骤:
(1) 根据参数的个数,求总体的各阶原点矩;
--完整版学习资料分享----
-----WORD格式--可编辑--专业资料-----
(2) 用各阶样本原点矩代替总体原点矩,为了加以区别通常在参数上加一个尖角符号,如 ;
(3) 解关于矩估计量的方程;
(4) 若给出了样本观察值,代入求得的矩估计量得到估计值。
4. 设总体 里
和
服从任何分布,且
和
的期望 和方差 均存在,这
是两个未知参数,求 的矩估计量。(例题、点估计、矩估计)
解:因为有两个未知数,故将总体的前二阶原点矩表为参数的函数,即
再用前二阶样本原点矩代替总体原点矩,有
解出 和 ,得到估计量
这个结果可以直接使用。例如:总体 自总体
的样本,求
的矩估计量。
,其中
为未知参数,
为来
--完整版学习资料分享----
-----WORD格式--可编辑--专业资料-----
根据Gamma分布的性质可知, ,由前面的结论可知
,解之得到 ,这就是 的矩估计量。
5. 设总体 在 上服从均匀分布, 未知, 是一个样本,求 的
矩估计量。(例题、点估计、矩估计、均匀分布)
解:因为有两个未知数,故将总体的前二阶原点矩表为参数的函数,即
再用前二阶样本原点矩代替总体原点矩,有
解出 和 ,得到估计量
6. 设
为来自总体
的样本,
是样本观察值,总体
有密度
--完整版学习资料分享----
-----WORD格式--可编辑--专业资料-----
函数 ,求 的矩估计量。(例题、点估计、矩估计)
解:因为分布只有一个参数,所以只需要一阶总体原点矩,即总体均值
。
用一阶样本原点矩代替总体一阶原点矩,得到
,解得估计量为 ,估计值为 。
7. 什么是极大似然估计法?(基本概念、极大似然估计法、似然函数)
答:极大似然估计法是估计总体参数的一种点估计法。描述如下:
(1) 首先给出似然函数的定义:设总体
,其中 是未知参数。当样本
样本的独立同分布性,记
是离散型随机变量,分布律为
得到一组观察值
时,由
若总体
是连续型随机变量时,
,记
--完整版学习资料分享----
的概率密度函数为 ,其中 为未知参数。若取
得样本观察值为
-----WORD格式--可编辑--专业资料-----
称
为似然函数。
(2) 设总体 仅含一个未知参数 ,并且总体的分布函数或密度函数已知,
,使得
时,
,
为一组样本观察值。若存在一个值
则称
是 的极大似然估计值,而统计量
称为 的极大似然估计和
在 的同一值处取
量。由定义可知,极大似然估计值可由方程 得最大值,因而也可以利用方程 的时候。
解得。当由于
解得,这个方程通常用在似然函数中含有指数函数
(3) 当总体 的分布中含有多个未知参数,即 时,似然函数为
。求解方程组
由这个方程解得的
分别是
的极大似然估计值。
(4) 需要注意,当方程
。
无解时,极大似然估计值应选择这样的 ,使得
--完整版学习资料分享----
-----WORD格式--可编辑--专业资料-----
(5) 极大似然估计法的思想:一随机试验有若干个可能的结果,如果在一次抽样中某一结果出现了,便可以认为这一结果是诸个可能的结果中出现概率最大的一个。因此,参数 应该这样估计,即选择 ,使得似然函数取得最大值。
8. 设 函数
为来自总体 的样本, 是样本观察值,总体 有密度
,求 的极大似然估计量。(例题、点估计、极大似然估计)
解:设 是一组样本观察值,则参数 的似然函数为
,两边取自然对数得到
。
令, ,解得 的极大似然估计值为 ,
极大似然估计量为 。
9. 这总体 , 为样本观察值,求 的极大似然估计值和极大似
然估计量。(例题、点估计、极大似然估计、二项分布、离散型)
解:总体 的分布律为 ,所以似然函数为
--完整版学习资料分享----
-----WORD格式--可编辑--专业资料-----
令 ,解得 的极大似然估计值为
其中 ,而 的极大似然估计量为 。
10. 设总体 ,其中 都是未知参数。 为样本观察值。求 及
的极大似然估计值。(例题、极大似然估计法、正态分布、连续型)
解:似然函数为
,
令
--完整版学习资料分享----
-----WORD格式--可编辑--专业资料-----
,解得 和 的极大似然估计值为
,故 和 的极大似然估计量为
。
11. 这总体 , 是未知参数, 为样本观察值。求 的极大似然
估计,并验证极大似然估计量是有偏的。(例题、极大似然估计法、均匀分布、无偏性)
解: 的密度函数为 ,则似然函数为
,由于
以无法由该方程解出极大似然估计值 。但 大。另一方面,每个 极大似然估计值为
