第七章 参数估计
第一节 基本概念
1、概念网络图
⎧⎧无偏性⎫⎫
⎧矩估计⎫⎪⎪⎪⎪
点估计→估计量的评选标准有效性⎨⎬⎨⎬⎪⎪⎪⎪极大似然估计⎭⎩⎪⎪从样本推断总体⎨⎩一致性⎭⎬ ⎪⎪⎪⎪⎪⎪}区间估计{单正态总体的区间估计⎩⎭
2、重要公式和结论
例7.1:设总体X ~U (a , b ) ,求对a, b的矩估计量。 例7.2:设x 1, x , 2, , x n 是总体的一个样本,试证
131x 1+x 2+x 3; 5102∧115
x 3; (2)μ2=x 1+x 2+
3412∧131
x 3. (3)μ3=x 1+x 2-
3412
(1)μ=
∧
都是总体均值u 的无偏估计,并比较有效性。
例7.3:设x 1, x , 2, , x n 是取自总体X ~N (μ, σ) 的样本,试证
2
1n
S =(x i -x ) 2 ∑n -1i =1
2
是σ的相合估计量。
2
第二节 重点考核点
矩估计和极大似然估计;估计量的优劣;区间估计
第三节 常见题型
1、矩估计和极大似然估计
例7.4:设X ~U (0, θ), θ>0,求θ的最大似然估计量及矩估计量。 例7.5:设总体X 的密度函数为
⎧1-(x -μ) /θ⎪e f (x ) =⎨θ
⎪⎩0,
x ≥μ, 其他.
其中θ>0, θ, μ为未知参数,X 1, X 2, , X n 为取自X 的样本。试求θ, μ的极大似然估计量。
2、估计量的优劣
例7.6:设n 个随机变量x 1, x 2, , x n 独立同分布,
1n 1n 2
D (x 1) =σ, x =∑x i , S =(x i -x ) 2, ∑n i =1n -1i =1
2
则
(A )S 是σ的无偏估计量;
(C )S 是σ的相合估计量; 例7.7:设总体X 的密度函数为
(B )S 是σ的最大似然估计量; (D )S 与x 相互独立。
2
⎧6x
⎪(θ-x ), f (x ) =⎨θ3
⎪⎩0,
0
X 1, X 2, , X n 是取自X 的简单随机样本。
(1) 求θ的矩估计量θ;
∧
(2) 求θ的方差D (θ);
(3) 讨论θ的无偏性和一致性(相合性)。
∧
∧∧
3、区间估计
例7.8:从一批钉子中随机抽取16枚,测得其长度(单位:cm )为
2.14, 2.10, 2.13, 2.15, 2.13, 2.12, 2.13, 2.10 2.15, 2.12, 2.14, 2.10, 2.13, 2.11, 2.14, 2.11
假设钉子的长度X 服从正态分布N (μ, σ2) , 在下列两种情况下分别求总体均值μ的置信度为90%的置信区间。 (1) 已知σ=0.01. (2) σ未知.
例7.9:为了解灯泡使用时数的均值μ及标准差σ,测量10个灯泡,得x =1500小时,S=20小时。如果已知灯泡的使用时数服从正态分布,求μ和σ的95%的置信区间。
例7.10:设总体X ~N (3.4, 6),从中抽取容量为n 的样本,若要求其样本均值x 位于区
2
间[1.4, 5.4]内的概率不小于0.95,问样本容量n 至少应取多大?
