参数估计量的评价标准
- 格式:docx
- 大小:36.87 KB
- 文档页数:1
第7章参数估计7.1 考点归纳【知识框架】【考点提示】(1)置信区间的含义理解(选择题、简答题考点);(2)估计量的三个评价标准(判断题、填空题、简答题考点);(3)区间估计的步骤(简答题考点)、总体参数的区间估计选择恰当的统计量(计算题考点);(4)必要样本容量的影响因素、计算(简答题、计算题考点)。
【核心考点】考点一:参数估计的基本原理1.置信区间(1)置信水平为95%的置信区间的含义:用某种方法构造的所有区间中有95%的区间包含总体参数的真值。
(2)置信度愈高(即估计的可靠性愈高),则置信区间相应也愈宽(即估计准确性愈低)。
(3)置信区间的特点:置信区间受样本影响,具有随机性,总体参数的真值是固定的。
一个特定的置信区间“总是包含”或“绝对不包含”参数的真值,不存在“以多大的概率包含总体参数”的问题。
2.评价估计量的标准(1)无偏性:估计量抽样分布的期望值等于被估计的总体参数,即E(θ∧)=θ。
(2)有效性:估计量的方差尽可能小。
(3)一致性:随着样本量的增大,估计量的值越来越接近被估计总体的参数。
【提示】本考点常见考查方式:①直接考查置信水平为95%的置信区间的含义;②置信度、估计可靠性、置信区间的关系及应用;③置信区间的特点;④给出估计量的具体含义,判断体现了什么标准;⑤直接回答估计量的三个评价标准及具体含义(简答题)。
考点二:一个总体参数的区间估计表7-1 一个总体参数的区间估计【总结】一个总体参数的估计及所使用的分布见图7-1:图7-1 一个总体参数的估计及所使用的分布【真题精选】设总体X~N(μ,σ2),σ2已知,样本容量和置信水平固定,对不同的样本观测值,μ的置信区间的长度()。
[对外经济贸易大学2018研]A.变长B .变短C .保持不变D .不能确定 【答案】C【解析】在正态总体方差已知的条件下,μ的置信区间为/2x z ±ασ所以置信区间长度为/22Z α,当样本容量和置信水平固定时,置信区间长度保持不变。
一、参数估计(一)参数估计内涵参数估计(parameter estimation )是根据从总体中抽取的样本估计总体分布中包含的未知参数的方法。
它是统计推断的一种基本形式,是数理统计学的一个重要分支,分为点估计和区间估计两部分。
(二)估计量的评价准则对于同一参数,用不同方法来估计,结果是不一样的。
例1 设总体X 服从参数为λ的泊松分布,即,2,1,0,!}{===-k k ek X P kλλ则易知λλ==)(,)(X D X E ,分别用样本均值和样本方差取代)(X E 和)(X D ,于是得到λ的两个矩估计量21ˆ,ˆS X ==λλ. 既然估计的结果往往不是唯一的,那么究竟孰优孰劣?这里首先就有一个标准的问题。
1、 无偏性(Unbiased)定义1 设),,,(ˆˆ21nX X X θθ=是θ的一个估计量,若对任意的Θ∈θ,都有θθθ=)ˆ(E ,则称θˆ是θ的无偏估计量(Unbiased estimator),如果 0)(lim )),,,((lim 21=∆-∞→∧∞→θθθδn n n n b X X X E则称θˆ是θ的渐近无偏估计量(Approximation unbiased estimator),其中)(θn b 称为是θˆ的偏差(affect)。
无偏性反映了估计量的取值在真值θ周围摆动,显然,我们希望一个量具有无偏性。
例2 X 是总体期望值μ=)(X E 的无偏估计,因为μμ===⎪⎭⎫ ⎝⎛=∑∑==n n X E n X n E X E ni i n i i 1)(11)(112、 最小方差性和有效性(Minimum Variance and efficiency) 前面已经说过,无偏估计量只说明估计量的取值在真值周围摆动,但这个“周围”究竟有多大?我们自然希望摆动范围越小越好,即估计量的取值的集中程度要尽可能的高,这在统计上就引出最小方差无偏估计的概念。
定义2 对于固定的样本容量n ,设),,,(21n X X X T T =是参数函数)(θg 的无偏估计量,若对)(θg 的任一个无偏估计量),,,(21n X X X T T '='有Θ∈≤θθθ对一切),'()(T D T D则称),,,(21n X X X T 为)(θg 的(一致)最小方差无偏估计量,简记为UMVUE(Uniformly Minimum Variance Unbiased Estimation)或者称为最优无偏估计量。
第二章 参数估计【学习目标】1、掌握矩估计的替代原则;会求已知分布中未知参数的矩估计(值)2、熟练掌握极大似然估计的思想及求法3、估计量的评价标准:无偏性、有效性、相合性的定义4、统计量的无偏性的判断;两个无偏估计的有效性判断;会用Fisher 信息量及c-R 下界进行统计量的UMVUE 充分性判断5、掌握区间估计的定义6、单个正态总体均值的区间估计(包括方差已知、方差未知);单个正态总体方差的区间估计(包括均值已知、均值未知)7、两个正态总体均值差的区间估计(方差未知);两个正态总体方差比的区间估计 8、单侧置信区间的求法 【典型例题讲解】例1、设1,,n X X 是来自均匀分布(,1)U θθ+的总体的容量为n 的样本,其中θ-∞<<+∞为未知参数,试证:θ的极大似然估计量不止一个,例如1(1)ˆXθ=,2()ˆ1n X θ=-,3(1)()11ˆ()22n XXθ=+-都是θ的极大似然估计。
