7第7章 参数估计(点估计与区间估计)---复习思想
合集下载
概率论与数理统计复习7章
( n − 1) S 2 ( n − 1) S 2 = 1 − α 即P 2 <σ2 < 2 χα 2 ( n − 1) χ1−α 2 ( n − 1) ( n − 1) S 2 ( n − 1) S 2 置信区间为： 2 , χα 2 ( n − 1) χ12−α 2 ( n − 1)
则有：E ( X v ) = µv (θ1 , θ 2 ,⋯ , θ k ) 其v阶样本矩是：Av = 1 ∑ X iv n i =1
n
估计的未知参数，假定总体X 的k阶原点矩E ( X k ) 存在，
µ θ , θ ,⋯ , θ = A k 1 1 1 2 µ2 θ1, θ 2 ,⋯ , θ k = A2 用样本矩作为总体矩的估计，即令： ⋮ µ θ , θ ,⋯ , θ = A k k k 1 2 ɵ ɵ ˆ 解此方程即得 (θ1 , θ 2 ,⋯ , θ k )的一个矩估计量 θ 1 , θ 2 ,⋯ , θ k
+∞
−∞
xf ( x ) dx = ∫ θ x θ dx =
1 0
令E ( X ) = X ⇒
θ +1
θ
ˆ = X ⇒θ =
( )
X 1− X
θ +1
2
θ
7.2极大似然估计法
极大似然估计法： 设总体X 的概率密度为f ( x,θ ) (或分布率p( x,θ )),θ = (θ1 ,θ 2 ,⋯ ,θ k ) 为 未知参数，θ ∈ Θ, Θ为参数空间，即θ的取值范围。设 ( x1 , x2 ,⋯ , xn ) 是 样本 ( X 1 , X 2 ,⋯ , X n )的一个观察值：
i =1 n
概率论与数理统计第7章参数估计PPT课件
5
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，
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，
贾俊平《统计学》复习笔记课后习题详解及典型题详解(参数估计)【圣才出品】
2．点估计与区间估计 （1）点估计
∧
定义：点估计是用样本统计量θ的某个取值直接作为总体参数 θ 的估计值。 局限性：一个点估计值的可靠性是由它的抽样标准误差来衡量的，这表明一个具体的点 估计值无法给出估计的可靠性的度量，因此不能完全依赖于一个点估计值，而应围绕点估计 值构造总体参数的一个区间。 （2）区间估计 区间估计的基本思想：在点估计的基础上，给出总体参数估计的一个区间范围，该区间 通常由样本统计量加减估计误差得到。进行区间估计时，根据样本统计量的抽样分布能够对 样本统计量与总体参数的接近程度给出一个概率度量。 置信区间：在区间估计中，由样本统计量所构造的总体参数的估计区间。
著性水平表示区间估计的不可靠概率。置信度愈大（即估计的可靠性愈大），则置信区间相
应也愈大（即估计准确性愈小）。
3．评价估计量的标准
2 / 57
圣才电子书
（1）无偏性
十万种考研考证电子书、题库视频学习平台
指估计量抽样分布的数学期望等于被估计的总体参数。
∧
∧
∧
设总体参数为 θ，所选择的估计量为θ，若有 E（θ）＝θ，则称θ为 θ 的无偏估计量。
1 / 57
圣才电子书 十万种考研考证电子书、题库视频学习平台
置信下限：置信区间的最小值。
置信上限：置信区间的最大值。
置信水平（也称为置信度或置信系数）：将构造置信区间的步骤重复多次，置信区间中
包含总体参数真值的次数所占的比例。
∧
∧
区间估计的数学定义：若用两个统计量θ1（x1，x2，…，xn）和θ2（x1，x2，…，xn）
存在“可能包含”或“可能不包含”的问题。
③在实际问题中，进行估计时往往只抽取一个样本，此时所构造的是与该样本相联系的
∧
定义：点估计是用样本统计量θ的某个取值直接作为总体参数 θ 的估计值。 局限性：一个点估计值的可靠性是由它的抽样标准误差来衡量的，这表明一个具体的点 估计值无法给出估计的可靠性的度量，因此不能完全依赖于一个点估计值，而应围绕点估计 值构造总体参数的一个区间。 （2）区间估计 区间估计的基本思想：在点估计的基础上，给出总体参数估计的一个区间范围，该区间 通常由样本统计量加减估计误差得到。进行区间估计时，根据样本统计量的抽样分布能够对 样本统计量与总体参数的接近程度给出一个概率度量。 置信区间：在区间估计中，由样本统计量所构造的总体参数的估计区间。
著性水平表示区间估计的不可靠概率。置信度愈大（即估计的可靠性愈大），则置信区间相
应也愈大（即估计准确性愈小）。
3．评价估计量的标准
2 / 57
圣才电子书
（1）无偏性
十万种考研考证电子书、题库视频学习平台
指估计量抽样分布的数学期望等于被估计的总体参数。
