版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
參數估計第二章第2章參數估計點估計與無偏性PART2.12.1點估計與無偏性定義2.1.1
2.1點估計與無偏性定義2.1.1參數通常指如下幾種,它們都可以表示為總體概率分布的函數,記為??=??(??)或??=??(??)。分布中所含的未知常數;分布中的期望、方差、標準差、分位數等特征數;某事件的概率等。一個參數的估計量常不止一個,如何評價其優(yōu)劣性呢?常用的評價標準有多個,如無偏性、有效性、均方誤差最小與相合性。本節(jié)先講無偏性,其他幾個評價標準以后再作介紹。2.1點估計與無偏性定義2.1.2
2.1點估計與無偏性定義2.1.2圖2.1.12.1點估計與無偏性定義2.1.2
2.1點估計與無偏性例2.1.1
2.1點估計與無偏性例2.1.1
2.1點估計與無偏性
2.1點估計與無偏性表2.1.1正態(tài)標準差的修偏系數表第2章參數估計矩估計與相合性PART2.22.2矩估計與相合性2.2.1矩估計矩估計是一種具體的尋找點估計的方法,它的基本思想是“替代”,具體是:用樣本矩(即矩統(tǒng)計量)估計總體矩。用樣本矩的函數估計總體矩的相應函數。2.2矩估計與相合性2.2.1矩估計這里的矩可以是各階原點矩,也可以是各階中心矩。這一思想是英國統(tǒng)計學家皮爾遜
(K.Pearson)在1900年提出的。該思想合理,方法簡單,使用方便,只要總體矩存在的場合都可使用。該思想后人稱為矩法,
所得估計稱為矩估計。2.2矩估計與相合性例2.2.1
2.2矩估計與相合性例2.2.1
2.2矩估計與相合性例2.2.2
2.2矩估計與相合性例2.2.3設樣本X1,X2,···,Xn來自正態(tài)總體N(μ,σ2),μ與σ未知,求p=P(X<1)的估計。2.2矩估計與相合性解
2.2矩估計與相合性
2.2矩估計與相合性2.2.2相合性2.2矩估計與相合性定義2.2.1
2.2矩估計與相合性定義2.2.1
2.2矩估計與相合性
2.2矩估計與相合性定理2.2.1(辛欽大數定律)
2.2矩估計與相合性定理2.2.2
2.2矩估計與相合性定理2.2.2證
2.2矩估計與相合性
2.2矩估計與相合性故有由τ的任意性,定理得證。
2.2矩估計與相合性例2.2.4
2.2矩估計與相合性例2.2.4
最大似然估計與漸近正態(tài)性PART2.32.3最大似然估計與漸近正態(tài)性2.3.1最大似然估計定義2.3.1
2.3最大似然估計與漸近正態(tài)性2.3.1最大似然估計例2.3.1
設X=(X1,X2,···,Xn)是來自二點分布??(1,??)的一個樣本,其中諸Xi非0即1,??∈[0,1]是成功概率,該樣本的聯(lián)合分布為:2.3最大似然估計與漸近正態(tài)性2.3.1最大似然估計圖2.3.1成功概率??的似然函數2.3最大似然估計與漸近正態(tài)性2.3.1最大似然估計
對其求導,并令導函數為零可得對數似然方程,在本例中
2.3最大似然估計與漸近正態(tài)性2.3.1最大似然估計
2.3最大似然估計與漸近正態(tài)性2.3.1最大似然估計例2.3.2設某機床加工的軸的直徑與圖紙規(guī)定的尺寸的偏差服從N(μ,σ2),
其中μ,σ2未知。為估計μ與σ2,
從中隨機抽取n=100根軸,測得其偏差為X1,X2,···,X100。試求μ,σ2的最大似然估計。2.3最大似然估計與漸近正態(tài)性2.3.1最大似然估計
解
2.寫出對數似然函數:
2.3最大似然估計與漸近正態(tài)性2.3.1最大似然估計3.分別對
μ與
σ2求偏導,并令它們都為0,得到對數似然方程為:解
2.3最大似然估計與漸近正態(tài)性2.3.1最大似然估計
2.3最大似然估計與漸近正態(tài)性2.3.1最大似然估計例2.3.3設X=(X1,X2,···,Xn)是來自均勻分布U(0,θ)的一個樣本,求
θ的MLE2.3最大似然估計與漸近正態(tài)性2.3.1最大似然估計
解其中X(n)是樣本的最大次序統(tǒng)計量。圖2.3.2均勻分布U(0,θ)中θ的似然函數2.3最大似然估計與漸近正態(tài)性2.3.1最大似然估計這里并不能使用一階條件求函數極值,因此使用MLE的定義求θ的MLE。
2.3最大似然估計與漸近正態(tài)性2.3.1最大似然估計
