《数理统计》第7章§4区间估计
数理统计之区间估计(ppt 50页)
置信水平的大小是根据实际需要选定的.
例如，通常可取置信水平1 =0.95或0.9等.
根据一个实际样本，由给定的置信水平，我
们求出一个尽可能小的区间 [ˆ1,ˆ2]，使
P {ˆ1ˆ2}1
称区间 [ˆ1,ˆ2]为 的 置信水平为1 的
置信区间.
寻找置信区间的方法,一般是从确定 误差限入手.
教材上讨论了以下几种情形：
单个正态总体均值和方差 2的区间估计.
两个正态总体均值差 1 2和方差比
的区间估计.
2 1 2 2
比例 p 的区间估计.
下面我们举几个例子，其余部分请自己看.
休息片刻继续
例2 已知某地区新生婴儿的体重X~N(,2),
, 2未知,
…
随机抽查100个婴儿 得100个体重数据 X1,X2,…,X100
相应的置信区间平均长度越长.
也就是说，要想得到的区间估计可靠 度高，区间长度就长，估计的精度就差. 这是一对矛盾.
实用中应在保证足够可靠的前提下， 尽量使得区间的长度短一些 .
例3 某单位要估计平均每天职工的总医疗费， 观察了30天,其总金额的平均值是170元，标准 差为30元，试决定职工每天总医疗费用平均值 的区间估计（置信水平为0.95）.
(ˆ1 ˆ2) 满足
P {ˆ1ˆ2}1
则称区间 [ˆ1,ˆ2]是 的置信水平（置信度、
置信概率）为 1 的置信区间.
ˆ1和ˆ2 分别称为置信下限和置信上限.
可见，
对参数 作区间估计，就是要设法找出
两个只依赖于样本的界限(构造统计量)
ˆ1 ˆ1(X1,…Xn) ˆ2 ˆ2(X1,…Xn)
下面我们就来正式给出置信区间的定义, 并通过例子说明求置信区间的方法.
区间估计
常见形式
间估计的区间上、下界通常形式为：“点估计±误差” “总体均值”的区间估计
总体均值：μ 总体方差：σ 样本均值：x =(1/n）×Σ（Xi) 样本方差：s =(1/(n-1））×Σ（Xi-x)^2 符号假设置信水平：1-α 显著水平：α
已知n个样本数据Xi (i=1,2,...,n），如何估计总体的均值? 首先，引入记号： 区间估计σ'=σ/sqrt(n) s'=s/sqrt(n) 然后，分情况讨论： 情况1 小样本（n<30），σ已知，此时区间位于 x ± z（α/2）×σ' 情况2 小样本（n<30），σ未知，此时区间位于 x ± t（α/2）×s' 区间估计情况3 大样本（n≥30），σ已知，此时区间位于 x ± z（α/2）×σ' 情况4 大样本（n≥30），σ未知，此时区间位于 x ± z（α/2）×s' 其中， z（α/2）表示：正态分布的水平α的分位数 t（α/2）表示：T分布的水平α的分位数
置信区间
区间估计有时，对所考虑的置信区间（或上、下限）加上某种一般性限制，在这个前提下寻找最优者。无偏 性是经常用的限制之一，如果一个置信区间（上、下限）包含真值θ的概率，总不小于包含任何假值θ┡的概率， 则称该置信区间（上、下限）是无偏的。同变性（见统计决策理论）也是一个常用的限制。
求置信区间的方法 最常用的求置信区间及置信上、下限的方法有以下几种。
即
费希尔把这个等式解释为：在抽样以前，对于θ落在区间内的可能性本来一无所知，通过抽样，获得了上述 数值，它表达了统计工作者对这个区间的"信任程度",若取b)=-α=uα/2，则得到区间，其信任程度为 1-α。即 当用上述区间作为θ的区间估计时，对于“它能包含被估计的θ”这一点可给予信任的程度为1-α。
概率论与数理统计第7章参数估计PPT课件
a1(1, ,k )=v1
1 f1(v1, ,vk )
假定方程组a2(1, ,k ) v2 ,则可求出2 f2(v1, ,vk )
ak (1, ,k ) vk
k fk (v1, ,vk )
则x1 xn为X的样本值时，可用样本值的j阶原点矩Aj估计vj，其中
Aj
1 n
n i1
xij ( j
L(x1, ,xn;ˆ)maxL(x1, ,xn;)，则称ˆ(x1, ,xn)为
的一种参数估计方法 .
它首先是由德国数学家
高斯在1821年提出的 ,然而， 这个方法常归功于英国统
Gauss
计学家费歇（Fisher） . 费歇在1922年重新发现了
这一方法，并首先研究了这
种方法的一些性质 .