第四节 历年真题
数学一:
1(97,5分)
设总体X 的概率密度为
⎧(θ+1) x θ
f (x ) =⎨
⎩0,
0
其他
其中θ>-1是未知参数. X 1, X 2, , X n 是来自总体X 的一个容量为n 的简单随机样本,分别用矩估计法和极大似然估计法求θ的估计量。 2(99,6分) 设总体X 的概率密度为
⎧6x
⎪(θ-x ) 0
f (x )=⎨θ3
⎪0, 其他⎩
X 1, X 2, , X n 是取自总体X 的简单随机样本。
(1) 求θ的矩估计量θ;
(2) 求D (θ)。
3(00,6分) 设某种元件的使用寿命X 的概率密度为
⎧2e -2(x -θ)
f (x ; θ) =⎨
⎩0,
x >θ
x ≤θ
其中θ>0为未知参数。又设x 1, x 2, , x n 是X 的一组样本观测值,求参数θ的最大似然估计值。
4(02,7分)
设总体X 的概率分别为
X 0p θ2
其中θ(0
123
2θ(1-θ) θ21-2θ
1
)是未知参数,利用总体X 的如下样本值 2
3, 1, 3, 0, 3, 1, 2, 3
求θ的矩估计值和最大似然估计值。
5(03,4分)
已知一批零件的长度X (单位:cm )服从正态分布N (μ, 1) ,从中随
机地抽取16个零件,得到长度的平均值为40cm ,则μ的置信度为0.95 的置信区间是
。
, Φ(1. 645) =0. 95) (注:标准正态分布函数值Φ(1. 96) =0. 975
6(03,8分)
设总体X 的概率密度为
⎧2e -2(x -θ)
f (x ) =⎨
⎩0,
x >θ
x ≤θ
^
其中θ>0是未知参数,从总体X 中抽取简单随机样本X 1, X 2, , X n ,记θ=min(X 1, X 2, , X n )。
(1) 求总体X 的分布函数F (x ); (2) 求统计量θ的分布函数F ^(x ) ;
θ
^
如果用θ作为θ的估计量,讨论它是否具有无偏性。
7(04,9分) 设总体X 的分布函数为
^
1⎧
⎪1-β, x >1,
F (x , β) =⎨ x
x ≤1, ⎪⎩0,
其中未知参数β>1, X 1, X 2, , X n 为来自总体X 的简单随机样本,求:
(I ) β的矩估计量;
(II ) β的最大似然估计量.
8.(06,9分)设总体X 的概率密度为
⎧θ
⎪
F (X , 0)=⎨1-θ
⎪0⎩
0
1≤x
其它
X 1, X 2, , X n 为来自总体X 的简单随机样本,记N 为样本值x 1, x 2, , x n 中小于1的个
数,求θ的最大似然估计。
数学三:
1(91,5分)
设总体X 的概率密度为
⎧λax α-1e -λx , ⎪
f (x , λ) =⎨
⎪0, ⎩
其中
α
x >0
x ≤0
λ>0是未知参数, α>0是已知常数。试根据来自总体X 的简单随机样本
X 1, X 2, X n ,求λ的最大似然估计量λ。
2(92,3分)
2
设n 个随机变量
X 1, X 2, X n 独立同分布,
1n 1n 2
DX 1=σ, X =∑X i , S =(Xi -X ) 2,则 ∑n i =1n -1i =1
(A )S 是σ的无偏估计量。 (B )S 是σ的最大似然估计是。
(C )S 是σ的相合估计量(即一致估计量)。 (D )S 与X 相互独立。
[ ]
3(93,3分) 设总体X 的方差为1,根据来自X 的容量为100的简单随机样本,测得样本均值为5。则X 的数学期望的置信度近似等于0.95的置信区间为 。
4(96,3分)
设由来自正态总体X ~N (μ, 0. 9) 容量为9的简单随机样本,得样
。
2
本均值X =5. 则未知参数μ的置信度为0. 95的置信区间是
5(00,8分)
设0.51, 1.25, 0.80, 2.00是来自总体X 的简单随机样本值。已知
Y =lnX 服从正态分布N (μ, 1) 。
(1) 求X 的数学期望EX (记EX 为b ); (2) 求μ的置信度为0.95的置信区间;
(3) 利用上述结果求b 的置信度为0.95的置信区间。 6(02,3分) 设总体X 的概率密度为
⎧e -(x -θ) , 若x ≥θ
f (x ; θ) =⎨
0, 若x
则X 1, X 2, X n 是来自总体X 的简单随机样本,则未知参数θ的矩估计量为
7(04,13分) 设随机变量X 的分布函数为
。
⎧⎛α⎫β
⎪⎪, x >α, F (x , α, β) =⎨1- ⎝x ⎭⎪0,x ≤α,⎩
其中参数α>0, β>1. 设X 1, X 2, , X n 为来自总体X 的简单随机样本, (Ⅰ) 当α=1时, 求未知参数β的矩估计量; (Ⅱ) 当α=1时, 求未知参数β的最大似然估计量; (Ⅲ) 当β=2时, 求未知参数α的最大似然估计量.