∧
∧
∧
设总体参数为 θ，所选择的估计量为θ，若有 E（θ）＝θ，则称θ为 θ 的无偏估计量。
1 / 57
圣才电子书 十万种考研考证电子书、题库视频学习平台
置信下限：置信区间的最小值。
置信上限：置信区间的最大值。
置信水平（也称为置信度或置信系数）：将构造置信区间的步骤重复多次，置信区间中
包含总体参数真值的次数所占的比例。
∧
∧
区间估计的数学定义：若用两个统计量θ1（x1，x2，…，xn）和θ2（x1，x2，…，xn）
存在“可能包含”或“可能不包含”的问题。
③在实际问题中，进行估计时往往只抽取一个样本，此时所构造的是与该样本相联系的
第7章参数估计
31 100
假定A品牌袋装大米的重量服从正态分布，现随机抽取13袋大 米，测得其重量（单位：千克）分别为 ⎛ ⎞ 24, 24.2, 24.4, 24.6, 24.7, ⎝ 24.8, 25, 25.1, 25.1, 25.2, ⎠ 25.3, 25.4, 25.6. 分别计算该品牌袋装大米的重量的均值，及重量的标准差 的95%的置信区间。
4. 整理后，得到未知参数������的置信区间
参数估计的基本原理 点估计 区间估计 一个总体参数的区间估计 总体均值的区间估计 总体比例的区间估计 总体方差的区间估计 两个总体参数的区间估计 两个总体均值之差的区间估计 两个总体比例之差的区间估计 两个总体方差之比的区间估计 样本量������的确定 估计总体均值是样本量的确定 估计总体比例时是样本量的确定
一家食品生产企业以生产袋装食品为主，每天的产量大约 为8000袋左右。按规定每袋的重量应为100g。为了对产品质量进 行监测，企业质检部门经常要进行抽检，以分析每袋重量是否符 合要求。现从某天生产的一批食品中随机抽取25袋，测得每袋重 量如下所示： 112.5 102.6 100 116.6 136.8 101 107.5 123.5 95.4 102.8 103 95 102 97.8 101.5 102 108.8 101.6 108.6 98.4 100.5 115.6 102.2 105 93.3
正态总体，������未知，因此应用公式①，即 ������ 2 ������ 2 方差的置信区间为[ ������(2������−(1) , ������2(������−1) ]， ������ − 1) ( ������ −1) ������/2 1−������/2 √︂ √︂ ������ 2 ������ 2 标准差的置信区间为[ ������(2������−(1) , ������2(������−1) ]。 ������−1) (������−1)
第七章 参数估计
第七章 参数估计
1、正态总体、方差已知或非正态总体，大样本 当总体服从正态分布且方差已知时，或者总体不是正态分布但是大样本时，样本 均值的抽样分布均为正态分布，其数学期望为总体均值u，方差为Ϭ2/n。而样本均 值经过标准化以后的随机变量则服从标准正态分布，即 Z=(x-u)/(Ϭ/n0.5)~N(0,1) 根据上式和正态分布的性质可以得出总体均值u在1-α置信水平下的置信区间为： xα+是(-)事Z(α先/2)所(Ϭ确/n定0.5的)。而其一中个，概x率+Z值(α/2，) (Ϭ也/n称0.为5)为风置险信值上，限是，总x体-Z均(α/2值) (Ϭ不/包n0.含5)为在置置信信下区限间，的 概是率估；计1总- 体α称均为值置时信的水估平计，误Z差(α/。2) 是标准正态分布右侧面积为α/2的z值；Z(α/2) (Ϭ/n0.5) 也即是说，总体均值的置信区间由两个部分构成：点估计值和描述估计量精度的 +(-)值，这个+(-)值称为估计误差。
第七章 参数估计
在区间估计中，由样本统计量所构造的总体参数的估计区间称为置信区间。
其中，区间的最小值称为置信下限，最大值称为置信上限。
由于统计学家在某种程度上确信这个区间会包含真正的总体参数，所以给它取名 为置信区间。原因是：如果抽取了许多不同的样本，比如说抽取100个样本，根据 每一个样本构造了一个置信区间，这样，由100个样本构造的总体参数的100个置 信区间中，有95%的区间包含了总体参数的真值，而5%则没有包含，则95%这个值 称为置信水平。一般，如果将构造置信区间的步骤重复多次，置信区间中包含总 体参数真值的次数所占的比例称为置信水平，也称为置信度或置信系数。
自然使用估计效果最好的那种估计量。什么样的估计量才算一个好的估计量呢？ 统计学家给出了评价估计量的一些标准，主要包括以下几个：
概率第7章 参数估计
然而，这个方法常归功于 英国统 计学家费歇 . 费歇在1922年重新发现了 这一方 法，并首先研究了这 种方法的一些质 .
