当前课程知识点:概率论与数理统计 >  第十四周 参数点估计 >  参数点估计的无偏性和有效性 >  14.3 参数点估计的无偏性和有效性

返回《概率论与数理统计》慕课在线视频课程列表

14.3 参数点估计的无偏性和有效性在线视频

14.3 参数点估计的无偏性和有效性

下一节:14.4 参数点估计应用实例

返回《概率论与数理统计》慕课在线视频列表

14.3 参数点估计的无偏性和有效性课程教案、知识点、字幕

参数的点估计可以通过多种方法实现

矩估计的基本想法是替换原理

用适当的统计量替换数字特征

从而解出用样本X1、X2、Xn表示的

未知参数的估计量

极大似然估计的基本想法

是用能够以最大概率

解释观测值的参数取值

作为未知参数的近似

这些方法的理论基础凭借的是

直觉上的合理性

由这些方法得到的多种可能的估计量

它们的优劣

很难从不同的估计方法本身

来加以区分

需要引入一些通用的检验标准

用以评价同一未知参数的

不同估计量的优劣性

常用的标准有无偏性和有效性

这两个指标

我们先给出无偏性的定义

设theta是被估参数

theta一尖是theta的一个估计量

theta一尖是X1、X2到Xn的函数

是一个随机变量

如果统计量theta一尖的期望

等于被估参数theta

则称theta一尖是参数theta的

无偏估计量

无偏性准则

是希望保证估计量没有系统偏差

对于泊松分布总体的参数lamda

样本均值X一拔和样本方差S方

都是参数lamda的无偏估计

样本均值的期望总等于总体期望

所以样本均值总是

总体期望的无偏估计量

同样 样本方差永远是

总体方差的无偏估计量

如果估计量theta1一尖的期望

等于c倍的theta

与参数theta只差一个常数倍

那可设theta一尖

等于c分之1乘theta1一尖

则theta一尖的期望等于theta

得到了参数theta的无偏估计量

theta一尖

通常称

这样得到的无偏估计theta一尖

为对估计量theta1一尖的无偏校正

设X1、X2、Xn是来自于区间

0、theta上的均匀总体的样本

直观上X1、X2到Xn的最大值

会比较接近参数theta

可验证X1、X2到Xn的

最大值函数的期望

等于n+1分之n倍的theta

下节课我们会证明这个结论

最大值函数

并不是参数theta的无偏估计

但是它的期望与theta

只差一个常数倍

因此给最大值函数

乘以一个常数n分之n+1

即可得到参数theta的无偏估计

也就是对有偏的估计量

样本的最大值函数进行了无偏校正

直观上n越大

X1、X2到Xn的最大值函数

对theta的估计就会越准确

而校正因子n分之n+1

当n越大的时候也越接近于1

二者是一致的

设theta1一尖和theta2一尖

都是参数theta的无偏估计

如果theta1一尖的方差

小于theta2一尖的方差

则称theta1一尖

比theta2一尖更有效

有效性准则希望估计量的方差尽可能小

也就是

围绕参数真实值波动的幅度越小越好

通过增加样本容量

可以提高估计的有效性

例如样本均值为总体期望的无偏估计

设样本容量为n

总体方差为sigma方

则样本均值的方差

等于n分之sigma方

样本容量n越大

则样本均值X一拔的方差越小

设总体X服从期望为mu

方差为sigma方的正态分布

X1、X2、X3、X4是一个样本

验证theta1一尖等于X一拔

theta2一尖

等于2X1加X2减X3减X4

以及theta3一尖

等于8分之3倍的X1加X2

再加8分之1倍的X3加X4

这3个统计量

均为参数mu的无偏估计量

并比较它们的有效性

无偏性的证明非常简单

样本均值的期望永远等于总体期望

theta2一尖的期望展开计算

也等于总体期望mu

同样将theta3一尖的

期望的求和式展开

也得到期望等于mu

再计算3个估计量的方差

利用样本的独立性

可计算出theta1一尖的方差

等于16分之1乘以4倍的总体方差

等于4分之sigma方

theta2一尖的方差

将各项展开

计算系数的平方和等于7

theta2一尖的方差

等于7倍的sigma方

theta3一尖的方差

等于16分之5倍的sigma方

Theta1一尖的方差最小

theta2一尖的方差最大

概率论与数理统计课程列表:

第一周:随机事件及其概率运算

-随机试验与随机事件

--1.1 随机试验与随机事件

-古典概型

--1.2 古典概型

--第一周:古典概型

-事件间的关系与事件的运算

--1.3 事件间的关系与事件的运算

--第一周:事件间的关系与事件的运算

-两个著名的例子

--1.4 两个著名的例子

--第一周:两个著名的例子

-讲义

第二周:条件概率和独立性

-条件概率

--2.1 条件概率

--第二周:条件概率

-有关条件概率的三个重要计算公式

--2.2 条件概率的三个重要计算公式

--第二周:有关条件概率的三个重要计算公式

-事件的独立性

--2.3 事件的独立性

--第二周:事件的独立性

-应用实例

--2.4 应用实例

--第二周:应用实例

-网球比赛胜率的计算

--Video

-讲义

第三周:随机变量

-随机变量及分布函数

--3.1.随机变量及分布函数

--第三周:随机变量及分布函数

-离散型与连续型随机变量

--3.2 离散型随机变量

--第三周:离散型与连续型随机变量

-分布函数的性质与特殊的例子

--3.3 分布函数的性质与特殊的例子

--第三周:分布函数的性质与特殊的例子

-概率论所需微积分要点回顾

--3.4 概率论所需微积分要点回顾

--第三周:概率论所需微积分要点回顾

-讲义

第四周:常见随机变量

-二项分布与负二项分布

--4.1 二项分布与负二项分布

--第四周:二项分布与负二项分布

-泊松分布

--4.2 泊松分布

--第四周:泊松分布

-几何分布与指数分布

--4.3 几何分布与指数分布

--第四周:几何分布与指数分布

-正态分布

--4.4 正态分布

--第四周:正态分布

-讲义

第五周:随机变量函数的分布及随机变量的数字特征

-随机变量函数的分布

--5.1 随机变量函数的分布

--第五周:随机变量函数的分布

-随机变量的数学期望

--5.2 随机变量的数学期望

--第五周:随机变量的数学期望

-随机变量的方差

--5.3 随机变量的方差

--第五周:随机变量的方差

-原点矩与中心矩

--5.4 原点矩与中心矩

--第五周:原点矩与中心矩

-期望和方差的一些补充性质

--5.5 期望和方差的一些补充性质

--第五周:期望和方差的一些补充性质

-讲义

第六周:常见随机变量的期望方差和应用实例

-二项分布与泊松分布的期望与方差

--6.1二项分布与泊松分布的期望与方差

--第六周:二项分布与泊松分布的期望与方差

-几何分布的期望与方差

--6.2 几何分布的期望与方差

--第六周:几何分布的期望与方差

-均匀、指数和正态分布的期望与方差

--6.3 均匀、指数和正态分布的期望与方差

--第六周:均匀、指数和正态分布的期望与方差

-随机变量数学期望的应用实例

--6.4 随机变量数学期望的应用实例

--第六周:随机变量数学期望的应用实例

-快速排序算法的平均计算量分析

--Video

-讲义

第七周:多维随机变量,独立性

-多维随机变量

--7.1. 多维随机变量

-第七周:多维随机变量

-常见多维随机变量举例

--7.2. 常见多维随机变量举例

--第七周:常见多维随机变量举例

-随机变量的独立性

--7.3 随机变量的独立性

--第七周:随机变量的独立性

-独立随机变量期望和方差的性质

--7.4 独立随机变量期望和方差的性质

--第七周:独立随机变量期望和方差的性质

-讲义

第八周:条件分布与条件期望

-条件分布

--8.1条件分布

--第八周:条件分布

-条件期望

--8.2 条件期望

--第八周:条件期望

-全期望公式(上)

--8.3 全期望公式(上)

--第八周:全期望公式(上)

-全期望公式(下)

--8.4 全期望公式(下)

--第八周:全期望公式(下)

