《概率论与数理统计》教学教案—06参数估计

格式：doc
大小：520.00 KB
文档页数：9

《概率论与数理统计》

教学教案

第6章参数估计

授课序号01

教学基本指标

教学课题第6章第1节点估计课的类型新知识课

教学方法讲授、课堂提问、讨论、启发、自学教学手段黑板多媒体结合

教学重点点估计、估计量与估计值的概念、估计量的无偏性、有效性和一致性的概念、、估计量的相合性、矩估计法（一阶、二阶距）和最大似然估计法。教学难点矩估计法（一阶、二阶距）和最大似然估计法。

参考教材浙江大学《概率论与数理统计》第四版作业布置课后习题

大纲要求 1．理解参数的点估计、估计量与估计值的概念；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；会利用大数定律证明估计量的相合性。

2．掌握矩估计法（一阶、二阶距）和最大似然估计法。

教学基本内容

一．矩估计法

1.矩估计法的基本思想是替换原理，即用样本矩去替换相应的总体矩，这里的矩可以是原点矩也可以是中心距。我们知道，矩是由随机变量的分布唯一确定的，而样本来源于总体，由大数定律，样本矩在一定程度上反映总体矩的特征。

2．矩估计法：用样本矩来估计总体矩的估计方法称为矩估计法.

3．矩估计法的步骤：

设总体X的分布中包含m个未知参数 1， 2，…， m，12,,,nXXX为来自总体X的样本，如果总体的k阶原点矩 ()kEX存在，并设12()(,,...,)kkmEX，相应的k阶样本原点矩为

11nkkiiAXn，以kA替代()kEX，即可得到关于 1， 2，…， m的方程组

1211(,,...,),1,2,...,nkkmiiXkmn

方程组的解12(,,,),1,2,,knXXXkm，称为参数 k(1,2,,)km的矩估计量.

4．若代入一组样本观测值12,,,nxxx，则12(,,,)knxxx称为参数 k(1,2,,)km的矩估计值.

二．最大似然估计法 1．最大似然估计的步骤：

若总体X的分布中含有k个未知待估参数 1， 2，…， k，则似然函数为

12121(,,...,)(;,,...).nkikiLfx

解似然方程组0,1,2,,iLik，或者对数似然方程组ln0,1,2,,iLik，即可得到参数的最大似然估计12ˆˆˆ,,...,k。

2．定理：若ˆ为参数的最大似然估计，)g(为参数的函数，则ˆ)g(是)g(的最大似然估计.

三．点估计的评价标准

1. 无偏性：设12ˆˆ(,,,)nXXX是未知参数 的估计量，若)ˆ(E，则称ˆ为 的无偏估计。

2. 有效性：设21ˆ,ˆ均为参数 的无偏估计量，若12ˆˆ()() , DD则称21ˆˆ比有效。

3. 相合性（一致性）：设ˆ为未知参数 的估计量，若对任意的0，都有ˆlim1nP，即ˆ依概率收敛于参数 ，则称ˆ为 的相合（一致）估计。

4.定理：设ˆ为 的估计量，若ˆlim(),lim()0nnED,则ˆ为 的相合（一致）估计.

四．例题讲解

例1．设X为某零配件供应商每周的发货批次，其分布律为

2201232(1)12XP

其中是未知参数，假设收集了该供应商8周的发货批次如下：3，1，3，0，3，1，2，3，求的矩估计值.

例2．设某种钛金属制品的技术指标为X其概率密度为11,,()1.0,xfxxx其中未知参数1，12,,,nXXX为来自总体X的简单随机样本，求的矩估计量.

例3．已知某种金属板的厚度X 在( a , b)上服从均匀分布，其中a , b 未知，设抽查了n片金属板，厚度分别为12,,,nXXX，试用矩估计法估计 a , b .

例4．设袋中放有很多的白球和黑球，已知两种球的比例为1:9，但不知道哪种颜色的球多，现从中有放回地抽取三次，每次一球，发现前两次为黑球，第三次为白球，试判断哪种颜色的球多。

例5．求出例2中未知参数的最大似然估计量.

例6．X设某种元件使用寿命的概率密度为2()2,()0,xexfx其它，其中0是未知参数，设1,,,nxx是样本观测值，求的最大似然估计.

例7．设某工厂生产的手机屏幕分为不同的等级，其中一级品率为p，如果从生产线上抽取了20件产品，发现其中有3件为一级品，求：

（1）p的最大似然估计；

（2）接着再抽5件产品都不是一级品的概率的最大似然估计.