Gauss
Fisher
基本思想
甲.乙两人比较射击技术,分别射击目标一次,甲中而乙未中, 可以认为:甲射击技术优于乙射击技术. 事件A发生的概率为0.1或0.9,观察一次,事件A发生了, 可以认为:事件A发生的概率为0.9. 实际问题(医生看病、公安人员破案、技术人员进行质量 检验等)尽管千差万别,但他们具有一个共同的规律,即在 获得了观察资料之后,给参数选取一个数值,使得前面的观 察结果出现的可能性最大. 最大似然估计就是通过样本值 x1 , , x n 等数求得总体的 分布参数,使得 X1 ,, X n 取值为 x1 , , x n 的概率最大.
i
L( ) L( x1 , , x n ; ) f ( x i ; ),
i 1
n
的最大值，这里 ( )称为样本的似然函数 L .
ˆ 若 L( x 1 , , x n ; ) max L( x 1 , , x n ; )
ˆ 则称 ( x1 , , xn )为 的极大似然估计值 .
i
xi
在得到观测值 x1 ， x 2 ， ， x n 的前提下，自然 应当选取使得 n
f ( x ; )dx
i i 1
i
达到最大的 值作为未知参数 的估计值．
因为当未知参数 等于这个值时，出现给 定的那个 样本观测值的可能性最 大．
但 dxi 不随 而变，故只需考虑：
3.期望和方差的点估计 在实际中,常常以样本均值作为总体均值的 点估计,以样本方差作为总体方差的点估计. 期望的点估计: (1)无偏性 1 n 选择估计量 X X i n i 1 (2)样本容量越大,估计值 越有效 方差的点估计:
Gauss
Fisher
基本思想
甲.乙两人比较射击技术,分别射击目标一次,甲中而乙未中, 可以认为:甲射击技术优于乙射击技术. 事件A发生的概率为0.1或0.9,观察一次,事件A发生了, 可以认为:事件A发生的概率为0.9. 实际问题(医生看病、公安人员破案、技术人员进行质量 检验等)尽管千差万别,但他们具有一个共同的规律,即在 获得了观察资料之后,给参数选取一个数值,使得前面的观 察结果出现的可能性最大. 最大似然估计就是通过样本值 x1 , , x n 等数求得总体的 分布参数,使得 X1 ,, X n 取值为 x1 , , x n 的概率最大.
i
L( ) L( x1 , , x n ; ) f ( x i ; ),
i 1
n
的最大值，这里 ( )称为样本的似然函数 L .
ˆ 若 L( x 1 , , x n ; ) max L( x 1 , , x n ; )
ˆ 则称 ( x1 , , xn )为 的极大似然估计值 .
