杭州紫金港培训学校(紫金港专升本)杭州紫金港培训学校(紫金港专升本)
在职研究生数学(一)考前辅导第十三章 极限定理与数理统计第 31 节 / 共 32 节约 40 分钟报名学员看全文

参数估计

讲点估计、估计量与估计值,矩估计法与最大似然估计法,估计量的无偏性、有效性与一致性,以及单个正态总体均值、方差和两个正态总体均值差、方差比的区间估计。

本节考点:点估计与矩估计最大似然估计估计量的评选标准单个正态总体的区间估计两个正态总体的区间估计

本节导读

本节对应「参数估计」的考试内容:「点估计的概念」「估计量与估计值」「矩估计法」「最大似然估计法」「估计量的评选标准」「区间估计的概念」「单个正态总体的均值和方差的区间估计」「两个正态总体的均值差和方差比的区间估计」。考试要求原文:

  1. 理解参数的点估计、估计量与估计值的概念。
  2. 掌握矩估计法(一阶矩、二阶矩)和最大似然估计法。
  3. 了解估计量的无偏性、有效性(最小方差性)和一致性(相合性)的概念,并会验证估计量的无偏性。
  4. 理解区间估计的概念,会求单个正态总体的均值和方差的置信区间,会求两个正态总体的均值差和方差比的置信区间。

第 4 条的编号在常见转录稿里写作「4、」,这里统一成数字加点。参数估计可以出成解答题,例如「求矩估计量与最大似然估计量,并验证无偏性」。学完本节,你应该能熟练写出似然函数并求最大似然估计,会验证无偏性,并会套用置信区间公式。本节用到的分位数都在题目中给出。

点估计与矩估计

用样本构造的统计量 θ^(X1,⋯ ,Xn)\hat{\theta}(X_1, \cdots, X_n)θ^(X1​,⋯,Xn​) 估计未知参数 θ\thetaθ,θ^\hat{\theta}θ^ 叫估计量,代入样本观测值得到的数叫估计值。

矩估计法:令总体矩等于样本矩。一个未知参数时,令 E(X)=X‾E(X) = \overline{X}E(X)=X,从中解出参数;两个未知参数时,再加上 E(X2)=1n∑i=1nXi2E\left(X^2\right) = \dfrac{1}{n}\sum\limits_{i = 1}^{n} X_i^2E(X2)=n1​i=1∑n​Xi2​(或等价地用方差)。

最大似然估计

似然函数 L(θ)=∏i=1nf(xi;θ)L(\theta) = \prod\limits_{i = 1}^{n} f(x_i; \theta)L(θ)=i=1∏n​f(xi​;θ)(离散型用分布律 P{X=xi}P\{X = x_i\}P{X=xi​}),使 L(θ)L(\theta)L(θ) 达到最大的 θ^\hat{\theta}θ^ 叫最大似然估计。步骤:

  1. 写出 L(θ)L(\theta)L(θ),取对数 ln⁡L(θ)\ln L(\theta)lnL(θ);
  2. 令 dln⁡Ldθ=0\dfrac{d\ln L}{d\theta} = 0dθdlnL​=0,解出 θ\thetaθ;
  3. 若 L(θ)L(\theta)L(θ) 关于 θ\thetaθ 单调(方程无解),则按参数的取值范围取端点,常见于参数出现在取值范围里的情形,例如 U(0,θ)U(0, \theta)U(0,θ) 的最大似然估计是 max⁡{X1,⋯ ,Xn}\max\{X_1, \cdots, X_n\}max{X1​,⋯,Xn​}。

最大似然估计有不变性:θ^\hat{\theta}θ^ 是 θ\thetaθ 的最大似然估计,则 g(θ^)g(\hat{\theta})g(θ^) 是 g(θ)g(\theta)g(θ) 的最大似然估计。

估计量的评选标准

  • 无偏性:E(θ^)=θE(\hat{\theta}) = \thetaE(θ^)=θ。例如 X‾\overline{X}X 是 μ\muμ 的无偏估计,S2S^2S2 是 σ2\sigma^2σ2 的无偏估计。
  • 有效性:两个无偏估计中,方差较小的更有效。
  • 一致性(相合性):n→∞n \to \inftyn→∞ 时 θ^\hat{\theta}θ^ 依概率收敛于 θ\thetaθ。

区间估计

若 P{θ^1<θ<θ^2}=1−αP\{\hat{\theta}_1 \lt \theta \lt \hat{\theta}_2\} = 1 - \alphaP{θ^1​<θ<θ^2​}=1−α,称 (θ^1,θ^2)(\hat{\theta}_1, \hat{\theta}_2)(θ^1​,θ^2​) 为 θ\thetaθ 的置信水平为 1−α1 - \alpha1−α 的置信区间。正态总体的常用置信区间:

估计对象条件置信区间
均值 μ\muμσ2\sigma^2σ2 已知X‾±zα/2σn\overline{X} \pm z_{\alpha / 2}\dfrac{\sigma}{\sqrt{n}}X±zα/2​n​σ​
均值 μ\muμσ2\sigma^2σ2 未知X‾±tα/2(n−1)Sn\overline{X} \pm t_{\alpha / 2}(n - 1)\dfrac{S}{\sqrt{n}}X±tα/2​(n−1)n​S​
方差 σ2\sigma^2σ2μ\muμ 未知((n−1)S2χα/22(n−1),(n−1)S2χ1−α/22(n−1))\left(\dfrac{(n - 1)S^2}{\chi^2_{\alpha / 2}(n - 1)}, \dfrac{(n - 1)S^2}{\chi^2_{1 - \alpha / 2}(n - 1)}\right)(χα/22​(n−1)(n−1)S2​,χ1−α/22​(n−1)(n−1)S2​)
均值差 μ1−μ2\mu_1 - \mu_2μ1​−μ2​σ12\sigma_1^2σ12​,σ22\sigma_2^2σ22​ 已知X‾−Y‾±zα/2σ12n1+σ22n2\overline{X} - \overline{Y} \pm z_{\alpha / 2}\sqrt{\dfrac{\sigma_1^2}{n_1} + \dfrac{\sigma_2^2}{n_2}}X−Y±zα/2​n1​σ12​​+n2​σ22​​​
均值差 μ1−μ2\mu_1 - \mu_2μ1​−μ2​σ12=σ22\sigma_1^2 = \sigma_2^2σ12​=σ22​ 未知X‾−Y‾±tα/2(n1+n2−2)Sw1n1+1n2\overline{X} - \overline{Y} \pm t_{\alpha / 2}(n_1 + n_2 - 2)S_w\sqrt{\dfrac{1}{n_1} + \dfrac{1}{n_2}}X−Y±tα/2​(n1​+n2​−2)Sw​n1​1​+n2​1​​
方差比 σ12σ22\dfrac{\sigma_1^2}{\sigma_2^2}σ22​σ12​​μ1\mu_1μ1​,μ2\mu_2μ2​ 未知(S12/S22Fα/2(n1−1,n2−1),S12/S22F1−α/2(n1−1,n2−1))\left(\dfrac{S_1^2 / S_2^2}{F_{\alpha / 2}(n_1 - 1, n_2 - 1)}, \dfrac{S_1^2 / S_2^2}{F_{1 - \alpha / 2}(n_1 - 1, n_2 - 1)}\right)(Fα/2​(n1​−1,n2​−1)S12​/S22​​,F1−α/2​(n1​−1,n2​−1)S12​/S22​​)

其中 SwS_wSw​ 是上一节介绍的合并方差 Sw2S_w^2Sw2​ 的算术平方根。样本容量一定时,置信水平越高,区间越长;置信水平一定时,样本容量越大,区间越短。

易错提醒

  • ❌ 求最大似然估计时,令导数为 0 无解就认为没有估计。✅ 似然函数单调时按参数的取值范围取端点,如 max⁡{Xi}\max\{X_i\}max{Xi​} 或 min⁡{Xi}\min\{X_i\}min{Xi​}。

  • ❌ 矩估计中把样本方差的分母写成 n−1n - 1n−1 去对应二阶矩。✅ 矩估计用样本矩 1n∑Xi2\dfrac{1}{n}\sum X_i^2n1​∑Xi2​;S2S^2S2 是无偏估计,与矩估计不是一回事。

  • ❌ 验证无偏性时,算的是估计值而不是估计量的期望。✅ 要对估计量(随机变量)求期望,看是否等于参数。

  • ❌ σ2\sigma^2σ2 未知时仍用 zα/2z_{\alpha / 2}zα/2​。✅ 用样本标准差 SSS 代替 σ\sigmaσ 时,改用 tα/2(n−1)t_{\alpha / 2}(n - 1)tα/2​(n−1)。

本节后面还有约 2511 字:报名学员看全文

每门课前 10 节免费看全文;从第 11 节起,完整教程要报名后由顾问在后台为你的账号开通才能看。

题库账号可以直接登录,但第 11 节起的完整教程要报名后由后台开通才能看。

学完练一练

按本节考点从本课的课后练习里抽题(每次 10 道以内),做完看解析、错题自动进错题本。第 11 节起的课后练习报名学员才能练。

本节内容由 AI 辅助编写,配图由 AI 生成,仅供备考参考;考试要求以《全国各类成人高等学校招生考试大纲(2024 年版)》及浙江省教育考试院当年公布为准。

我要提问免费报名咨询