解:(,1)U θθ+分布的密度函数为11()0x f x θθ≤≤+⎧=⎨⎩其他似然函数(1)()11()0n x x L θθθ≤≤≤+⎧=⎨⎩其他由于在(1)()1n x x θθ≤≤≤+上()L θ为常数,所以凡是满足:(1)()ˆˆ1n x x θθ≤≤≤+的ˆθ均为θ的极大似然估计。
从而(1)1(1)ˆX θ=满足此条件,故1(1)ˆX θ=是θ的极大似然估计;(2)由于()(1)1n X X -≤,故2()(1)()2ˆˆ11n n X X X θθ=-≤≤=+,所以2()ˆ1n Xθ=-为θ的极大似然估计;(3)由于()(1)1n X X -≤,故(1)()(1)12n X X X +-≤,(1)()()12n n X X X ++≥,从而有3(1)()(1)()(1)()31111ˆˆ()()12222n n n XXXXXXθθ=+-≤≤≤++=+,故3ˆθ也为θ的极大似然估计。
1. 简述评价估计量的标准。
答案:(1)无偏性:是指估计量抽样分布的期望值等于被估计的总体参数。
(2)有效性:是指估计量的方差尽可能小。
对同一总体参数的两个无偏估计量,有更小方差的估计量更有效。
(3)一致性:是指随着样本量的增大,点估计量的值越来越接近被估总体的参数。
知识点:参数估计难易度:12. 为估计一批产品平均使用寿命的置信区间,从该批产品抽取50件作为样本进行估计,估计时采用的分布是什么?请说明理由。
如果随机抽取20件作为样本,估计时采用的分布是什么?假定条件是什么?答案:(1)抽取50件作为样本时,应采用采用正态分布进行估计。
因为n=50属于大样本,此时,样本均值经标准化后服从标准正态分布。
(2)抽取20件作为样本时,应采用采用t分布进行估计。
因为n=20属于小样本,由于总体方差未知,样本均值经标准化会服从自由度为n-1 的t分布。
此时的估计,假定该批产品的平均使用寿命服从正态分布。
知识点:参数估计难易度:33. 从全校学生中随机抽取200人组成一个随机样本,根据95%的置信水平,估计出全校学生平均月生活费支出为500元~600元。
(1)这里的95%的置信水平是指什么?(2)全校学生平均生活费支出的实际值是否在这一区间内?为什么?答案:(1)这里95%的置信水平是指:重复抽样所有样本量为200的样本,按相同的方法进行估计,在所构建的所有置信区间中,约有95%的置信区间包含全校学生平均月生活费支出的实际值。
(2)全校学生平均生活费支出的实际值是否在这一区间内我们并不知道。
因为这个区间是根据目前的这个样本构建出来的,而这个区间又是一个常数区间。
我们并不知道它是包含实际值的95%区间中的一个,还是不包含实际值的5%的区间中的一个。
知识点:参数估计难易度:34. 影响样本量大小的因素有哪些?简述这些因素与样本量的关系。
答案:(1)影响样本量大小的因素有所要求的置信水平、总体方差和估计时所希望的估计误差。
参数估计量的评价标准
参数估计量(Estimator)是用来对总体参数进行推断的统计量,它是根据样本数据计算得
出的。
评价参数估计量的质量和准确性是统计学中的重要问题之一。
下面将介绍几个常用的评价标准。
1. 无偏性(Unbiasedness):一个参数估计量是无偏的,意味着在不同的样本中,估计值的期
望与真实的总体参数值相等。
换句话说,该估计量不会偏离总体参数的真实值。
无偏性是参数估计量的一个重要性质,因为无偏估计可以确保对总体参数的正确估计。
2. 一致性(Consistency):一个参数估计量是一致的,当样本容量增加时,估计值趋近于总体
参数的真实值。
换句话说,当样本大小足够大时,估计值会接近真实值。
一致性是指估计量的渐近性质,即当样本容量无限增大时,估计值收敛于真实值。
3. 效率(Efficiency):一个参数估计量是高效的,当它具有较小的方差,相对于其他估计量
而言。
如果两个估计量都是无偏的,方差较小的估计量被认为是更高效的估计量。
4. 均方误差(Mean Squared Error,MSE):均方误差是估计值与总体参数的真实值之间差异
的平方的平均值。
一个好的参数估计量应该具有较小的均方误差,因为它意味着估计值与真实值之间的差异较小。
5. 偏倚(Bias):一个参数估计量是有偏的,当它的期望值与总体参数的真实值之间存在差异。
有偏估计量在整体上偏离真实值,可能导致统计推断的错误结果。
6. 置信区间(Confidence Interval):置信区间提供了对总体参数真实值的范围估计。
一个好的
参数估计量应该能够提供较窄的置信区间,这意味着估计值的不确定性较小。
评价参数估计量的质量和准确性需要综合考虑上述标准。
一般来说,理想的参数估计量应当是无偏的、一致的、高效的,并具有较小的均方误差。
同时,参数估计量的偏倚应尽可能小,置信区间应该足够窄。
根据具体的研究需求和可行性,研究者可以选择合适的评价标准来确定最佳的估计量。