8.(05,4分)设一批零件的长度服从正态分布N (μ, σ) ,其中μ, σ均未知。现从中随机抽取16个零件,测得样本均值=20(cm ) ,样本标准差s =1(cm ) ,则μ的置信度为0.90的置信区间是 (A ) 20-
2
2
⎛
⎝11⎫t 0. 05(16), 20+t 0. 05(16)⎪ 44⎭11⎫t 0. 1(16), 20+t 0. 1(16)⎪ 44⎭11⎫t 0. 05(15), 20+t 0. 05(15)⎪ 44⎭11⎫t 0. 1(15), 20+t 0. 1(15)⎪ 44⎭
2
(B ) 20-
⎛⎝
(C ) 20-
⎛⎝
(D ) 20-
⎛⎝
9.(05,13分)设X 1, X 2, , X n (n >2)为来自总体N (0, σ) 的简单随机样本,其样
本均值为。记Y i =X i -,i =1, 2, , n 。
求:(I )Y i 的方差DY i ,i =1, 2, , n ;
(II )Y 1与Y n 的协方差Cov (Y 1, Y n ) 。
(III )若c (Y 1+Y n ) 2是σ的无偏估计量,求常数c 。 2
⎧θ, 0
⎪0, 其它⎩
数(0
(I )θ的矩估计;
(II )θ的最大似然估计。
第七章 参数估计
第一节 基本概念
1、概念网络图
⎧⎧无偏性⎫⎫
⎧矩估计⎫⎪⎪⎪⎪
点估计→估计量的评选标准有效性⎨⎬⎨⎬⎪⎪⎪⎪极大似然估计⎭⎩⎪⎪从样本推断总体⎨⎩一致性⎭⎬ ⎪⎪⎪⎪⎪⎪}区间估计{单正态总体的区间估计⎩⎭
2、重要公式和结论
例7.1:设总体X ~U (a , b ) ,求对a, b的矩估计量。 例7.2:设x 1, x , 2, , x n 是总体的一个样本,试证
131x 1+x 2+x 3; 5102∧115
x 3; (2)μ2=x 1+x 2+
3412∧131
x 3. (3)μ3=x 1+x 2-
3412
(1)μ=
∧
都是总体均值u 的无偏估计,并比较有效性。
例7.3:设x 1, x , 2, , x n 是取自总体X ~N (μ, σ) 的样本,试证
2
1n
S =(x i -x ) 2 ∑n -1i =1
2
是σ的相合估计量。
2
第二节 重点考核点
矩估计和极大似然估计;估计量的优劣;区间估计
第三节 常见题型
1、矩估计和极大似然估计
例7.4:设X ~U (0, θ), θ>0,求θ的最大似然估计量及矩估计量。 例7.5:设总体X 的密度函数为
⎧1-(x -μ) /θ⎪e f (x ) =⎨θ
⎪⎩0,
x ≥μ, 其他.