i
xi
在得到观测值 x1 ， x 2 ， ， x n 的前提下，自然 应当选取使得 n
f ( x ; )dx
i i 1
i
达到最大的 值作为未知参数 的估计值．
因为当未知参数 等于这个值时，出现给 定的那个 样本观测值的可能性最 大．
但 dxi 不随 而变，故只需考虑：
3.期望和方差的点估计 在实际中,常常以样本均值作为总体均值的 点估计,以样本方差作为总体方差的点估计. 期望的点估计: (1)无偏性 1 n 选择估计量 X X i n i 1 (2)样本容量越大,估计值 越有效 方差的点估计:
第7章估计理论
D X EX EX 2 12
2 2 2
1 1 2 1 X i X i Xi X n n n
2
2
样本方差
∴样本均值和样本方差是总体数学期望与总体方差的矩估计量。可以证明， 前面讲过的样本各种数字特征是总体同名数字特征的矩估计量。
X EX
标准化后的变量
也是随机变量，常数为离均系数，若X的数字特征为 EX , , Cs则的
Cs Cs 的最小值为： 均值为0 ，方差为1，
0
a EX 2 2 Cs Cs
当Cs 0,
，此时
为标准化正体分布∴结论是对的
从以上所推导出离均系数分布密度可知，该分布密度仅与 Cs 有关，那么只要给p 可通过积分求得p 即
解：设样本
x1 , x 2 , x n
x
1
为极大值 ∵ x1
* 即 取值范围[ x1 , ) 是抽自以上总体的。故 为使似然函数达最大
即
L 1 n 达最大 在 取值范围内 显然 x1时可使L达最大
对于P-III型分布中的τ分布（即a0=0的P-III分布）,可以用两个似然方
P-Ⅲ型分布是我国水利水电工程水文计算规范中推荐采用的分 布,我国水文工作者对其参数估计的方法作了大量研究,现行广泛采用 的是适线法。 一、适线法 适线法不是给出估计量的计算公式，而是由实测样本直接推求 参数的估计值。包括目估和计算机优化适线法。 （一）、适线法的基本原理 设随机变量X的超过制分布函数 P( X x) G ( x; u10 ,, ul0 ) 的函 数类型已知，其中的参数 u10 ,, ul0未知，待估计，又设x1,…,xn为X 的一个容量为n的样本，利用这个样本通过适线法估计参数 u10 ,, ul0 的值。 将x1,x2,…,xn由大到小排队：x 计算经验频率 Pm P X xm ,将点 ( Pm , xm )(m=1~n)(称为经验点据)
参数的点估计与区间估计 ppt课件
第七章 参数估计
进行统计推断的一般步骤为: 总体 随机抽样 样本
统计量
作出推断
统计推断的
基本问题
参数的点估计 参数估计问题
参数的区间估计
参数假设检验 假设检验问题
非参数假设检验
参数估计问题: 就是要利用样本, 对总体 分布中包含的未知参数或未知参数的某些函数 作出估计.
如: 估计产品的废品率; 估计湖中鱼的数量; 估计降雨量等等.
,
2
解得 2E( X ) ,
总体矩用相应的样本矩代替, 得矩估计量:
2
1
n
X
i
2X
.
n i1
二、 极大似然估计法 是在总体类型已知的条件下使用的一种参数
估计方法 . 其基本思想是概率最大的事件最可能发生 .
例如: 某位同学与一位猎人一起外出打猎 .一只野兔 从前方窜过 . 只听一声枪响，野兔应声倒下 . 是谁打中的呢？
同样是无偏估计量, 有的取值较集中, 有的 取值较分散. 自然是: 取值越集中的越好. 由此 引入了有效性这个标准 .
估计量与样本容量有关, 我们希望: 随着样 本容量的无限增大, 估计量与被估计量任意接近 的可能性越来越大. 由此引入了一致性这个标准.
无偏性: 若 E( ) , 则称 是 的无偏估计.
根据“概率最大的事件最可能发生”，我们可取
使
概率
n
f
(
xi
;
)d
xi
达到最大的参数
作为
的估计；
i 1
n
n
即求 使 f ( xi;
进行统计推断的一般步骤为: 总体 随机抽样 样本
统计量
作出推断
统计推断的
基本问题
参数的点估计 参数估计问题
参数的区间估计
参数假设检验 假设检验问题
非参数假设检验
参数估计问题: 就是要利用样本, 对总体 分布中包含的未知参数或未知参数的某些函数 作出估计.
如: 估计产品的废品率; 估计湖中鱼的数量; 估计降雨量等等.
,
2
解得 2E( X ) ,
总体矩用相应的样本矩代替, 得矩估计量:
2
1
n
X
i
2X
.
n i1
二、 极大似然估计法 是在总体类型已知的条件下使用的一种参数
估计方法 . 其基本思想是概率最大的事件最可能发生 .
例如: 某位同学与一位猎人一起外出打猎 .一只野兔 从前方窜过 . 只听一声枪响，野兔应声倒下 . 是谁打中的呢？
同样是无偏估计量, 有的取值较集中, 有的 取值较分散. 自然是: 取值越集中的越好. 由此 引入了有效性这个标准 .
