目录
- 1.什么是估计量2.估计量的优良性准则3.参考文献
什么是估计量
估计量是指一个公式或方法,它告诉人们怎样用手中样本所提供的信息去估计总体参数。在一项应用中,依据估计量算出的一个具体的数值,称为估计值。
估计量的优良性准则
1.无偏性
估计量是一个随机变量,对一次具体的观察或试验的结果,估计值可能较真实的参数值有一定偏离,但一个好的估计量不应总是偏小或偏大,在多次试验中所得估计量的平均值应与参数的真值相吻合,这正是无偏性的要求。
【定义1】设为总体的未知参数,为有
故,有
若n很大时,则很接近1,表明 不是 存在,是k阶总体矩
即有
【例2】 设总体X服从参数为
其中参数和,所以是
故知无偏估计量.值得注意,若 是 不一定是总体标准差 ,所以,于是 ,这表明尽管标准差 样本统计量作为总体参数的估计量,其无偏性是重要的,但同一参数的无偏估计不是唯一的,还应该从中选取最好的.例如,从总体X中抽取样本是总体均值 , 其数学期望也是,就是无偏估计量的方差越小越好.
【定义2】 设与均为未知参数 (2)
则称 比 有效
【定理2】总体均值最为有效。
证 ,中 其方差
要求这个方差的最小值,相当于求函数,在条件下的最小值.这是一个条件极值问题,用拉格朗日乘数法,令
由
得
即,则。
这是唯一驻点,应是极小值点,亦是最小值点,即当时,达到最小,即
为方差最小值.这表明在总体均值最为有效.
【例4】(续例2)在例2的条件下,试证当时,比无偏估计量nZ有效.
证 因为,所以.再由Z的密度函数可得,故有。当时 ,故比是具有最小方差的无偏估计量,则称为的方差的下界
当时,就是离散型随机变量的概率函数.
【例5】 设总体X服从参数为泊松分布,,并证明 是参数
令
得
由于,故是参数
所以
因此,,即是参数样本容量越大,样本所含的总体分布的信息应该越多,我们希望随着样本容量的增大,估计量的值能够稳定于待估参数的真值,估计量的这种性质称为一致性.
【定义3】设为参数及任意(3)
即依概率收敛于为 是总体k阶原点矩的一致估计.
证由于, 也相互独立与大数定律,对于任意
此表明(这里样本方差
发表评论