例8．设样本12,,,nXXX来自正态总体X  N (， 2)，其中， 2未知，求和 2的最大似然估计。

例9．设总体X的k阶矩()kkEX存在，证明: 不论 X 服从什么分布，样本的k阶矩11nkkiiAXn是k的无偏估计。

例10．已知2211 ()niiBXXn，2211()1niiSXXn都是总体方差2的估计量，问哪个估计量更好？

例11．设总体X的概率密度为222()30xxfx其它，其中是未知参数, 12,,...,nXXX为来自总体X的简单样本，选择适当常数c，使得21niicX是2的无偏估计.

例12．设某种产品的寿命X服从指数分布，其概率密度为10,()00xexfxx，其中为未知参数，1234,,,XXXX是来自总体的样本，设有的估计量

1123411ˆ()()63XXXX，

212341ˆ(234)5XXXX，

312341ˆ()4XXXX

问哪一个最优？

例13．设X是总体X的样本均值，则当X作为总体期望E (X)的估计量时，X是E (X)的相合估计量。

例14．1~(,2),0,,nXUXXX设总体其中是未知参数，是的样本,试证明2ˆ=3X是的相合估计量.

授课序号02

教学基本指标

教学课题第6章第2节区间估计课的类型新知识课

教学方法讲授、课堂提问、讨论、启发、自学教学手段黑板多媒体结合

教学重点置信区间、区间估计、单个正态总体的均值和方差的置信区间、两个正态总体的均值差和方差比的置信区间。教学难点置信区间、区间估计、单个正态总体的均值和方差的置信区间、两个正态总体的均值差和方差比的置信区间。

参考教材浙江大学《概率论与数理统计》第四版作业布置课后习题

大纲要求 1．掌握建立未知参数的（双侧和单侧）置信区间的一般方法；

2．了解区间估计的概念，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。

教学基本内容

一．区间估计的概念

1．置信区间：设 为总体的未知参数，若对于给定的（0< <1），存在统计量1112ˆˆ(,,,)nXXX和2212ˆˆ(,,,)nXXX，使得12ˆˆ{}1P,则称随机区间12ˆˆ[,]为参数 的置信度（或置信水平）为1- 的置信区间，12ˆˆ和分别称为置信下限和置信上限。

2．枢轴量: 称满足下述三条性质的量Q为枢轴量.

（1）是待估参数 和估计量X的函数；

（2）不含其他未知参数；

（3）其分布已知且与未知参数 无关。

3．求置信区间的一般步骤:

（1）根据待估参数构造枢轴量Q,一般可由未知参数的良好估计量改造得到；

（2）对于给定的置信度1-，利用枢轴量Q的分位点确定常数a，b，使{}1PaQb；

（3）将不等式恒等变形为12ˆˆ{}1P，即可得到参数 的置信度为1- 的置信区间12ˆˆ[,].

二．正态总体参数的区间估计

1. 单个正态总体的情形：

设总体2~(,)XN，12,,,nXXX是取自总体X的样本 (1)2已知，均值的置信区间： 的置信度为1的置信区间为22,XuXunn.

(2)2未知，均值的置信区间： 的置信度为1的置信区间为22(1),(1)SSXtnXtnnn.

(3)已知，方差2的置信区间：2的置信度为1的置信区间为221122122()(),()()nniiiiXXnn.

(4)未知，方差2的置信区间：2的置信度为1的置信区间为2222122(1)(1),(1)(1)nSnSnn.

2. 两个正态总体的情形：

设总体211~(,)XN，总体222~(,)YN，X与Y独立，样本112,,,nXXX来自总体X，样本212,,,nYYY来自Y.

(1)21，22已知，均值差12的置信区间：12的置信度为1- 的置信区间为

22222212121212(),()XYuXYunnnn.

(2) 21，22未知，但2212，均值差12的置信区间：12的置信度为1- 的置信区间为

12121212221111(2),(2)wwXYtnnSXYtnnSnnnn.

(3)1，2未知，方差比2221的置信区间：2221的置信度为1- 的置信区间为

221121212212222(1,1),(1,1)SSFnnFnnSS.