為了說明這一點,我們可求得最大次序統(tǒng)計量X(n)的密度函數:2.3最大似然估計與漸近正態(tài)性2.3.1最大似然估計
可見,同一參數的無偏估計不止一個,它們的進一步比較將在下一節(jié)討論。2.3最大似然估計與漸近正態(tài)性2.3.1最大似然估計例2.3.4設X=(X1,X2,···,Xn)是來自均勻分布U(θ,θ+1)的一個樣本,其中θ可為任意實數,現(xiàn)要尋求θ
的MLE。2.3最大似然估計與漸近正態(tài)性2.3.1最大似然估計
解該似然函數在其不為零的區(qū)域上是常數,只要??不超過X(1)或??+1不小于X(n)都可使??(??)達到極大,即
2.3最大似然估計與漸近正態(tài)性2.3.1最大似然估計例2.3.5它有兩個參數,μ可取任意實數,稱為位置參數;σ>0稱為尺度參數。
現(xiàn)要求μ與σ的MLE。設X=(X1,X2,···,Xn)是來自雙參數指數分布exp(μ,σ)的一個樣本,該分布的密度函數為:
2.3最大似然估計與漸近正態(tài)性2.3.1最大似然估計先寫出μ與σ的似然函數,在非零區(qū)域上有解
這雖是在固定σ下尋求μ的最大值,但沒有具體規(guī)定σ的值。
即σ為任意值時μ的MLE都為X(1)。
2.3最大似然估計與漸近正態(tài)性2.3.1最大似然估計
解此對數似然方程,可得σ的MLE為:這是因為對任意的μ與σ,有
2.3最大似然估計與漸近正態(tài)性2.3.1最大似然估計例2.3.6
2.3最大似然估計與漸近正態(tài)性2.3.1最大似然估計由二元正態(tài)密度函數可以寫出σ2與ρ的似然函數:解
2.3最大似然估計與漸近正態(tài)性2.3.1最大似然估計經驗證,它們確實使似然函數L(σ2,ρ)達到最大值,
故它們分別是σ2與ρ的MLE。解之可得
2.3最大似然估計與漸近正態(tài)性2.3.2最大似然估計的不變原理定理2.3.1(不變原理)
2.3最大似然估計與漸近正態(tài)性2.3.2最大似然估計的不變原理例2.3.7某產品生產現(xiàn)場有多臺設備,設備故障的維修時間T服從對數正態(tài)分布LN(μ,σ2)。現(xiàn)在一周內共發(fā)生24次故障,其維修時間t(單位:
分)為:平均維修時間μT
與維修時間的標準差σT
的MLE??赏瓿?5%故障的維修時間t0.95(0.95分位數)的MLE。1228125475853368851110407564115485260728710555826665求2.3最大似然估計與漸近正態(tài)性這個問題的一般提法是:設t1,t2,···,tn是來自對數正態(tài)分布LN(μ,σ2)的一個樣本,現(xiàn)要對其均值μT、標準差σT和0.95分位數t0.95分別給出MLE。解2.3.2最大似然估計的不變原理(1)對數正態(tài)分布LN(μ,σ2)的均值和方差分別為:若能獲得μ與σ2的MLE,由不變原理立即可得μT與σT的MLE。
2.3最大似然估計與漸近正態(tài)性2.3.2最大似然估計的不變原理當T~LN(μ,σ2)時,有X=lnT~N(μ,σ2)。
由此可知,lnt1,lnt2,···,lntn是來自正態(tài)分布
N(μ,σ2)的一個樣本,由此可得μ與σ2的MLE分別為(見例2.3.2):
2.3最大似然估計與漸近正態(tài)性2.3.2最大似然估計的不變原理從而可得對數正態(tài)分布的均值μT與方差σT2的MLE分別為:這表明,該生產現(xiàn)場設備的平均維修時間約為68分鐘,維修時間的標準差約為26分鐘。
2.3最大似然估計與漸近正態(tài)性2.3.2最大似然估計的不變原理(2)為了給出t0.95的MLE,我們先對對數正態(tài)分布LN(μ,σ2)的p
分位數tp
給出一般表達式,記維修時間T的
的分布函數為F(t),則有
2.3最大似然估計與漸近正態(tài)性2.3.2最大似然估計的不變原理
2.3最大似然估計與漸近正態(tài)性2.3.2最大似然估計的不變原理例2.3.8設某電子設備的壽命(從開始工作到首次發(fā)生故障的連續(xù)工作時間,單位:小時)服從指數分布exp(λ)。現(xiàn)任取15臺進行壽命試驗,按規(guī)定到第7臺發(fā)生故障時試驗停止,所得7個壽命數據為:500 1350 2130 2500 3120 3500 3800這是一個不完全樣本,常稱為定數截尾樣本,現(xiàn)要對其尋求平均壽命θ=1/λ的MLE。2.3最大似然估計與漸近正態(tài)性