Fisher
10
极大似然估计是在已知总体分布形式的情形下的 点估计。
极大似然估计的基本思路：根据样本的具体情况
注：估计量为样本的函数，样本不同，估计量不 同。
常用估计量构造法：矩估计法、极大似然估计法。
4
7.1.1 矩估计法
矩估计法是通过参数与总体矩的关系，解出参数， 并用样本矩替代总体矩而得到的参数估计方法。 （由大数定理可知样本矩依概率收敛于总体矩， 且许多分布所含参数都是矩的函数）
下面我们考虑总体为连续型随机变量的情况：
n
它是的函数，记为L(x1, , xn; ) f (xi , ), i 1
并称其为似然函数，记为L( )。
注：似然函数的概念并不仅限于连续随机变量 ，
对于离散型随机变量，用 P {Xx}p(x,)
替代f ( x, )
即可。
14
设总体X的分布形式已知，且只含一个未知参数，
7-4 区间估计
X P n t 2 n 1 1 ， S
即
S P X t n 1 2 1 . n
故 的 95%单侧置信区间为
S t 2 n 1, X . n
它等价于
S S P t X t 1 ， n n
~ 2 n 1 .
因而，所求的置信区间为
S S X t , X t . n n
方差未知时关于
的置信区间示意图
t (n 1)
• 因此，在讨论实际问题时，应根据具体情 况，确定一个适当的置信度.
2）方差未知求均值的区间估计
由于方差 2 未知，所以前面给出的置信上、下限
ˆ1 X
n
z
1
ˆ 和 2 X
2
n
z
1
2
已不再是统计量. 受参数点估计原理的启发，我们自然想到用 2 的无偏
1 n Xi X 估计量——样本方差 S n 1 i 1
7-4 区间估计
刘建慧
§7-4 区间估计
前面向大家介绍了参数的点估计法 . 这种方法 简单、直观、便于计算，但也存在不能给出估计误 差精度的缺陷， 而参数的区间估计就能够弥补这个 缺陷. 要给出估计量的精度， 比较自然的办法是再指出 它 的 变 异 程 度 . 假 设 的 标 准 误 差 是 d ， 那 么 d , 2d 等等都在一定程度上反映了精度 . 这 种直观的思想诱导出一种新的参数估计法， 也就是 参数的区间估计. 本节我们主要介绍正态总体
, s 95 , t0.10 8 1.8595代入得 将 x 1280
北邮概率论与数理统计区间估计(7.4)
§7.4 区间估计参数的区间估计与参数的点估计一样，是参数估计的重要方法。
参数的点估计给出了一个具体值，但这个具体值不会是参数的精确值，而是一个近似值。
尽管近似的精度可以用均方误差给出评估，但我们还是无法知道估计值与真值相差多少。
区间估计在一定程度上解决了这个问题。
区间估计就是通过两个统计量及覆盖概率给出参数的另一种形式的估计。
当有样本值后，可以把未知参数估计在一定的范围内，并且可以给出这种估计的可信程度。
在某些具体问题中区间估计可能比点估计更具实用价值，并且区间估计还是度量点估计精度的最直观的方法。
因此区间估计是一种应用非常广泛的估计形式。
7.4.1 区间估计的概念设θ是未知参数，n x x x ,...,,21是样本，所谓区间估计就是要找两个统计量),...,,(ˆˆ21n L L x x x θ=θ和),...,,(ˆˆ21n U U x x x θ=θ，使得),...,,(ˆ21n L x x x θ),...,,(ˆ21n U x x x θ<，并构造一个随机区间)ˆ,ˆ(U L θθ，在有了样本值后把θ估计在区间)ˆ,ˆ(U L θθ内。
由于样本的随机性，随机区间)ˆ,ˆ(U L θθ覆盖θ有一定的概率，自然要求随机区间)ˆ,ˆ(U L θθ覆盖θ的概率)ˆˆ(UL P θθθ<<尽可能大，但这必然导致区间长度增大，而过长的区间又会导致给出的区间估计无意义。
为解决此矛盾，Neyman 建议采取一种折中方案:在使得覆盖θ的概率达到一定要求的前提下,寻找“精确度”尽量高的区间估计. 因此我们把)ˆ,ˆ(U L θθ覆盖θ的的概率事先指定，这就引入置信区间的概念。
定义 设θ是总体的一个参数，假设有两个统计量),...,,(ˆˆ21n L L x x x θ=θ和),...,,(ˆˆ21n U U x x x θ=θ，若对任意Θ∈θ，有 )ˆˆ(UL P θθθ<<α-≥1 则称随机区间),ˆ(U L θθ为θ的置信水平为α-1的置信区间，UL θθ,ˆ分别称为θ的置信水平为α-1的（双侧）置信下限和置信上限。
