9140778

当前课程知识点:概率论与数理统计 >  第十四周 参数点估计 >  参数点估计应用实例 >  14.4 参数点估计应用实例

返回《概率论与数理统计》慕课在线视频课程列表

14.4 参数点估计应用实例在线视频

14.4 参数点估计应用实例

下一节:讲义

返回《概率论与数理统计》慕课在线视频列表

14.4 参数点估计应用实例课程教案、知识点、字幕

假设某小学的学生

周末玩游戏的时间服从正态分布

期望为mu 方差为sigma方

当然本题提出的是一个很粗略的假设

实际上小学生周末玩游戏的时间

是否服从正态分布

本身是值得探讨的问题

另外 不同季节的周末

学生们在周末玩游戏的时间

他的机会也不一定相同

我们姑且接受这个假设

这里的主要目的是感受一下

参数估计究竟能够给我们带来

怎样的信息

对该小学的学生

进行样本容量为10的随机抽样

得到10名小学生

周末玩游戏的时间数据

试估计该小学学生

周末玩游戏时间的分布规律

估计期望mu和方差sigma方

按照程序 回答这个问题

我们只要先计算10个观测值的样本均值

等于2.28

再按公式计算出样本方差

等于1.06的平方

就得到了结果

完成了这个题目

但是 我们仅仅就是要得到这样两个数字吗

实际上 我们之所以要计算这两个数

往往还是有更生动的原因

比如 如果我们知道了有一位小学生

他周末玩了5个小时的游戏

那么这个时间究竟是多到了什么程度

大约有多少比例的学生

周末没有玩游戏的时间

还有会不会有学生

玩游戏的时间超过10个小时

这些信息通过10次观测是无法得到的

但是有了对分布参数的估计

就可以通过参数为的2.28

1.06平方的正态分布

得到上面想要的信息

但是所得到的估计都是概率意义下的

我们任意选取一名学生

通过这样的分析

对这名选定学生实际的玩游戏时间

我们还是一无所知的

我们只能得到

针对全体学生的概率分布信息

即周末玩游戏超过5个小时的学生的比例

大约有多少比例的学生

周末没有玩游戏的时间

会不会有学生玩游戏的时间

超过10个小时等等

相应的概率可以通过

估计值作为参数的正态分布得到

即使是千分之1

万分之一的可能性

都能够仅仅通过10个观测值

得到的分布信息给出比较合理的估计

而不需要进行1千

1万次的实际观测

X1、X2到Xn是0到theta区间的

均匀分布总体的一个样本

theta1一尖

等于2倍的样本均值X一拔

theta2一尖等于n分之n+1倍的

X1、X2到Xn的最大值

验证theta1一尖和theta2一尖

都是参数theta的无偏估计量

并比较它们的有效性

首先回顾一下0、theta区间的

均匀分布随机变量

期望等于2分之theta

方差等于12分之theta方

Theta1一尖的期望和方差

都容易计算

Theta1一尖的期望

等于2倍的总体期望

等于theta

所以theta1一尖等于2倍的X一拔

是参数theta的无偏估计

Theta1一尖的方差

等于4倍的X一拔的方差

等于4乘以12n分之theta方

等于3n分之theta方

下面计算theta2一尖的期望和方差

这个计算过程比较复杂

我们分步骤进行

首先记theta一弯等于X1、X2到Xn

这n个随机变量的最大值函数

计算随机变量theta一弯的分布函数

和密度函数

然后计算theta一弯的期望和方差

有了theta一弯的期望和方差

乘以相应的常数

就可得到theta2一尖的期望和方差

首先利用定义计算X1、X2到Xn

这n个随机变量的最大值函数的分布函数

当y大于等于0

小于等于theta时

theta一弯的分布函数F(y)

等于theta一弯小于等于y的概率

也就是X1、X2到Xn的最大值

小于等于y的概率

等于X1、X2到Xn均小于y的概率

等于k从1到n

Xk小于等于y的概率的乘积

因为Xk

服从0到theta区间的均匀分布

所以Xk小于等于y的概率

等于theta分之y

所以theta一弯的分布函数在y点

等于theta分之y的n次方

因为theta一弯的取值

总是在0和theta之间

所以当y小于0时

theta一弯的分布函数等于0

当y大于theta时

theta一弯的分布函数等于1

对theta一弯的分布函数求导

得到theta一弯的密度函数

当y大于等于0

小于等于theta时

密度函数等于theta的n次方分之

n乘以y的n-1次方

当y为其他值时

密度函数等于0

有了theta一弯的密度函数

我们就可以计算它的期望和方差

期望等于y乘以密度函数

从负无穷到正无穷积分

代入密度函数

等于y乘以theta的n次方分之

n乘以y的n-1次方

从0到正无穷积分

提出theta的n次方分之n

对y的n次方积分

等于n+1分之n乘以theta

theta2一尖等于

n分之n+1倍的theta2一弯

所以它的期望等于theta

所以theta2一尖

是参数theta的无偏估计

实际上

X1、X2到Xn的最大值函数

是用极大似然估计得到的

参数theta的估计量

我们分析了这个估计量的期望为

n+1分之n倍的theta

它不等于参数theta

但是它与theta仅仅差一个常数

给X1、X2、Xn的最大值函数

乘以一个常数因子 进行了无偏校正

从而得到无偏估计

接下来计算theta一弯

和theta一尖的方差

并进行有效性比较

先计算theta一弯的平方的期望

等于y方乘以theta一弯的密度函数

从0到正无穷积分

等于theta的n次方分之n

乘以y的n+1次方从0到正无穷积分

等于n+2分之n乘以theta平方

theta一弯的方差

等于theta一弯平方的期望

减去theta一弯期望的平方

等于n+2分之n倍的theta方

减去n+1分之n的平方倍的theta方

经过整理得到theta一弯的方差

等于n+1的平方

乘以n+2分之n倍的theta方

所以theta2一尖的方差

等于n方分之n+1方倍的

theta一弯的方差

等于n乘n+2分之1倍的theta方

Theta1一尖的方差刚才已经计算过

等于3n分之1倍的theta方

当n大于1时

n乘n+2分之一小于3n分之1

所以theta2一尖

比theta1一尖更有效

实际上

theta2一尖的方差

分母是n的平方量级

而theta1一尖的方差

它的分母是n的一次方量级

当n越来越大时

theta2一尖的有效性会越来越明显

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

14.4 参数点估计应用实例笔记与讨论

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。