估计量与样本容量有关, 我们希望: 随着样 本容量的无限增大, 估计量与被估计量任意接近 的可能性越来越大. 由此引入了一致性这个标准.
无偏性: 若 E( ) , 则称 是 的无偏估计.
根据“概率最大的事件最可能发生”，我们可取
使
概率
n
f
(
xi
;
)d
xi
达到最大的参数
作为
的估计；
i 1
n
n
即求 使 f ( xi;
- 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)。
7 - 5 -88
估计量与估计值
7 - 6 -88
估计量与估计值
(estimator & estimated value)
1. 估计量：用于估计总体参数的统计量
如样本均值，样本比例、样本方差等 例如: 样本均值就是总体均值 的一个估计量
ˆ 表示 2. 参数用 表示，估计量用 3. 估计值：估计参数时计算出来的统计量的 具体值
D(1 ) D( 2 )
^ ^
量，有更小标准差的估计量更有效
ˆ) P(
ˆ1 的抽样分布
B A
ˆ2 的抽样分布
ˆ
7 - 14 -88
一致性
(consistency)
一致性：随着样本容量的增大，估计量的 ^ lim P(| | ) 1 值越来越接近被估计的总体参数 n
我们只能是希望这个区间是大量包含总体参数真 值的区间中的一个，但它也可能是少数几个不包 含参数真值的区间中的一个
7 - 20 -88
置信区间与置信水平
均值的抽样分布
/2
x
1 –
/2
x
(1 - ) % 区间包含了
x
% 的区间未包含
7 - 21 -88
影响区间宽度的因素
x z
2
s 7.77 39.5 1.645 n 36 39.5 2.13 37.37,41.63
投保人平均年龄的置信区间为37.37岁~41.63岁
7 - 24 -88
略
7 - 25 -88
7.2 一个总体参数的区间估计 ------略
7.2.1 总体均值的区间估计 7.2.2 总体比例的区间估计 7.2.3 总体方差的区间估计
^ ^
7 - 11 -88
评价估计量的标准
7 - 12 -88
无偏性
(unbiasedness)
无偏性：估计量抽样分布的数学期望等于被 ^ 估计的总体参数 E ( )
ˆ) P(
无偏 有偏
A
B
7 - 13 -88
ˆ
有效性
(efficiency)
有效性：对同一总体参数的两个无偏点估计
25袋食品的重量
112.5
102.6 100.0 116.6
101.0
107.5 123.5 95.4
103.0
95.0 102.0 97.8 101.5
102.0
108.8 101.6 108.6 98.4
100.5
115.6 102.2 105.0 93.3
136.8 7 - 30 -88 102.8
(例题分析)
【例】某城市想 要估计下岗职工 中女性所占的比 例，随机地抽取 了100名下岗职 工，其中 65 人为 女性职工。试以 95% 的置信水平 估计该城市下岗 职工中女性比例 的置信区间
7 - 41 -88
解：已知 n=100，p＝65% , 1- = 95%， z/2=1.96
p z
2. 使用正态分布统计量 z x z ~ N (0,1) n 3. 总体均值 在1- 置信水平下的置信区间为 s x z 2 或 x z 2 ( 未知) n n
7 - 29 -88
总体均值的区间估计
(例题分析)
【 例 】一家食品生产企业以生产袋装食品为主，为对产量质 量进行监测，企业质检部门经常要进行抽检，以分析每袋重 量是否符合要求。现从某天生产的一批食品中随机抽取了25 袋，测得每袋重量如下表所示。已知产品重量的分布服从正 态分布，且总体标准差为 10g 。试估计该批产品平均重量的 置信区间，置信水平为95%
该食品平均重量的置信区间为101.44g~109.28g
7 - 31 -88
总体均值的区间估计
(例题分析)
【例】一家保险公司收集到由 36 投保个人组成的随 机样本，得到每个投保人的年龄(周岁)数据如下表。 试建立投保人年龄90%的置信区间
36个投保人年龄的数据
23 36 42 34 39 34
35 42 53 28 49 39
如果样本均值 x =80，则80就是的估计值
7 - 7 -88
点估计与区间估计
7 - 8 -88
参数估计的方法
估 计 方 法
点
估
计
区间估计
矩估计法 顺序统计量法 极大似然法 最小二乘法
7 - 9 -88
点估计
(point estimate)
1. 用样本的估计量直接作为总体参数的估计值
例如：用样本均值直接作为总体均值的估计
2
p (1 p ) n
总体均值的区间估计
(例题分析)
解：已知Ｘ~N(，102)，n=25, 1- = 95%，z/2=1.96。根 据样本数据计算得：x 105.36 总体均值在1-置信水平下的置信区间为
x z
2
10 105.36 1.96 n 25 105.36 3.92 101.44,109.28
7 - 26 -88
一个总体参数的区间估计
总体参数
符号表示
样本统计量
x p
s
2
均值
比例
2
方差
7 - 27 -88
总体均值的区间估计
(正态总体、２已知，或非正态总体、大样本)
7 - 28 -88
总体均值的区间估计
(大样本)
1. 假定条件
总体服从正态分布,且方差(２) 已知 如果不是正态分布，可由正态分布来近似 (n 30)
总体服从二项分布 可以由正态分布来近似
2.