数理统计区间估计总结
数理统计区间估计总结数理统计是一门研究数据收集、整理、分析和解释的学科，而区间估计是其中一种重要的方法。
区间估计是通过样本数据来推断总体参数的取值范围，它能够提供关于总体参数的不确定性程度的信息。
本文将对区间估计的概念、应用以及优缺点进行探讨，以期帮助读者更好地理解和运用这一统计方法。
一、区间估计的概念区间估计是一种基于样本数据的统计推断方法，通过计算得到一个包含未知总体参数的区间范围。
这个区间的上限和下限是根据样本数据计算出来的，并且具有一定的置信水平，代表了对总体参数的估计精度。
二、区间估计的应用区间估计广泛应用于各个领域的研究中，特别是在市场调研、医学实验、经济学研究等方面。
例如，在市场调研中，通过对样本数据的分析，可以得到某一产品销售量的置信区间，以评估其市场潜力。
在医学实验中，可以利用区间估计来确定某种药物的有效剂量范围，以指导临床应用。
三、区间估计的优缺点区间估计具有以下优点：首先，它能够提供对总体参数的估计精度信息，使得决策者能够更加准确地评估风险和不确定性。
其次，区间估计不依赖于总体分布的假设，适用于各种类型的数据。
最后，区间估计可以较好地处理样本量较小的情况，提供对总体参数的合理估计。
然而，区间估计也存在一些缺点。
首先，区间估计只能提供对总体参数的范围估计，无法给出具体的点估计。
其次，区间估计的置信水平不一定能够准确反映总体参数的真实情况，存在一定的误差。
最后，区间估计对样本数据的分布和总体参数的假设要求较高，如果假设不满足，估计结果可能会失真。
区间估计是一种重要的统计推断方法，可以提供对总体参数的估计范围和置信水平信息。
它在各个领域的研究中有着广泛的应用，并具有一定的优点和缺点。
因此，在实际应用中，我们需要根据具体情况选择合适的区间估计方法，并结合其他统计方法进行综合分析，以获得更加准确的结论。
区间估计名词解释
区间估计名词解释区间估计是统计学中的一种方法，用于根据样本数据对总体参数（如总体均值、总体比例等）进行估计，并给出一个置信区间。
该方法的目的是通过样本数据对总体参数进行估计，并给出一个范围，称为置信区间，来描述参数真实值的不确定性。
在进行统计推断时，我们常常面临一个问题，即如何根据样本数据对总体参数进行估计，因为我们通常无法全部调查总体。
区间估计的方法基于样本数据的统计量（如样本均值、样本比例等）的分布特征，利用统计学的理论知识和方法，推断总体参数的范围。
区间估计的结果是一个区间，给出了总体参数的估计值的可能范围。
要进行区间估计，首先需要确定置信水平。
置信水平是对估计结果的可靠性的度量，通常表示为95%或99%等。
置信水平越高，置信区间的范围就越宽，对总体参数的估计也就越准确。
然后，利用统计学的公式和方法，计算出样本统计量的分布范围，从而得到置信区间。
置信区间为一个范围，通常写成（下限，上限），表示总体参数的估计值在这个范围内的概率为指定的置信水平。
区间估计有很多种方法，常见的有正态分布区间估计、t分布区间估计等。
其中，正态分布区间估计是基于大样本（n>30）的情况下，利用正态分布的性质进行估计；t分布区间估计适用于小样本（n<30）的情况，因为样本量较小，样本分布通常不满足正态分布的要求，所以使用t分布进行估计。
除此之外，还有二项分布、泊松分布等的区间估计方法，用于估计总体比例或总体均值等参数。
区间估计的优点是可以提供一个范围，显示参数估计的不确定性。
与点估计相比，区间估计更加全面和准确。
然而，区间估计也有其局限性，它只能给出总体参数的范围，但无法确定总体参数的具体值。
因此，在进行区间估计时，我们需要根据实际问题和数据特点选择适当的方法，并合理解释和使用置信区间的结果。
概率论与数理统计第七章
参数估计
湖南商学院信息系 数学教研室
第七章
第一节
第二节
参数估计
矩估计
极大似然估计
第三节
第四节
估计量的优良性准则
正态总体的区间估计（一）
第五节
正态总体的区间估计（二）
总体是由总体分布来刻画的.
总体分布类型的判断──在实际问题中, 我们根据问题本身的专业知识或以往的经验 或适当的统计方法,有时可以判断总体分布 的类型.
本章讨论:
参数估计的常用方法.
估计的优良性准则. 若干重要总体的参数估计问题.