解2.3.2最大似然估計的不變原理
2.3最大似然估計與漸近正態(tài)性2.3.2最大似然估計的不變原理其中,p
與F
分別為指數分布的密度函數與分布函數代入后,略去與參數無關的量,即得λ的似然函數
2.3最大似然估計與漸近正態(tài)性2.3.2最大似然估計的不變原理
用微分法可得對數似然方程
2.3最大似然估計與漸近正態(tài)性2.3.2最大似然估計的不變原理在本例中,n=15,r=7,t(r)=3800,首先算得總試驗時間由此可得平均壽命(單位:小時)的MLE
為:
2.3最大似然估計與漸近正態(tài)性2.3.3最大似然估計的漸近正態(tài)性定義2.3.2
或依分布收斂符號L
記為:
2.3最大似然估計與漸近正態(tài)性2.3.3最大似然估計的漸近正態(tài)性
2.3最大似然估計與漸近正態(tài)性2.3.3最大似然估計的漸近正態(tài)性例2.3.9
2.3最大似然估計與漸近正態(tài)性2.3.3最大似然估計的漸近正態(tài)性或
2.3最大似然估計與漸近正態(tài)性2.3.3最大似然估計的漸近正態(tài)性例2.3.10
前面已經指出:
2.3最大似然估計與漸近正態(tài)性2.3.3最大似然估計的漸近正態(tài)性
2.3最大似然估計與漸近正態(tài)性2.3.3最大似然估計的漸近正態(tài)性則由中心極限定理知
或
考慮到n/(n?1)→1,又有有
2.3最大似然估計與漸近正態(tài)性2.3.3最大似然估計的漸近正態(tài)性這表明
S2
是σ2的漸近正態(tài)估計,其漸近方差為2σ4/n。綜上所述,有
2.3最大似然估計與漸近正態(tài)性2.3.3最大似然估計的漸近正態(tài)性定理2.3.2
則有下述三個結論成立:
2.3最大似然估計與漸近正態(tài)性2.3.3最大似然估計的漸近正態(tài)性定理2.3.3設p(x;θ)是某密度函數,其參數空間Θ={θ}是直線上的非退化區(qū)間,假如:(1)對一切θ∈Θ,p=p(x;θ)對θ的如下偏導數都存在(2)對一切θ∈Θ,有成立,其中F1(x)與F2(x)在實數軸上可積,而H(x)滿足這里M與θ無關。
2.3最大似然估計與漸近正態(tài)性2.3.3最大似然估計的漸近正態(tài)性定理2.3.3(3)對一切θ∈Θ,有
其中,I(θ)稱為費希爾信息量,有時還簡稱信息量。
2.3最大似然估計與漸近正態(tài)性2.3.3最大似然估計的漸近正態(tài)性定義2.3.3
2.3最大似然估計與漸近正態(tài)性2.3.3最大似然估計的漸近正態(tài)性例2.3.11求二點分布b(1,θ)參數
θ的費希爾信息量,其分布列為:
2.3最大似然估計與漸近正態(tài)性2.3.3最大似然估計的漸近正態(tài)性解可以驗證,二點分布屬于Cramer-Rao正則族。為求其費希爾信息量,要進行如下運算:
2.3最大似然估計與漸近正態(tài)性2.3.3最大似然估計的漸近正態(tài)性例2.3.12設X1,X2,···,Xn是來自正態(tài)總體N(μ,σ2)的一個樣本,可以驗證,正態(tài)分布屬于Cramer-Rao正則族。
2.3最大似然估計與漸近正態(tài)性2.3.3最大似然估計的漸近正態(tài)性
從而
2.3最大似然估計與漸近正態(tài)性2.3.3最大似然估計的漸近正態(tài)性在已知μ的條件下,σ的MLE是
而??的費希爾信息量的計算如下:
從而
2.3最大似然估計與漸近正態(tài)性2.3.4EM算法MLE是一種非常有效的參數估計方法,但當分布中有多余參數或數據為截尾或缺失時,其MLE的求取是比較困難的。于是Dempster等于1977年提出了EM算法,其出發(fā)點是把求MLE的過程分兩步走。第一步求期望,以便把多余的部分去掉;第二步求最大值。2.3最大似然估計與漸近正態(tài)性2.3.4EM算法Dempster等人建議如下分兩步進行迭代求解首先,人為設一個θ的初值
θ(0)第一步(也稱E-步),在已知觀測數據y和第i步估計值θ(i)條件下,求基于完全數據的對數似然函數(關于潛在變量z)的期望,稱為Q函數:
第二步(也稱M-步),求Q(θ|y,θ(i))關于θ的最大值,記錄對應的θ值進行更新:
??重復以上兩步,直到收斂即可得到θ的MLE。2.3最大似然估計與漸近正態(tài)性2.3.4EM算法