使用正态分布统计量 z p z ~ N (0,1) (1 ) n 3. 总体比例在1-置信水平下的置信区间为
p z 2
7 - 40 -88
(1 )
n
或 p z 2
p(1 - p) ( 未知时) n
总体比例的区间估计
16灯泡使用寿命的数据
1510 1450 1480 1460
7 - 37 -88
1520 1480 1490 1460
1480 1510 1530 1470
1500 1520 1510 1470
总体均值的区间估计
(例题分析)
解：已知Ｘ~N(，2)，n=16, 1- = 95%，t/2=2.131 根据样本数据计算得：x 1490 ， s 24.77 总体均值在1-置信水平下的置信区间为
为是总体参数未在区间内的比例
相应的 为0.01，0.05，0.10
3. 常用的置信水平值有 99%, 95%, 90%
7 - 19 -88
置信区间
(confidence interval)
1. 由样本统计量所构造的总体参数的估计区间称 为置信区间 2. 统计学家在某种程度上确信这个区间会包含真 正的总体参数，所以给它取名为置信区间 3. 用一个具体的样本所构造的区间是一个特定的 区间，我们无法知道这个样本所产生的区间是 否包含总体参数的真值
标准正态分布
标准正态分布
t (df = 13)
t 分布
t (df = 5)
z
t 分布与标准正态分布的比较xຫໍສະໝຸດ 不同自由度的t分布t
7 - 36 -88
总体均值的区间估计
(例题分析)
【例】已知某种灯泡的寿命服从正态分布，现从一 批灯泡中随机抽取 16只，测得其使用寿命(小时)如 下。建立该批灯泡平均使用寿命95%的置信区间
区间估计的图示
x z 2 x x z 2
正态分布 方差已知
n
x
x
90% 95% 99%
x +1.65x
x +2.58x
x - 2.58x x -1.65 x x -1.96 x
x +1.96x
7 - 18 -88
置信水平
1. 将构造置信区间的步骤重复很多次，置 信区间包含总体参数真值的次数所占的 比例称为置信水平 2. 表示为 (1 -
ˆ) P(
较大的样本容量
B A
较小的样本容量
7 - 15 -88
ˆ
区间估计（枢轴量法）
(interval estimate)
在点估计的基础上，给出总体参数估计的一个区间 范围，该区间由样本统计量加减抽样误差 x n 而得到的 2. 根据样本统计量的抽样分布能够对样本统计量与总体 参数的接近程度给出一个概率度量 1.
36个投保人年龄的数据
23 36 42 34 39 34
35 42 53 28 49 39
39 46 45 39 38 45
27 43 54 36 34 48
36 31 47 44 48 45
44 33 24 40 50 32
7 - 23 -88
总体均值的区间估计
(例题分析)
解：已知n=36, 1- = 90%，z/2=1.645。根据样本数 据计算得： x 39.5 ，s 7.77 总体均值在1- 置信水平下的置信区间为
7 - 2 -88
参数估计在统计方法中的地位
统计方法
描述统计 推断统计
参数估计
7 - 3 -88
假设检验
统计推断的过程
总体
样 本
样本统计量
如：样本均值 、比例、方差
7 - 4 -88
7.1 参数估计的一般问题
7.1.1 估计量与估计值 7.1.2 点估计与区间估计 7.1.3 评价估计量的标准
x t
2
s 24.77 1490 2.131 n 16 1490 13.2 1476.8,1503.2