其中θ>0, θ, μ为未知参数,X 1, X 2, , X n 为取自X 的样本。试求θ, μ的极大似然估计量。
2、估计量的优劣
例7.6:设n 个随机变量x 1, x 2, , x n 独立同分布,
1n 1n 2
D (x 1) =σ, x =∑x i , S =(x i -x ) 2, ∑n i =1n -1i =1
2
则
(A )S 是σ的无偏估计量;
(C )S 是σ的相合估计量; 例7.7:设总体X 的密度函数为
(B )S 是σ的最大似然估计量; (D )S 与x 相互独立。
2
⎧6x
⎪(θ-x ), f (x ) =⎨θ3
⎪⎩0,
0
X 1, X 2, , X n 是取自X 的简单随机样本。
(1) 求θ的矩估计量θ;
∧
(2) 求θ的方差D (θ);
(3) 讨论θ的无偏性和一致性(相合性)。
∧
∧∧
3、区间估计
例7.8:从一批钉子中随机抽取16枚,测得其长度(单位:cm )为
2.14, 2.10, 2.13, 2.15, 2.13, 2.12, 2.13, 2.10 2.15, 2.12, 2.14, 2.10, 2.13, 2.11, 2.14, 2.11
假设钉子的长度X 服从正态分布N (μ, σ2) , 在下列两种情况下分别求总体均值μ的置信度为90%的置信区间。 (1) 已知σ=0.01. (2) σ未知.
例7.9:为了解灯泡使用时数的均值μ及标准差σ,测量10个灯泡,得x =1500小时,S=20小时。如果已知灯泡的使用时数服从正态分布,求μ和σ的95%的置信区间。
例7.10:设总体X ~N (3.4, 6),从中抽取容量为n 的样本,若要求其样本均值x 位于区
2
间[1.4, 5.4]内的概率不小于0.95,问样本容量n 至少应取多大?
第四节 历年真题
数学一:
1(97,5分)
设总体X 的概率密度为
⎧(θ+1) x θ
f (x ) =⎨
⎩0,
0
其他
其中θ>-1是未知参数. X 1, X 2, , X n 是来自总体X 的一个容量为n 的简单随机样本,分别用矩估计法和极大似然估计法求θ的估计量。 2(99,6分) 设总体X 的概率密度为
⎧6x
⎪(θ-x ) 0
f (x )=⎨θ3
⎪0, 其他⎩
X 1, X 2, , X n 是取自总体X 的简单随机样本。
(1) 求θ的矩估计量θ;
(2) 求D (θ)。
3(00,6分) 设某种元件的使用寿命X 的概率密度为
⎧2e -2(x -θ)
f (x ; θ) =⎨
⎩0,
x >θ
x ≤θ
其中θ>0为未知参数。又设x 1, x 2, , x n 是X 的一组样本观测值,求参数θ的最大似然估计值。
4(02,7分)
设总体X 的概率分别为
X 0p θ2
其中θ(0
123
2θ(1-θ) θ21-2θ
1
)是未知参数,利用总体X 的如下样本值 2
3, 1, 3, 0, 3, 1, 2, 3
求θ的矩估计值和最大似然估计值。
5(03,4分)
已知一批零件的长度X (单位:cm )服从正态分布N (μ, 1) ,从中随
机地抽取16个零件,得到长度的平均值为40cm ,则μ的置信度为0.95 的置信区间是
。
, Φ(1. 645) =0. 95) (注:标准正态分布函数值Φ(1. 96) =0. 975
6(03,8分)
设总体X 的概率密度为
⎧2e -2(x -θ)
f (x ) =⎨
⎩0,
x >θ
x ≤θ
^
其中θ>0是未知参数,从总体X 中抽取简单随机样本X 1, X 2, , X n ,记θ=min(X 1, X 2, , X n )。
(1) 求总体X 的分布函数F (x ); (2) 求统计量θ的分布函数F ^(x ) ;
θ
^
如果用θ作为θ的估计量,讨论它是否具有无偏性。
7(04,9分) 设总体X 的分布函数为
^
1⎧
⎪1-β, x >1,
F (x , β) =⎨ x
x ≤1, ⎪⎩0,
其中未知参数β>1, X 1, X 2, , X n 为来自总体X 的简单随机样本,求:
(I ) β的矩估计量;
(II ) β的最大似然估计量.