EM算法是一種引入潛在變量的方法,相比于其他同類方法,如缺失數據填補法等,EM算法較為簡單和穩(wěn)定,原因是每次迭代會使似然函數增大或達到局部極值(參考2.3.4節(jié))EM算法只能保證收斂到一個穩(wěn)定點,并不能保證其能夠達到全局最優(yōu).2.3最大似然估計與漸近正態(tài)性2.3.4EM算法例2.3.13設一次試驗可能有4個結果,發(fā)生的概率分別為1/2?θ/4,(1?θ)/4,(1+θ)/4,θ/4,θ∈(0,1)?,F(xiàn)進行了197次試驗,四種結果的發(fā)生次數分別為75,18,70,34,試求θ的MLE。2.3最大似然估計與漸近正態(tài)性以y1,y2,y3,y4
表示四種結果發(fā)生的次數,此時總體分布為多項分布,
其似然函數為我們可以通過最大化對數似然函數的方式求解θ的MLE。
2.3.4EM算法2.3最大似然估計與漸近正態(tài)性EM算法通過引入兩個潛在變量
z1,z2后,通過迭代計算方式求解。假設第一種結果可以分成兩個部分,發(fā)生的概率分別為(1?θ)/4和?,令z1和y1?z1分別表示落入這兩部分的次數;再假設第三種結果也分成兩部分,發(fā)生的概率分別為θ/4和1/4,令z2和y3?z2分別表示落入這兩部分的次數,z1,z2是不可觀測的。也稱(y,z)是完全數據,而只有觀測數據y時稱為不完全數據。此時完全數據的似然函數用Lc表示:2.3.4EM算法2.3最大似然估計與漸近正態(tài)性2.3.4EM算法
其對數似然為
然而此時由于z1
和z2
未知,上式無法直接求解,但我們注意到,當給定y,θ已知時,
2.3最大似然估計與漸近正態(tài)性2.3.4EM算法對于本例,可得到
所以
又知
所以
取θ(0)=0.5,則13次迭代后可求得θ的MLE為0.6067。2.3最大似然估計與漸近正態(tài)性定理2.3.4
2.3.4EM算法2.3最大似然估計與漸近正態(tài)性證
2.3.4EM算法2.3最大似然估計與漸近正態(tài)性上式兩邊求z在(Y,θ=θ(i))已知條件下的期望有2.3.4EM算法
(2.3.2)(2.3.2)式分別取θ=θ(i)和θ(i+1),得
(2.3.3)(2.3.4)2.3最大似然估計與漸近正態(tài)性2.3.4EM算法(2.3.4)–(2.3.3)得
2.3最大似然估計與漸近正態(tài)性2.3.4EM算法例2.3.14給定數據X是n行p列的矩陣,每一行是一個樣本點,每一列是一個變量,我們的目標是根據列變量的取值對樣本點進行聚類,假定一共有K類。
在EM聚類方法中假定每一行觀測有一個潛在的(未觀測到的)指標向量Zi=(Zi1,Zi2,···,ZiK),其中Zik=0或1,并且K個中只有一個等于1。如果Zik=1,那么表明第i個樣本點屬于第k類。向量Zi
服從多項分布,概率分布列為(π1,π2,···,πK)。2.3最大似然估計與漸近正態(tài)性
2.3.4EM算法2.3最大似然估計與漸近正態(tài)性2.3.4EM算法本例所要估計的參數為(μk,Σk,πk),k=1,...,K.EM算法步驟如下:首先,數據(X,Z)的完全似然函數可以寫成:完全對數似然函數為:(2.3.5)
2.3最大似然估計與漸近正態(tài)性2.3.4EM算法為了得到該問題的Q函數,需要計算給定Xi時Zi的期望,也就是要得到如下概率值P(Zik=1|Xi)。根據全概率公式,有所以將(2.3.5)式Zik替換為γ(Zik),即為Q函數。
(2.3.6)2.3最大似然估計與漸近正態(tài)性2.3.4EM算法
EM算法的參數估計步驟如下:最小方差無偏估計PART2.42.4最小方差無偏估計2.4.1無偏估計的有效性
圖2.4.1θ的兩個無偏估計的密度函數示意圖2.4最小方差無偏估計2.4.1無偏估計的有效性因而,我們可以用估計量的方差去衡量兩個無偏估計的好壞,從而引入無偏估計有效性的標準。2.4最小方差無偏估計2.4.1無偏估計的有效性定義2.4.1
例2.4.1
2.4最小方差無偏估計2.4.1無偏估計的有效性2.4最小方差無偏估計2.4.1無偏估計的有效性例2.4.2
2.4最小方差無偏估計2.4.2有偏估計的均方誤差準則定義2.4.2
2.4最小方差無偏估計2.4.2有偏估計的均方誤差準則
例2.4.3
2.4最小方差無偏估計2.4.2有偏估計的均方誤差準則n