应满足
在 ,故当
,在 时无解,所
越
,所以 的
时为单调递减函数, 越小
时, 。
,极大似然估计量为
令 ,则 。
--完整版学习资料分享----
-----WORD格式--可编辑--专业资料-----
已知总体的分布函数为 则 的分布函数为
,其密度函数为 ,所以
。
从而 ,所以估计量是有偏的。
12. 设 值,求
是来自指数分布总体 的一个样本观察
的极大似然估计量。(例题、极大似然估计法、指数分布)
解:构造似然函数
又 , ,
因为当 大于零,所以令
时, 无解,注意到 随着 的增大而增加,且每个
,此时似然函数仍可以取到最大值;
--完整版学习资料分享----
-----WORD格式--可编辑--专业资料-----
当 时,
可得 。
从而得到 的极大似然估计量为
, 。
13. 什么是统计量的评选标准?(基本概念、统计量、评选标准)
解:对于总体中的参数或参数向量 ,任何一个统计量都可以作为它的估计量。目前最常用的求估计量的方法是矩估计法和极大似然估计法。问题是,我们如何在众多的统计量中选择一个最好的呢?需要建立一些评选的标准。
(1) 无偏性:设 的数学期望等于参数 ,即 ,则称
是参数 的无偏估计量。反之称为有偏估计量。
(2) 有效性:设 若
,则称
比
有效。
和 是 的两个无偏估计量,
在从多的估计量中,首先选取无偏的估计量;若选择的估计量都是无偏的,则进一步选择有效的统计量。
14. 设总体 本均值
服从任意分布,且
分别是
和
, 。 是样本,证明样
和样本方差 的无偏估计量。(例题、无偏性)
--完整版学习资料分享----
-----WORD格式--可编辑--专业资料-----
解:这可以直接根据无偏性的定义来验证。
,
15. 这总体
,
效。(例题、无偏性、有效性、均匀分布)
,
是未知参数,
为样本观察值,证明:
都是 的无偏估计量,并比较哪个更有
证明:根据均匀分布的性质可知, 的分布函数为 ,
令 , ,根据Max、Min型随机变量的性质可
知, ,其密度函数为 ; ,其
密度函数为 ,所以
--完整版学习资料分享----
-----WORD格式--可编辑--专业资料-----
,
;
,
,所以两个都是无偏估计量。
下面分析哪个统计量更为有效。
所以, ,
,
很显然,当 时,
比
,因此
更有效。
--完整版学习资料分享----
,从而
-----WORD格式--可编辑--专业资料-----
16. 设从均值为 方差为 的总体中抽取容量为
(其中
的两个独立的样本, ,
和
的
分别为两个样本的样本均值,证明: 无偏估计量,问当
取何值时,
为任意常数)是
是最有效的估计量。(例题、无偏性、有效性)
证明:首先计算 体均值的无偏估计量。
,注意由于样本是独立的,所以 和 也是独立的,且它们都是总
,
所以是无偏估计量。
,由于
,我们需要选取适当的 ,使得
,
代入后得到
最小,也即要求下式成立:
解得 , 。
17. 统计量和估计量的区别。(统计量、估计量)
答:所谓统计量是指,若
是
为统计量。
为来自总体 的一个容量为 的样本,
的函数,且其中不含任何未知参数,则称这类样本函数
所谓估计量是指,若 是总体 的待定参数,用一个统计量 来估计 ,则称 为 的
--完整版学习资料分享----
-----WORD格式--可编辑--专业资料-----
估计量。
统计量和估计量既有区别又有联系。
18. 什么是置信度、置信上限和置信下限,以及区间估计?(基本概念、置信度、置信水平、置信上限、置信下限、区间估计)
答:设总体 的分布函数 和
含有未知参数 , 是来自总体的一个样本。
,
,分别
是两个统计量。若对给定的概率 为参数 的置信度为
有 ,则称随机区间 的置信区间。
称为置信上限和置信下限。 称为置信度或置信水平。
若给定样本观察值 ,代入 ,得到实数区间 这也叫做置信区间。
对于给定的置信度 的区间估计问题。
,如何根据样本来确定未知参数 的置信区间 ,就是参数
19. 区间估计的基本思想和步骤。(区间估计)
答:基本思想:利用总体的样本观察值,使用参数的点估计,可以求得未知参数 的估计值。但是由于样本是随机的,从而样本观察值也是随机的,我们无法知道这个估计值与参数 的真值之间是否有误差,若有误差,误差在什么范围内。因而我们期望能找出一个区间,使得参数 落入该区间内的概率是可以计算的,这样就能够在一定的可靠程度下得出妒忌之可能的最大误差。
需要注意的是,一般取 事件是一个小概率事件,但是
很小,也就是置信度 较大,使得参数 的真值落在区间外的