-讲义

第九周 协方差与相关系数

-随机变量函数的期望

--9.1. 随机变量函数的期望

--第九周:随机变量函数的期望

-协方差

--9.2 协方差

--第九周:协方差

-相关系数

-- 9.3 相关系数

--第九周:相关系数

-相关与独立

--9.4 相关与独立

--第九周:相关与独立

-讲义

第十周 独立随机变量和的分布与顺序统计量

-独立随机变量和的分布

--10.1. 独立随机变量和的分布

--第十周:独立随机变量和的分布

-独立正态分布和的分布

--10.2 独立正态分布和的分布

--第十周:独立正态分布和的分布

-最大值、最小值分布

--10.3 最大值、最小值分布

--第十周:最大值、最小值分布

-顺序统计量

--10.4 顺序统计量

--第十周:顺序统计量

-讲义

第十一周 正态分布专题

-正态分布的相关与独立

--11.1 正态分布的相关与独立

--第十一周:正态分布的相关与独立

-边缘密度均为正态,联合分布不是二元正态的例子

--11.2 边缘密度均为正态,联合分布不是二元正态的例子

--第十一周:边缘密度均为正态,联合分布不是二元正态的例子

-二项分布的正态近似

--11.3 二项分布的正态近似

--第十一周:二项分布的正态近似

-正态近似计算实例

--11.4 正态近似计算实例

--第十一周:正态近似计算实例

-讲义

第十二周 大数定律和中心极限定理

-大数定律

--12.1大数定律

--第十二周:大数定律

-中心极限定理

--12.2 中心极限定理

--第十二周:中心极限定理

-蒙特卡洛(Monte Carlo)算法

--12.3 蒙特卡洛(Monte Carlo)算法

-伪随机数和随机模拟

--12.4 伪随机数和随机模拟

-讲义

第十三周 统计学基本概念

-统计学实例

--13.1 统计学实例

-总体与样本

--13.2.总体与样本

-常用统计量

--13.3 常用统计量

--第十三周:常用统计量

-三种重要的统计分布和分位数

--13.4 三种重要的统计分布和分位数

--第十三周:三种重要的统计分布和分位数

-讲义

第十四周 参数点估计

-参数的矩估计

--14.1参数的矩估计法

--第十四周:参数的矩估计

-参数的极大似然估计

--14.2参数的极大似然估计法

--第十四周:参数的极大似然估计

-参数点估计的无偏性和有效性

--14.3 参数点估计的无偏性和有效性

--第十四周:参数点估计的无偏性和有效性

-参数点估计应用实例

--14.4 参数点估计应用实例

--第十四周:参数点估计应用实例

-讲义

第十五周 参数的区间估计

-区间估计的基本思想

--15.1 区间估计的基本思想

--第十五周:区间估计的基本思想

-区间估计的构造方法

--15.2 区间估计的构造方法

--第十五周:区间估计的构造方法

-两个正态总体的区间估计

--15.3 两个正态总体的区间估计

--第十五周:两个正态总体的区间估计

-大样本置信区间

--15.4 大样本置信区间

--第十五周:大样本置信区间

-讲义

第十六周 假设检验

-假设检验问题的提示和标准步骤

--16.1假设检验问题的提示和标准步骤

--第十六周:假设检验问题的提示和标准步骤

-假设检验问题的两类错误和P值

--16.2假设检验问题的两类错误和P值

--第十六周:假设检验问题的两类错误和P值

-单个正态总体参数的假设检验

--16.3 单个正态总体参数的假设检验

--第十六周:单个正态总体参数的假设检验

-拟合优度检验

--16.4拟合优度检验

--第十六周:拟合优度检验

-讲义

应用实例

-利用条件概率计算网球比赛胜率

--利用条件概率计算网球比赛胜率

-利用期望的计算性质分析快速排序算法的平均计算量

--利用期望的计算性质分析快速排序算法的平均计算量

-讲义

习题课一

-事件

--事件

-分布函数

--分布函数

-正态

--正态

-指数与二项

--指数与二项

习题课二

-随机变量函数的分布

--随机变量函数的分布

-指数分布期望

--指数分布期望

-切比雪夫不等式

--切比雪夫

-二元离散

--二元离散

-协方差

--协方差

-二元特征

--二元特征

习题课三

-统计量

--统计量

-无偏估计

--无偏估计

-点估计

--点估计

-假设检验

--假设检验

习题课四

-选择

--选择

-填空

--填空

-大题

--大题

14.3 参数点估计的无偏性和有效性笔记与讨论

也许你还感兴趣的课程:

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。