2.4最小方差無偏估計2.4.2有偏估計的均方誤差準則
2.4最小方差無偏估計2.4.2有偏估計的均方誤差準則以下數據是在n=10時算得的:表2.4.1三個估計的偏差平方、方差與均方誤差
00.22220.22220.010.18000.19000.03300.14880.18182.4最小方差無偏估計
2.4.2有偏估計的均方誤差準則表2.4.1可以對三個估計的優(yōu)劣作出評價2.4最小方差無偏估計2.4.3一致最小方差無偏估計例2.4.4
2.4最小方差無偏估計定義2.4.3假如參數的無偏估計存在,則稱此參數為可估參數。可估參數g(θ)
的無偏估計可能只有一個,也可能有多個。
在有多個無偏估計的場合,常用其方差作為進一步選擇的指標。2.4.3一致最小方差無偏估計2.4最小方差無偏估計定義2.4.4
2.4.3一致最小方差無偏估計2.4最小方差無偏估計定理2.4.1
2.4.3一致最小方差無偏估計證2.4.3一致最小方差無偏估計
2.4最小方差無偏估計證2.4.3一致最小方差無偏估計
2.4最小方差無偏估計2.4最小方差無偏估計2.4.3一致最小方差無偏估計例2.4.5
2.4最小方差無偏估計2.4.3一致最小方差無偏估計例2.4.5
2.4最小方差無偏估計定理2.4.2
2.4.3一致最小方差無偏估計之前的定理是驗證性的,加下來介紹構造UMVUE的方法
證2.4.3一致最小方差無偏估計
所以2.4最小方差無偏估計
證2.4.3一致最小方差無偏估計故得
2.4最小方差無偏估計2.4最小方差無偏估計例2.4.6
2.4.3一致最小方差無偏估計2.4最小方差無偏估計例2.4.62.4.3一致最小方差無偏估計
2.4最小方差無偏估計定義2.4.5
2.4.4完備性及其應用2.4最小方差無偏估計例2.4.7
2.4.4完備性及其應用2.4最小方差無偏估計
2.4.4完備性及其應用
2.4最小方差無偏估計
2.4.4完備性及其應用2.4最小方差無偏估計
2.4.4完備性及其應用2.4最小方差無偏估計一些結論簡單隨機樣本的聯(lián)合分布族總是不完備的指數型分布族,其充分統(tǒng)計量都是完備的次序統(tǒng)計量是完備的2.4.4完備性及其應用2.4最小方差無偏估計定理2.4.3
2.4.4完備性及其應用
證2.4.4完備性及其應用2.4最小方差無偏估計2.4最小方差無偏估計
2.4.4完備性及其應用證2.4最小方差無偏估計例2.4.8
2.4.4完備性及其應用
解2.4.4完備性及其應用2.4最小方差無偏估計
解2.4.4完備性及其應用2.4最小方差無偏估計考慮到諸X1,X2,···,Xn是相互獨立的,且X2+X3+···+Xn服從參數為(n?1)λ的泊松分布,所以2.4.4完備性及其應用2.4最小方差無偏估計
2.4.4完備性及其應用2.4最小方差無偏估計
2.4最小方差無偏估計例2.4.9某廠生產一種產品,這種產品包裝好后按一定數量放在盒子里。在檢驗產品時,檢驗員從每個盒子里隨機選出一個容量為n的樣本,并逐個檢查每個樣品的質量。假如樣本中有2個或更多個不合格品,那么這一盒被認為是不合格品,退回工廠,而工廠要求質檢員把每盒查出的廢品通報廠方。2.4.4完備性及其應用2.4最小方差無偏估計例2.4.9
2.4.4完備性及其應用2.4最小方差無偏估計例2.4.9
2.4.4完備性及其應用2.4最小方差無偏估計例2.4.9
2.4.4完備性及其應用2.4最小方差無偏估計例2.4.9
2.4.4完備性及其應用2.4最小方差無偏估計例2.4.9
2.4.4完備性及其應用2.4最小方差無偏估計例2.4.9
2.4.4完備性及其應用例2.4.102.4最小方差無偏估計尋求二點分布b(1,p)的可估參數p(1?p)的UMVUE。2.4.4完備性及其應用使用求解方程的方法直接尋找UMVUE
解2.4.4完備性及其應用2.4最小方差無偏估計nt=0nt=0t=0n-1t=1n
比較左右兩端的系數可得p(1?p)的UMVUE為:2.4最小方差無偏估計2.4.4完備性及其應用解
例2.4.112.4最小方差無偏估計
2.4.4完備性及其應用
解2.4.4完備性及其應用2.4最小方差無偏估計
2.4.4完備性及其應用2.4最小方差無偏估計C-R不等式PART2.52.5C-R不等式定理2.5.1
(2.5.1)2.5C-R不等式定理2.5.1證因為樣本是簡單樣本,又記
由于
2.5C-R不等式定理2.5.1證所以