参数估计问题的一般提法 设有一个统计总体，总体的分布函数 为 F(x, )，其中 为未知参数 ( 可以是 向量) . 现从该总体抽样，得样本 X1, X2 , … , Xn
要依据该样本对参数 作出估计，或估计
(m=1,2, ,k)
步骤二、 算出m阶样本原点矩:
1 n m Am X i m 1,2, , k n i 1 步骤三、令 am (1,2,,k) = Am
(m=1,2, ,k)得关于 1,2,,k的 方程组 步骤四、解这个方程组,其解记为
ˆ ( X , X ,, X ) i 1 2 n ，i 1,2, , k
n
1 2 ˆ : ˆ 其中 （X i X ) n i 1
矩法的优点是简单易行,并不需要 事先知道总体是什么分布 . 缺点是，当总体类型已知时，没有 充分利用分布提供的信息 . 一般场合下, 矩估计量不具有唯一性 .
其主要原因在于建立矩法方程时， 选取那些总体矩用相应样本矩代替带 有一定的随意性 .
数和2的矩估计为
例如 求正态总体 N(,2)两个未知参
- 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)。
3/7
故 的置信水平为 1 的置信区间为 ( X z / 2 , X z / 2 ) n n 特别取 n 16 , 0.05 ,则 z / 2 z0.025 1.96 于是 的置信水平为 0.95 的一个置信区间为
( X 0.49 , X 0.49)
第七章 参数估计
§4 区间估计 设 X1 , X 2 , , Xn 为来自总体 X ~ N ( , 1 ) 的样本, 试求未知参数 的置信水平为 1 的置信区间. 的 MLE为 X ，且 X ~ N (0,1) ( 0 1) 0 / n 故对于给定的置信水平 1 , 查表可求得 z / 2 使得 | X | P z / 2 1 1 0 / n 等价地有 z /2 z /2 P{ X 0 z / 2 X 0 z / 2} 1
第七章 参数估计
§4 区间估计
2/7
设总体 X ~ F ( x , ) ( ) , 0 1 若存在 两个统计量 ( X1 , X 2 , , X n ), ( X1 , X 2 ,, X n ) ( ) 使得 Θ 有 P{ } 1 则称随机区间 ( , ) 为 的置信水平为 1 的置信区间, 、 分别称为置信下限和置信上限. 双侧置信区间 置信水平也称为置信度,通常 较小,1 较大 对于连续型总体,则取 P{ } 1 对于离散型总体,则取 P{ }尽可能接近 1
长
n n 可见置信区间不唯一！
3 / 4
/4
怎样选择？ 采用面积对称原则确定分位点
第七章 参数估计
§4 区间估计 求未知参数 的置信估计的未知参数， ˆ, ˆ 求 , 的较好的点估计 一般运用抽样分布定理 构造样本函数 ˆ, ˆ ) ~ f ( x) W W ( ,
第七章 参数估计
n
n
§4 区间估计
( X 0.49, X 0.49)
4/7
ˆ X 只给出了 的点估计 ( X 0.49 , X 0.49 ) 给出了 所在的一个范围 ˆ 都可以作为 的点估计 ˆ ( X 0.49 , X 0.49 )， 其估计误差 ˆ | 2 0.49 0.98 e |
的置信区间为 ( , )
f 1 / 2 ( x )
f / 2 ( x)
x
第七章 参数估计
§4 区间估计
7/7
8、10、11、12、14
END
第七章 参数估计
§4 区间估计
ˆ ˆ( X1 , X 2 , , X n ) 是未知参数 的点估计 设 用 ˆ 估计 有多高的精度？
1/7
未知参数 落在什么范围内？ ˆ1 , ˆ2 ( ˆ1 ˆ2 ), 若 设有两个统计量
ˆ , ˆ ) ( 1 2 ˆ , ˆ )可作为未知参数 的“估计”. 则随机区间 ( 1 2 导弹直接命中敌机将其击毁 ˆ2 ˆ1 小，则估计精度高、可信度低 ˆ2 ˆ1 大，则可信度高、估计精度低 导弹接近敌机时引爆战斗部，依靠高速飞行的弹 片将其击毁 如何平衡估计精度与可信度？
( X 0.49 , X 0.49)是否一定包含真值 置信度 1 0.95 的实际含意是什么
以上分析的可信度为 95%,即若反复抽样 100次，则包 含真值 的区间 ( x 0.49 , x 0.49)约有 95 个，不包含 的 区间大约只有 5 个.
第七章 参数估计
§4 区间估计
5/7
的置信水平为 1 的置信区间满足 0 0 P{ X z X z } 1
短
n
/2
n
/2
面积为 1
3 / 2/ 4
/ 2 3 / 4
/ /24
z z z /z2 / 4
的置信水平为 1 的置信区间也可由下式确定 0 0 P{ X z X z } 1