高等数学 / 系统课时

点估计基本概念

点估计基本概念

本课建立点估计的基本框架:从总体中抽取样本,构造一个统计量,并用它给出未知参数的单一数值估计。学完后,你能准确区分参数、估计量与估计值,并理解一个点估计问题由哪些部分组成。

学习目标

  • 说明总体参数、样本统计量和点估计之间的关系
  • 区分估计量与估计值,避免混用符号和概念
  • 理解如何用样本均值估计总体均值

点估计解决什么问题

总体参数通常未知,例如总体均值μ\mu、总体方差σ2\sigma^2或事件发生概率pp。我们无法观察总体中的全部个体,只能取得随机样本X1,X2,…,XnX_1,X_2,\ldots,X_n,再根据样本信息推断参数。

点估计要求给出参数的一个具体候选值。其基本结构可以概括为“未知参数—随机样本—统计量—数值结果”。统计量必须只由样本和已知常数组成,不能含有待估计的未知参数。

点估计基本结构图

估计量与估计值

设未知参数为θ\theta。由样本构造的统计量。

θ^=T(X1,X2,…,Xn)\hat{\theta}=T(X_1,X_2,\ldots,X_n)

称为θ\theta的估计量。由于样本是随机的,在抽样之前,θ^\hat{\theta}也是随机变量,具有自己的抽样分布。

当实际观察到样本值x1,x2,…,xnx_1,x_2,\ldots,x_n后,代入同一个函数得到

θ^obs=T(x1,x2,…,xn)\hat{\theta}_{\text{obs}}=T(x_1,x_2,\ldots,x_n)

这个确定的数值称为估计值。简而言之,估计量是规则,估计值是该规则在一次具体样本上的结果。

主示例:估计总体均值

若要估计总体均值μ\mu,最常用的估计量是样本均值:

Xˉ=1n∑i=1nXi\bar{X}=\frac{1}{n}\sum_{i=1}^{n}X_i

假设抽到的样本为4,6,5,7,84,6,5,7,8,则样本均值为

xˉ=4+6+5+7+85=6\bar{x}=\frac{4+6+5+7+8}{5}=6

这里,Xˉ\bar{X}是估计量,因为它随样本变化;数值66是本次样本得到的估计值。点估计只给出一个中心结果,并不直接说明估计误差有多大。

怎样评价估计量

不同统计量都可能用来估计同一参数,因此还要比较它们的质量。常见标准包括无偏性、一致性和有效性。无偏性关注估计量的期望是否等于真实参数;一致性关注样本量增大时估计量是否趋近真实参数;有效性通常比较无偏估计量的方差大小。

这些性质评价的是估计方法在重复抽样中的长期表现,而不是某一次估计值是否“碰巧正确”。单个估计值无法证明估计量优良,也不能反推出真实参数一定等于该值。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

点估计基本概念

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通