数理统计中的几种统计推断方法
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
数理统计中的几种统计推断方法
——导学文章之九
数理统计的基本问题是根据样本所提供的信息,对总体的分布以及分布的数字特征作出统计推断。统计推断的主要内容分为两大类:一是参数估计问题,另一类是假设检验问题。
本篇文章主要讨论总体参数的点估计、区间估计和假设检验。 一、点估计
1、矩估计
首先讲“矩”的概念,
定义:设X 是随机变量,k 是一正整数,若k EX 存在,则称k EX 为随机变量X 的k 阶原点矩,记为k a ;若存在,则称它为X 的k 阶中心矩,记为k b 。
显然,数学期望EX 就是1阶原点矩,方差DX 就是2阶中心矩。 简单的说就是用样本矩去估计相应的总体矩,用样本矩的连续函数去估计相应的总体矩的连续函数。矩估计法的理论基础是大数定理。因为大数定理告诉我们样本矩依概率收敛于总体的相应矩,样本矩的连续函数依概率收敛于相应总体矩的连续函数。
我们通常样本的均值X 去估计总体的均值E X :即总体为X 时,我们从中取出n 个样本12,,n X X X ,我们认为总体的均值就是1
1
n
i
i X X n
==∑,(当然这只是对总体均值的一
种估计,当然会有误差)
当2
EX 存在的时候,我们通常用
2
1
1
n
i
i X n
=∑作为总体X 的2EX 的估计
一般地,我们用
1
1
n
k
i
i X n
=∑作为总体X 的k
EX 的估计,用
1
1
()
n
k
i
i X X n
=-∑作为总体的
()
k
E X EX -的估计。
例:设总体X 在[,]a b 上服从均匀分布,参数,a b 未知,12,,n X X X 是一个样本,求,a b 的矩估计量。
解:由矩估计法知道:2
a b EX +=
由于2
2
()DX EX EX =-,因此2
2
2
2
()()
()124
b a a b EX D X EX -+=+=
+
用矩估计法,也即用1
1
n
i
i X X n
==
∑作为E X 的估计,用
2
1
1
n
i
i X n
=∑作为2EX 的估计,
为了计算方便,我们记11
1
n
i
i A X n
==
∑,记2
21
1
n
i
i A X n
==
∑,
即有
12
a b A +=,2
2
2
2()()
12
4
b a a b EX
A -+=
+
=
解得,1
2a b A b a +=⎧⎪⎨-=⎪⎩再联立解关于,a b 的方程组得,a b 的矩估计量分别为
1
a A X =-=-
1
b A X =+=+
2、极大似然估计
⑴ 对于连续型总体X ,设它的密度函数为12(;,,)m f x θθθ ,其中12,,m θθθ 是需要估计的未知参数。
设12,,n X X X 是来自总体X 的一个样本,则12,,n X X X 的联合密度函数为:
121
(;,,)n
i m i f x θθθ=∏
对于给定的一组样本值12,,n x x x ,记联合密度
1212121
(,,;,,)(;,,)n
n m i m i L L x x x f x θθθθθθ===∏
则称L 为样本的似然函数
⑵ 若X 为离散型总体,它的概率分布为: 12{}(;,,)m P X x p x θθθ==
对于给定的一组样本观测值12,,n x x x ,记联合密度
1212121
(,,;,,)(;,,)n
n m i m i L L x x x p x θθθθθθ===∏
则称L 为样本的似然函数 ⑶ 具体求法
对于已经给定的样本观测值12,,n x x x 来说,似然函数L 是关于待估计的参数
12,,m θθθ 的函数,因此我们应该想办法通过似然函数L 求出参数12,,m θθθ 值。
这里我们求法的思想来源于多元函数求极大值:
也即,我们把1212(,,;,,)n m L L x x x θθθ= 看作关于12,,m θθθ 的多元函数,我们要求得适当的12,,m θθθ 的值,使得1212(,,;,,)n m L L x x x θθθ= 取最大值。
解释:实际上1212(,,;,,)n m L L x x x θθθ= 表示随机变量12,,n X X X 取得样本值12,,n x x x 时的联合概率,
我们在一次试验中事件1212(,,)(,,)n n X X X x x x = 已经发生,我们就有理由认为,参数必须保证此时的概率最大,也即:参数12(,,)m θθθ 的值应该是使得1212(,,;,,)n m L L x x x θθθ= 最大的点。
这样我们的方法就是多元函数求极大值的方法。
极大似然估计的具体步骤为:
① 求出似然函数1212(,,;,,)n m L L x x x θθθ= ;
② 计算关于12(,,)m θθθ 的函数1212(,,;,,)n m L L x x x θθθ= 的极大值点, 我们由微积分的知识知道,实际问题中的极大值点就是函数的驻点,也就是每个偏导数都为0的点,即
12000n
L
L
L
θθθ∂⎧=⎪∂⎪∂⎪=⎪∂⎨⎪⎪∂⎪=⎪∂⎩ (一般称该方程组为似然方程组)
但是在实际计算中,由于1212(,,;,,)n m L L x x x θθθ= 都是乘积,因此以上方程组求解不太容易,这时候我们由微积分的知识知道到函数1212(,,;,,)n m L L x x x θθθ= 和它的对数函数1212ln ln (,,;,,)n m L L x x x θθθ= 有相同的极大值点,因此我把问题转化为求
1212ln ln (,,;,,)n m L L x x x θθθ= 的极大值点,这样把乘积问题转化为了和差问题,在某
些复杂问题中可以大大减轻计算!