Chapter 7 参数估计¶
约 2727 个字 预计阅读时间 14 分钟
点估计¶
设总体
若已知样本的观察值为
矩法¶
思想:用样本矩去估计相应的总体矩,换言之,用原点矩
具体步骤如下(假设有
- 列出总体的前
阶矩
- 从方程组中解出这
个参数
- 将上一步解出的参数的表达式中出现的总体矩用相应的样本矩替换
值得注意的是:
- 如果方程中存在恒等式,则可以顺延求
- 理论上任意
个关于 的方程组都可以,但考试要求前 个才算对
极大似然法¶
思想:用“最像”
具体步骤如下(若待估参数不止一个,则对每个待估参数
- 构造似然函数
- 求解
,使得 达到最大值,称这个 为极大似然估计量,记作
求解似然函数最大值点的常用方法:
- 解似然方程
,检验极大值点 - 或者也可以解对数似然方程
,检验极大值点 - 若
关于某个 是单调的,则最大值在边界取得
极大似然估计法的性质:
- 不变原则:设参数
的极大似然估计为 若 为连续函数,则 的极大似然估计为
估计量的评价准则¶
无偏性准则¶
若参数
- 若
,则称 为估计量 的偏差 - 若
,则称 是 的渐进无偏估计(Asymptotic Unbiased Estimation)
有效性准则¶
设
均方误差准则¶
在均方误差准则下,估计量的均方误差越小越好。若
- 若
是参数 的无偏估计量,则有 - 均方误差有分解式
- 均方误差准则常用于有偏估计量之间,或有偏估计量与无偏估计量之间的比较;实际应用中,有时均方误差准则比无偏性准则更加重要
相合性准则¶
若对于
有如下定理:
- 设
是 的一个估计量,若 , ,则 是 的相合估计。
区间估计¶
点估计是由样本求出未知参数
下面给出区间估计的一些基本概念:
- 置信区间:设总体
的分布函数 含有一个未知参数 ,对于给定的值 ,如果有两个统计量 , , ,使得 ,则称随机区间 是 的置信水平为 的双侧置信区间,简称置信区间 - 置信下限和置信上限:分别是
和 - 置信度(置信水平):
- 单侧置信区间:在置信区间的定义中,如果修改为
,则称随机区间 是 的置信水平为 的单侧置信区间- 相应地,我们还可以定义单侧置信下限,以及具有单侧置信上限的单侧置信区间
- 相应地,我们还可以定义单侧置信下限,以及具有单侧置信上限的单侧置信区间
双侧置信区间和单侧置信区间的关系:
设
评价区间估计的原则¶
- 置信度原则:
希望随机区间
可以用随机区间的平均长度
枢轴量法¶
枢轴量法是寻求区间估计的常用方法。
枢轴量是样本
具体步骤如下:
- 构造枢轴量
- 对于给定的置信度
,确定两个常数 ,使得:
\(
\(
那么
值得注意的是:
- 若要求单侧置信限,只需要将
相应地改为 或 即可 - 枢轴量和统计量的区别:
- 枢轴量是样本和待估参数的函数,其分布不依赖于任何未知参数
- 统计量只是样本的函数,其分布常依赖于未知参数
正态总体参数的区间估计¶
单个正态总体的情形¶
设
1.
取枢轴量
若只考虑单侧置信限,以单侧置信下限为例,单侧置信区间为
2.
取枢轴量
3.
取枢轴量
两个正态总体的情形¶
设
- 比较均值(估计
,也称为 Behrens-Fisher 问题) - 比较方差(估计
)
1.
取枢轴量
2.
取枢轴量
3.
当样本容量
对于有限小样本,仍取枢轴量
实际使用中,也常用
4.
取枢轴量
非正态总体参数的区间估计¶
通常把这个非正态分布根据中心极限定理近似成一个正态分布,从而利用上文的方法构造枢轴量,并求解置信区间。