2.5C-R不等式定理2.5.1再利用協(xié)方差性質(即施瓦茲不等式)
將上述結果代回原式,即得C-R不等式。2.5C-R不等式定義2.5.1
2.5C-R不等式例2.5.1
2.5C-R不等式例2.5.2設X1,X2,···,Xn
是取自正態(tài)總體N(0,σ2)的一個樣本,可以驗證,正態(tài)分布族{N(0,σ2):σ>0}是C-R正則分布族。下面來求參數g(σ2)=σ2的C-R下界,由于
2.5C-R不等式利用E(x2k)=σ2k(2k?1)(2k?3)···1,可算得費希爾信息量
2.5C-R不等式
,都是σ2
的無偏估計,其方差分別為:,
2.5C-R不等式
2.5C-R不等式例2.5.3
2.5C-R不等式
置信區(qū)間PART2.62.6置信區(qū)間2.6.1置信區(qū)間概念定義2.6.1
1.區(qū)間估計及其置信度與置信系數2.6置信區(qū)間2.6.1置信區(qū)間概念定義2.6.1注1:從上述定義可知,構造一個未知參數的區(qū)間估計并不難。
一個參數的區(qū)間估計可以給出多種,但要給出一個好的區(qū)間估計需要有豐富的統(tǒng)計思想和熟練的統(tǒng)計技巧。注2:當置信度所示概率與參數θ無關時,置信度就是置信系數,以后我們將努力尋求置信度與θ無關的區(qū)間估計。注3:上述定義中區(qū)間估計用閉區(qū)間給出,也可用開區(qū)間或半開區(qū)間給出,由實際需要而定。1.區(qū)間估計及其置信度與置信系數2.6置信區(qū)間2.6.1置信區(qū)間概念例2.6.1它的置信度可用t分布算得,具體如下:
1.區(qū)間估計及其置信度與置信系數2.6置信區(qū)間2.6.1置信區(qū)間概念
例2.6.1由于t分布只依賴于其自由度n?1,而不依賴于未知參數μ與σ,所以用
t分布算得的置信度就是置信系數。在n=20,對k=1,2,3可算出其置信系數如下:其中:
1.區(qū)間估計及其置信度與置信系數例2.6.12.6置信區(qū)間2.6.1置信區(qū)間概念正態(tài)均值μ的三個區(qū)間估計的置信系數一個比一個高,第三個區(qū)間的置信系數達到0.99。
1.區(qū)間估計及其置信度與置信系數
2.6置信區(qū)間2.6.1置信區(qū)間概念例2.6.1其中:現(xiàn)轉入考察這三個區(qū)間估計的平均長度由式(2.6.1)可知,
其平均長度為:
1.區(qū)間估計及其置信度與置信系數
2.6置信區(qū)間2.6.1置信區(qū)間概念例2.6.1由此可得平均長度為:
利用伽瑪分布可算得
1.區(qū)間估計及其置信度與置信系數在保證置信系數的前提下,盡量縮短置信區(qū)間平均長度。2.6置信區(qū)間2.6.1置信區(qū)間概念定義2.6.2
2.置信區(qū)間2.6置信區(qū)間2.6.1置信區(qū)間概念
2.置信區(qū)間2.6置信區(qū)間2.6.1置信區(qū)間概念定義2.6.3在定義2.6.2的記號下,如對給定的α(0<α<1)恒有
3.同等置信區(qū)間2.6置信區(qū)間2.6.1置信區(qū)間概念定義2.6.4
4.置信限2.6置信區(qū)間2.6.1置信區(qū)間概念定義2.6.4
4.置信限定義2.6.52.6置信區(qū)間2.6.1置信區(qū)間概念設X=(X1,X2,···,Xn)是來自某總體分布Fθ(x)的一個樣本,其中θ=(θ1,θ2,···,θk)是k維參數,其參數空間為Θ?Rk。假如對Θ的一個子集R(X),有R(X)僅是樣本X的函數;12對給定的α(0<α<1),有概率不等式
5.置信域定義2.6.52.6置信區(qū)間2.6.1置信區(qū)間概念5.置信域則稱R(X)是θ的置信水平為1?α的置信域(或置信集)。
而概率Pθ(θ∈R(X))在參數空間Θ上的下確界稱為該置信域的置信系數,假如式(2.6.6)等號成立,且不依賴于θ,則稱R(X)為1?α同等置信域。2.6置信區(qū)間2.6.2樞軸量法構造未知參數θ的置信區(qū)間的一種常用方法是樞軸量法,它的具體步驟是:
2.6置信區(qū)間2.6.2樞軸量法
2.6置信區(qū)間2.6.2樞軸量法例2.6.2設X1,X2,···,Xn是來自均勻分布U(0,θ)的一個樣本,對給定的α(0<α<1),尋求θ的1?α置信區(qū)間。2.6置信區(qū)間2.6.2樞軸量法用樞軸量法來尋求θ的置信區(qū)間,分幾步進行。解