越小,则所得到的区间就越大,此时估计的误差也越大。
--完整版学习资料分享----
-----WORD格式--可编辑--专业资料-----
步骤:假设给定置信度为 。
(1) 设 是无偏的;
是总体的样本,取一个 的教优的点估计 ,最好
(2) 从 出发,找一个样本函数 一个未知参数 ,
的分位点可以从表中查到;
,其分布已知,且只含有惟一
(3) 查表求得 的 及 分位点 ,使得 ;
(4) 从不等式 中解出 ,得出其等价形式
。于是
是 的置信度为
的置信区间。这时有
。区间 或
称为双侧置信区间。类似地,可以得到单侧置信区间,使得 。
20. 一个正态总体下未知参数地置信区间。(区间估计、一个正态总体)
答: 在下面地描述中,我们总是假设总体 个样本,置信度为
。
, 是来自总体 的一
已知
计,所以取样本函数
,求总体均值 的置信区间。由于总体方差已知,且 是 的去片估
(注意样本函数中只包含我们要讨论的一个参数),显然
。通过计算可知
--完整版学习资料分享----
-----WORD格式--可编辑--专业资料-----
,
于是得到 态分布的
的置信度为 分位点。
置信区间为 ,其中 为标准正
本函数为
未知,求总体均值 的置信区间。由于总体方差未知,我们借助样本方差,取样
,简单计算后,可知
,
于是得到 是 分布的
的置信度为 分位点。
置信区间为 ,其中
未知时,总体方差 的置信区间。由于总体均值未知,而且样本方差
,对于给定的置信度
是 ,有
的
无偏估计量,所以选取样本函数为
。因此,总体方差 的置信度为 的置信区间为
,其中 分别是 分布的 和 分位点。进一步可以
--完整版学习资料分享----
-----WORD格式--可编辑--专业资料-----
得到总体标准差 的置信度为 的置信区间为 。
21. 两个正态总体下未知参数地置信区间。(区间估计、两个正态总体)
答:在下面地描述中,我们总是假设总体
是来自总体 ,
和总体
, ,
,
。
和
的样本,其样本均值和样本方差分别为 ,
,置信度为
都已知,求总体均值差 的置信区间。由于 是 的无偏估计,
所以考虑样本函数 ,对于给定的置信度 ,有
,
得到 的置信度为 的置信区间为
,其中 为标准正态分布的 分位点。
都未知,但 ,求总体均值差 的置信区间。由于 都未
知且相等,选取样本函数
--完整版学习资料分享----
,其中 。
-----WORD格式--可编辑--专业资料-----
对于给定的置信度 ,有
,得到
的置信区间
的置信度为
,其中 是 分布的 分位点。
当 未知时,总体方差比 的置信区间。取样本样本函数为
,对于给定的置信度 ,有
,故 的 的置信区间为
,其中 分别为 分布的 和 分位点。
22. 参数的点估计是区间估计的一种特殊形式?(点估计、区间估计)
答:不正确。
所谓参数的点估计是指,找到一个估计量 作为待定参数 的一个近似。其近似程度由估计量的无偏性、有效性和一致性来判断。
--完整版学习资料分享----
-----WORD格式--可编辑--专业资料-----
若在估计待定参数时考虑这种近似的误差范围,就需要在一定的置信度下考估计 落在 的某个范围内。
例如:已经知道 ,且总体方差已知为 性为
是总体均值 ,可知总体均值
的一个点估计。对于正态总体,若给定置信度 落在区间
内的可能
,这就是区间估计。
23. 若总体 的期望 和
和方差 均存在, 都是
是 的一个样本,则
比
的无偏估计量,但
更有效。(例题、无偏性、有效性)
答:正确。可以根据无偏性和有效性的定义直接计算判断。
同理
所以
和
都是无偏估计量。
又
,
--完整版学习资料分享----
-----WORD格式--可编辑--专业资料-----
,
显然, ,所以 比 更有效。
24. 从一批零件中抽取10枚,测得零件的长度为(单位:cm)3.12,3.11,3.13,3.12,3.14,3.13,3.10,3.11,3.12,3.11,设零件的长度服从正态分布。在下列的两种情况下求总体均值
的置信度为90%的置信区间。(1)已知
(cm);(2)
未知。(例题、区间
估计、一个正态总体、总体均值)
解:(1)已知 间为
, , 。
,选取样本函数为 ,可知置信区
经过计算可知样本均值为
1.645,于是 ,
,所以 的置信度为90%的置信区间为 。
(2)当 间为
未知时, ,
,
,选取样本函数为 ,置信区
--完整版学习资料分享----
-----WORD格式--可编辑--专业资料-----
查表可知 ,