8.(06,9分)设总体X 的概率密度为
⎧θ
⎪
F (X , 0)=⎨1-θ
⎪0⎩
0
1≤x
其它
X 1, X 2, , X n 为来自总体X 的简单随机样本,记N 为样本值x 1, x 2, , x n 中小于1的个
数,求θ的最大似然估计。
数学三:
1(91,5分)
设总体X 的概率密度为
⎧λax α-1e -λx , ⎪
f (x , λ) =⎨
⎪0, ⎩
其中
α
x >0
x ≤0
λ>0是未知参数, α>0是已知常数。试根据来自总体X 的简单随机样本
X 1, X 2, X n ,求λ的最大似然估计量λ。
2(92,3分)
2
设n 个随机变量
X 1, X 2, X n 独立同分布,
1n 1n 2
DX 1=σ, X =∑X i , S =(Xi -X ) 2,则 ∑n i =1n -1i =1
(A )S 是σ的无偏估计量。 (B )S 是σ的最大似然估计是。
(C )S 是σ的相合估计量(即一致估计量)。 (D )S 与X 相互独立。
[ ]
3(93,3分) 设总体X 的方差为1,根据来自X 的容量为100的简单随机样本,测得样本均值为5。则X 的数学期望的置信度近似等于0.95的置信区间为 。
4(96,3分)
设由来自正态总体X ~N (μ, 0. 9) 容量为9的简单随机样本,得样
。
2
本均值X =5. 则未知参数μ的置信度为0. 95的置信区间是
5(00,8分)
设0.51, 1.25, 0.80, 2.00是来自总体X 的简单随机样本值。已知
Y =lnX 服从正态分布N (μ, 1) 。
(1) 求X 的数学期望EX (记EX 为b ); (2) 求μ的置信度为0.95的置信区间;
(3) 利用上述结果求b 的置信度为0.95的置信区间。 6(02,3分) 设总体X 的概率密度为
⎧e -(x -θ) , 若x ≥θ
f (x ; θ) =⎨
0, 若x
则X 1, X 2, X n 是来自总体X 的简单随机样本,则未知参数θ的矩估计量为
7(04,13分) 设随机变量X 的分布函数为
。
⎧⎛α⎫β
⎪⎪, x >α, F (x , α, β) =⎨1- ⎝x ⎭⎪0,x ≤α,⎩
其中参数α>0, β>1. 设X 1, X 2, , X n 为来自总体X 的简单随机样本, (Ⅰ) 当α=1时, 求未知参数β的矩估计量; (Ⅱ) 当α=1时, 求未知参数β的最大似然估计量; (Ⅲ) 当β=2时, 求未知参数α的最大似然估计量.
8.(05,4分)设一批零件的长度服从正态分布N (μ, σ) ,其中μ, σ均未知。现从中随机抽取16个零件,测得样本均值=20(cm ) ,样本标准差s =1(cm ) ,则μ的置信度为0.90的置信区间是 (A ) 20-
2
2
⎛
⎝11⎫t 0. 05(16), 20+t 0. 05(16)⎪ 44⎭11⎫t 0. 1(16), 20+t 0. 1(16)⎪ 44⎭11⎫t 0. 05(15), 20+t 0. 05(15)⎪ 44⎭11⎫t 0. 1(15), 20+t 0. 1(15)⎪ 44⎭
2
(B ) 20-
⎛⎝
(C ) 20-
⎛⎝
(D ) 20-
⎛⎝
9.(05,13分)设X 1, X 2, , X n (n >2)为来自总体N (0, σ) 的简单随机样本,其样
本均值为。记Y i =X i -,i =1, 2, , n 。
求:(I )Y i 的方差DY i ,i =1, 2, , n ;
(II )Y 1与Y n 的协方差Cov (Y 1, Y n ) 。
(III )若c (Y 1+Y n ) 2是σ的无偏估计量,求常数c 。 2
⎧θ, 0
⎪0, 其它⎩
数(0
(I )θ的矩估计;
(II )θ的最大似然估计。