2.6置信區(qū)間2.6.2樞軸量法
它們都與θ無關,故可取G=X(n)/θ為樞軸量。其密度函數曲線見圖2.6.3。2.6置信區(qū)間2.6.2樞軸量法對給定的置信水平1?α,適當選擇c與d,使利用不等式等價變形,可得θ的1?α同等置信區(qū)間。
2.6置信區(qū)間2.6.2樞軸量法一個直觀的方法是:把具有高密度值的點歸入區(qū)間,使區(qū)間外的點的密度值不超過區(qū)間內的密度值,這種集最大密度點形成的區(qū)間(若可能)稱為最大密度區(qū)間,此種區(qū)間長度應是最短的。
2.6置信區(qū)間2.6.2樞軸量法若(2.9,3.0,0.9,1.7,0.7)是取自均勻分布U(0,θ)的一個樣本,其
x(5)=3.0。若取α=0.1,則θ的最優(yōu)置信區(qū)間為;
2.6置信區(qū)間2.6.2樞軸量法
因為實踐中人們對一次實現(xiàn)賦予一定概率是常見的事。如兩人約定在某時間段會合,甲認為乙會按時到達的概率為0.9。又如一次球賽中觀眾認為甲隊勝的概率為0.7等,都在一次實現(xiàn)中使用概率。2.6置信區(qū)間2.6.2樞軸量法例2.6.3設X1,X2,···,Xn是從指數分布exp(1/θ)中抽取的一個樣本。其密度函數為:其中,θ>0為總體均值,即E(x)=θ,現(xiàn)要求θ的1?α置信區(qū)間(0<α<1)。
2.6置信區(qū)間2.6.2樞軸量法在指數分布場合,Tn=X1+X2+···+Xn是θ的充分統(tǒng)計量。由于指數分布是伽瑪分布的特例,即Xi~Ga(1,1/θ)。利用伽瑪分布性質可知解
2.6置信區(qū)間2.6.2樞軸量法對給定的置信水平1?α,利用χ2分布的α/2和1?α/2分位數可得
再利用不等式等價變形可得:
2.6置信區(qū)間2.6.2樞軸量法
譬如,某產品的壽命服從指數分布exp(1/θ),如今從中隨機抽取9個樣品進行壽命試驗,獲得如下9個壽命數據(單位:小時)可算得Tn=5329,若取α=0.1,可由計算機函數得到χ2分布α分位數χ20.05(18)=9.39,χ20.95(18)=28.87于是平均壽命θ的0.9同等置信區(qū)間為152457505531607645707822903
2.6置信區(qū)間2.6.2樞軸量法由于平均壽命θ是望大特性,越大越好,因此人們關心其單側置信下限。它仍可用上述樞軸量2Tn/θ尋求θ的1?α單側置信下限。由χ2(2n)分布的1?α分位數χ12?α(2n)可得
2.6置信區(qū)間2.6.2樞軸量法
2.6置信區(qū)間2.6.2樞軸量法例2.6.4設X1,X2,···,Xn是來自某分布函數F(x;θ)的一個樣本,若此分布函數F(x;θ)既是x的連續(xù)函數,又是θ的嚴格單調函數,則可構造樞軸量,獲得θ的置信區(qū)間。2.6置信區(qū)間2.6.2樞軸量法例2.6.4在X~F(x;θ),F(xiàn)是x的連續(xù)函數場合,可利用如下分布間的關系:
2.6置信區(qū)間2.6.2樞軸量法例2.6.4
P
P2.6置信區(qū)間2.6.2樞軸量法例2.6.4
2.6置信區(qū)間2.6.2樞軸量法例2.6.4
P2.6置信區(qū)間2.6.2樞軸量法例2.6.4再取對數即得θ的1?α置信區(qū)間為:
,,這個例子表明:在一定的條件下,樞軸量是廣泛存在的。2.6置信區(qū)間2.6.3大量本置信區(qū)間
1.基于MLE的近似置信區(qū)間
2.6置信區(qū)間2.6.3大量本置信區(qū)間
1.基于MLE的近似置信區(qū)間
其中由此可得
2.6置信區(qū)間2.6.3大量本置信區(qū)間
1.基于MLE的近似置信區(qū)間
由此可得
2.6置信區(qū)間2.6.3大量本置信區(qū)間例2.6.5
設X1,X2,···,Xn是來自指數分布p(x;θ)=1/θe?x/θ(x>0)的一個樣本。該總體的費希爾信息量為:
1.基于MLE的近似置信區(qū)間
2.6置信區(qū)間2.6.3大量本置信區(qū)間例2.6.51.基于MLE的近似置信區(qū)間
2.6置信區(qū)間2.6.3大量本置信區(qū)間
2.基于中心極限定理的近似置信區(qū)間
由此立即可得總體均值μ的近似1?α的等尾置信區(qū)間:
若其中σ未知,用σ2的相合估計(譬如樣本方差S2)替代即可。正態(tài)總體參數的置信區(qū)間PART2.72.7正態(tài)總體參數的置信區(qū)間對于正態(tài)總體參數的置信區(qū)間,可以通過樞軸量法獲得,其中樞軸量的分布本書1.5節(jié)均有介紹。表2.7.1給出了單總體正態(tài)均值、方差、標準差的置信區(qū)間。2.7正態(tài)總體參數的置信區(qū)間表2.7.1一個正態(tài)總體參數的置信區(qū)間編號參數條件樞軸量(1-a)%置信區(qū)間1234同(3)
2.7正態(tài)總體參數的置信區(qū)間
2.7正態(tài)總體參數的置信區(qū)間表2.7.2兩個正態(tài)總體參數的置信區(qū)間編號參數條件樞軸量(1-a)%置信區(qū)間12
2.7正態(tài)總體參數的置信區(qū)間表2.7.2兩個正態(tài)總體參數的置信區(qū)間編號參數條件樞軸量(1-a)%置信區(qū)間34
2.7正態(tài)總體參數的置信區(qū)間表2.7.2兩個正態(tài)總體參數的置信區(qū)間編號參數條件樞軸量(1-a)%置信區(qū)間567同(6)
2.7正態(tài)總體參數的置信區(qū)間其中
2.7正態(tài)總體參數的置信區(qū)間需要說明的幾點:第2行假設方差未知但相等,用合樣本方差進行估計,樞軸量服從t分布;第3行是大樣本正態(tài)近似的結果;2.7正態(tài)總體參數的置信區(qū)間需要說明的幾點:第4行假設方差未知且不等,小樣本下,樞軸量的分布未知,使用t分布近似。若l為非整數時,取最接近的整數;第5行假設X與Y不獨立,數據成對出現(xiàn),d=X?Y是一維正態(tài)分布,記為N(μd,σd2),di=Xi?Yi,i=1,...,n是來自該分布的樣本。μd=μ1?μ2
的置信區(qū)間按照一維情況處理。2.7正態(tài)總體參數的置信區(qū)間2.7.2二維參數(μ,??2)的置信域
就取這兩個量作為樞軸量,對給定的置信水平1?α,可以通過標準正態(tài)分布的分位數與χ2(n?1)的分位數確定三個數c,d1,d2,使得2.7正態(tài)總體參數的置信區(qū)間2.7.2二維參數(μ,??2)的置信域
所以正態(tài)參數(μ,σ2)的1?α置信域為:這是兩條平行線與一條二次曲線所圍成的區(qū)域,見圖2.7.1.
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 人人文庫網僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 中國電子用高純化學品市場規(guī)?,F(xiàn)狀及前景動態(tài)分析報告2024-2030年
- 吉林省雙遼市八年級地理下冊 7.2“魚米之鄉(xiāng)”-長江三角洲地區(qū)教案 (新版)新人教版
- 2024年二建【水利】第一階段備考規(guī)劃
- Unit 3 Careers and skills Integrated Skills 詳解教學設計 -2023-2024學年高中英語牛津譯林版(2020)選擇性必修第四冊
- 《教室有多長》(教案)-2024-2025學年二年級上冊數學北師大版
- 2025年江蘇省靖江市劉國鈞中學高三4月期中考試生物試題含解析
- 2025年吉林省吉林市吉化一中高三生物試題綜合練習(四)含附加題含解析
- 2025年湖南省長望瀏寧四縣聯(lián)盟測試生物試題含解析
- 2024屆安徽省宣城市第十三中學高三下學期模擬(二)測試數學試題
- 2025年廣東省佛山市南海中學高三下學期最后一次模擬考試試卷生物試題含解析
- 古代詩歌四首-理解性默寫
- 安裝插座設備安全操作規(guī)程
- 人教版七年級歷史上冊(部編版)全冊完整課件
- 醫(yī)療單位水電氣電梯等后勤保障的消防安全管理制度
- T淋巴細胞及其亞群檢測的臨床意義課件
- 今日頭條簡介+推廣方式課件
- 建筑工程施工質量標準化方案
- 特種設備雙重預防管理手冊
- 手術室運用PDCA循環(huán)降低手術室術后器械遺失率品管圈成果匯報
- 醫(yī)院感染管理質量持續(xù)改進記錄表
- 魯教版小學英語五年級下冊《Unit-7Unit-7-Lesson-1We-visit-our-relatives-and-friends》課件
評論
0/150
提交評論