以上关于正态总体参数的区间估计的讨论可以列表1和表2如下：

表1 单个正态总体参数的区间估计表待估参数条件枢轴量置信区间

  2已知 )1,0(~NnX

22[,]XuXunn

 2未知 )1(~ntnSX

22[(1),(1)]SSXtnXtnnn

 2  已知 )(~)(2212nXnii 222211221()(),()()nniiiiXXnn

未知 )1(~)1(222nSn )1()1(,)1()1(2122222nSnnSn

表6.2 两个正态总体参数的区间估计表

待估参数条件枢轴量置信区间

21 2221,已知 12221212()~(0,1)XYNnn

22222212121212(),()XYuXYunnnn

2221,未知，但2221 121212()~(2)11wXYtnnSnn其中222112212(1)(1)2wnSnSSnn 121221212211[(2),11(2)]wwXYtnnSnnXYtnnSnn

概率论与数理统计教案参数估计

概率论与数理统计教案-参数估计

教案章节一：参数估计概述

教学目标：

1. 理解参数估计的定义及意义；

2. 掌握参数估计的两种方法：最大似然估计和最小二乘估计；

3. 了解参数估计的假设条件。

教学内容：

1. 参数估计的定义及意义；

2. 最大似然估计和最小二乘估计的方法及步骤；

3. 参数估计的假设条件。

教学方法：

1. 讲授法：讲解参数估计的定义、意义、方法及步骤；

2. 案例分析法：分析实际案例，让学生更好地理解参数估计的方法及应用。

教学难点：

1. 最大似然估计和最小二乘估计的方法及步骤；

2. 参数估计的假设条件。

教学准备：

1. 教学PPT；

2. 相关案例资料。

教学过程：

1. 引入参数估计的概念，讲解其意义；

2. 讲解最大似然估计和最小二乘估计的方法及步骤； 3. 分析实际案例，展示参数估计的应用；

4. 讲解参数估计的假设条件；

5. 课堂互动，回答学生问题。

作业布置：

1. 复习 parameter estimation 的定义及意义；

2. 学习 maximum likelihood estimation 和 least squares estimation 的相关知识；

3. 思考如何应用 parameter estimation 解决实际问题。

教案章节二：最大似然估计

教学目标：

1. 理解最大似然估计的定义及意义；

2. 掌握最大似然估计的计算方法；

3. 了解最大似然估计的应用场景。

教学内容：

1. 最大似然估计的定义及意义；

2. 最大似然估计的计算方法；

3. 最大似然估计的应用场景。

教学方法：

1. 讲授法：讲解最大似然估计的定义、意义、计算方法；

2. 案例分析法：分析实际案例，展示最大似然估计的应用。

教学难点：

1. 最大似然估计的计算方法； 2. 最大似然估计的应用场景。

教学准备：

1. 教学PPT；

2. 相关案例资料。

教学过程：

统计学参数估计教案

一、教学目的

1. 了解参数估计在统计学中的基本概念和作用；

2. 学会使用点估计和区间估计进行参数估计；

3. 掌握常见的参数估计方法。

二、教学内容

1. 参数估计的基本概念和作用；

2. 点估计和区间估计；

3. 偏差和方差；

4. 常见的参数估计方法：最大似然估计、最小二乘估计、贝叶斯估计。

三、教学方法

1. 讲述、演示和示范；

2. 互动交流；

3. 课程设计。

四、具体教学流程

1. 参数估计的基本概念和作用(30min)

参数估计是指利用样本数据来估计总体参数的方法。总体参数是指总体的某种特征，如总体均值、总体方差等。参数估计的常见目的是为了推断总体的特征和进行预测。

参数估计的基本概念：点估计和区间估计。点估计是指用样本统计量来估计总体参数，如样本均值、样本方差等。区间估计是指以样本统计量为中心，以一定概率包含总体参数的估计区间。

2. 点估计和区间估计(30min)

点估计分为无偏估计和有偏估计。无偏估计是指样本统计量的期望等于总体参数，即样本均值和总体均值相等。有偏估计是指样本统计量的期望不等于总体参数。无偏估计通常比有偏估计更准确，但有时有偏估计可以更好地适应某些特殊情况。

区间估计的概念：置信度和置信区间。置信度是指在给定的置信水平下，总体参数被包含在区间估计内的概率。置信区间是指在给定的置信水平下，总体参数的估计区间。

3. 偏差和方差(30min)

偏差是指在大量重复实验中，样本估计值的平均值与总体参数的差异程度。如样本均值与总体均值之间的差异就是偏差。方差是指在大量重复实验中，样本估计值与其期望之间的差异。

偏差和方差是估计量的两个基本属性。偏差小、方差小的估计量是优良的估计量。

4. 常见的参数估计方法(60min)

最大似然估计是指选择一个参数值，使得样本观测结果发生的概率最大化。最小二乘估计是指选择一个参数值，使得样本观测结果与拟合值之间的平方误差最小化。贝叶斯估计是指利用贝叶斯定理，根据先验分布和样本信息，推导出后验分布，从而得到总体参数的估计量。