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
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
-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
--第一周:事件间的关系与事件的运算
-两个著名的例子
--第一周:两个著名的例子
-讲义
-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
--第二周:有关条件概率的三个重要计算公式
-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
-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
--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
--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
--第三周:概率论所需微积分要点回顾
-讲义
-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
--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
-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
--第五周:随机变量的数学期望
-随机变量的方差
--第五周:随机变量的方差
-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
--第五周:期望和方差的一些补充性质
-讲义
-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
--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
--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
--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
-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
--第七周:常见多维随机变量举例
-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
--第七周:独立随机变量期望和方差的性质
-讲义
-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)
--第八周:全期望公式(上)
-全期望公式(下)
--第八周:全期望公式(下)
-讲义
-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
--第九周:相关与独立
-讲义
-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
--第十周:独立正态分布和的分布
-最大值、最小值分布
--第十周:最大值、最小值分布
-顺序统计量
--第十周:顺序统计量
-讲义
-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
--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
--第十一周:二项分布的正态近似
-正态近似计算实例
--第十一周:正态近似计算实例
-讲义
-大数定律
--12.1大数定律
--第十二周:大数定律
-中心极限定理
--第十二周:中心极限定理
-蒙特卡洛(Monte Carlo)算法
-伪随机数和随机模拟
-讲义
-统计学实例
-总体与样本
-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
--第十三周:三种重要的统计分布和分位数
-讲义
-参数的矩估计
--第十四周:参数的矩估计
-参数的极大似然估计
--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
--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
--第十四周:参数点估计应用实例
-讲义
-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
--第十五周:区间估计的构造方法
-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
--第十五周:大样本置信区间
-讲义
-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
--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
--第十六周:单个正态总体参数的假设检验
-拟合优度检验
--第十六周:拟合优度检验
-讲义
-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
-讲义
-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
-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
-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
-选择
--选择
-填空
--填空
-大题
--大题