计算可知 ,所以
,
,所以
。
的置信度为90%的置信区间为
25. 设某厂生产的一批零件,零件重量服从正态分布,抽取8个零件称得零件重量为(单位:克)120,121,119,118,121,120,121,121,求方差 (例题、区间估计、一个正态总体、总体方差)
与标准差
得置信区间
。
解:由于总体均值未知,选取样本函数 ,置信区间为
,标准差的置信区间为 。
经过计算可知, , , ,
,
--完整版学习资料分享----
-----WORD格式--可编辑--专业资料-----
,
所以, 置信度为0.95得置信区间为 ,标准差的置信区间为
26. 从两批零件中抽取样本,从第一批抽取10个零件,测得零件的长度为(单位:cm)3.12,3.11,3.13,3.12,3.14,3.13,3.10,3.11,3.12,3.11;从第二批抽取8 个零件,测得零件的长度为(单位:cm)3.11,3.12,3.11,3.10,3.13,3.12,3.11,3.11,设两批零件的长度都服从正态分布,且总体方差相同。求 区间估计、两个正态总体、总体均值差)
的置信度为90%的置信区间。(例题、
解: 未知, , ,选取样本函数为
。
置信区间为 ,
经过计算可知 ,
,所以
,
,
。
--完整版学习资料分享----
-----WORD格式--可编辑--专业资料-----
故,总体均值差的置信度为0.95的置信区间为 。
27. 从两批零件中抽取样本,从第一批抽取10个零件,测得零件的长度为(单位:cm)3.12,3.11,3.13,3.12,3.14,3.13,3.10,3.11,3.12,3.11;从第二批抽取8 个零件,测得零件的长度为(单位:cm)3.11,3.12,3.11,3.10,3.13,3.12,3.11,3.11,设两批零件的长度都服从正态分布,且总体方差相同。求 间估计、两个正态总体、总体方差比)
的置信度为90%的置信区间。(例题、区
解: , ,选取样本函数为 ,置信区间
为 。
,
,
, ,
, ,
总体方差比的置信度为0.95的置信区间为 。
28. 什么是单侧置信限?(概念、单侧置信限)
--完整版学习资料分享----
-----WORD格式--可编辑--专业资料-----
答:设总体 本。若存在统计量
的分布函数 中含有未知参数 , ,使得
,使得
,则称
是来自总体 的一个样
的
为参数 的置信度为
,则称
单侧置信下限。若存在统计量 度为
的单侧置信上限。
为参数 的置信
29. 为估计制造某种产品所需的单件平均工时(单位:小时),限制造5件,记录每件所需工时如下:10.5,11,11.2,12.5,12.8。设制造单件产品所需工时 均值的95%单侧置信下限和方差 单侧置信下限)
,试求总体
的96%单侧置信上限。(例题、区间估计、单侧置信上限、
解:(1)总体均值的95%单侧置信下限
由于总体均值和总体方差都是未知的,取样本函数为
,
,于是
即 。
所以 的 单侧置信下限为 。
通过计算可知, 故
,且 ,查表知 ,
。
--完整版学习资料分享----
-----WORD格式--可编辑--专业资料-----
即制造单件产品平均工时最少为10.65小时。
(2)方差 的96%单侧置信上限
取样本函数为 ,
从而 ,
即 ,于是 的 单侧置信上限为 。
通过计算可知, ,查表得 ,
于是, ,即 的95%单侧置信上限为5.598。
30. 某单位生产一批零件,零件的长度服从正态分布 ,按照要求零件长度的
标准差不能超过0.4mm,现随机抽取8个零件,测得零件长度为(单位:mm)10.1,10.2,10.3,10.1,10.2,10.3,10.1,10.3,当置信度为95%时,估计这批令件是否符合要求。(例题,区间估计、单侧置信限)
解:显然这是一个单侧置信上限的问题。假设
。如果
,则当
时,必有
的单侧95%的置信上限为
,
,从而
此时, 此时若要求
必有
,故
,这样 以不小于95%的置信度符合要求;如果
,这样
,
满足要求的置信度达不到
--完整版学习资料分享----
-----WORD格式--可编辑--专业资料-----
95%。
下面计算置信上限 ,并与0.4比较。
由于总体均值未知,所以选取样本函数为 足
,从而
,即
的单侧置信上限为
。
, 所以
,此时的单侧置信上限满的
单侧置信上限为
通过计算可知, ,查表可得 ,
故,
信度超过95%。
,显然 ,所以这批零件满足要求的置
--完整版学习资料分享----
因篇幅问题不能全部显示,请点此查看更多更全内容