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:
- 理解参数的点估计、估计量与估计值的概念。
- 掌握矩估计法(一阶矩、二阶矩)和最大似然估计法。
- 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。
- 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) 估计未知参数 θ,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,从中解出参数;两个未知参数时,再加上 E(X2)=n1i=1∑nXi2(或等价地用方差)。
最大似然估计
似然函数 L(θ)=i=1∏nf(xi;θ)(离散型用分布律 P{X=xi}),使 L(θ) 达到最大的 θ^ 叫最大似然估计。步骤:
- 写出 L(θ),取对数 lnL(θ);
- 令 dθdlnL=0,解出 θ;
- 若 L(θ) 关于 θ 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) 的最大似然估计是 max{X1,⋯,Xn}。
最大似然估计有不变性:θ^ 是 θ 的最大似然估计,则 g(θ^) 是 g(θ) 的最大似然估计。
估计量的评选标准
- 无偏性:E(θ^)=θ。例如 X 是 μ 的无偏估计,S2 是 σ2 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→∞ 时 θ^ 依概率收敛于 θ。
区间估计
若 P{θ^1<θ<θ^2}=1−α,称 (θ^1,θ^2) 为 θ 的置信水平为 1−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 | σ2 已知 | X±zα/2nσ |
| 均值 μ | σ2 未知 | X±tα/2(n−1)nS |
| 方差 σ2 | μ 未知 | (χα/22(n−1)(n−1)S2,χ1−α/22(n−1)(n−1)S2) |
| 均值差 μ1−μ2 | σ12,σ22 已知 | X−Y±zα/2n1σ12+n2σ22 |
| 均值差 μ1−μ2 | σ12=σ22 未知 | X−Y±tα/2(n1+n2−2)Swn11+n21 |
| 方差比 σ22σ12 | μ1,μ2 未知 | (Fα/2(n1−1,n2−1)S12/S22,F1−α/2(n1−1,n2−1)S12/S22) |
其中 Sw 是上一节介绍的合并方差 Sw2 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} 或 min{Xi}。
-
❌ 矩估计中把样本方差的分母写成 n−1 去对应二阶矩。✅ 矩估计用样本矩 n1∑Xi2;S2 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 未知时仍用 zα/2。✅ 用样本标准差 S 代替 σ 时,改用 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。