参数估计及其在实际生活中的应用论文.doc

《参数估计及其在实际生活中的应用论文.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、参数估计的若干方法及应用陈茜瑶2012级数学一班060112041摘要:参数估计是统计理论的一种基本形式，是数理统计学的一种重要分支，其中最常见的估计方法是点估计和区间估计。本文将对矩估计，极大似然估计，区间估计法等三种参数估计方法进行推广分析。对它们的范围进行比较讨论，最后我们对其各自的重要性及其在实际中的应用作一介绍。关键词：参数估计；矩估计；极大似然估计；区间估计引言:随着数理统计的应用更加广泛,参数估计在医疗，交通，市场消费,甚至是自然灾害的预测等实际生活中都有着举足轻重的作用，它科学且精确地让我们预测一个参数的值，以达到避免灾害或是获取利益等作用。参数估计已不知

2、不觉渗透到生活的各个方面，它对人们的生活带来的很大的方便。但是对于参数估计方法，好多人却不是很了解，所以，为了人们能更好的利用参数估计为生产生活服务，本文将在论文中对参数估计的具体方法做一个较为系统细致的讲解。参数估计方法在人们生活中的应用，便于人们能更了解参数估计，接触参数估计，很好把它应用到生活之中。这样，就会避免不必要的盲目性，对事物的发展有个相对明确的判断和把握，为生活带来方便和效益。1.参数估计参数估计（parameterestimation）是根据从总体中抽取的样本估计总体分布中包含的未知参数的方法。人们常常需要根据手中的数据，分析或推断数据反映的本质规律。即

3、根据样本数据选择统计量去推断总体的分布或数字特征等。统计推断是数理统计研究的核心问题。所谓统计推断是指根据样本对总体分布或分布的数字特征等作出合理的推断。它是统计推断的一种基本形式，它是数理统计学中的一个重要分支，分为点估计和区间估计两部分。也就是当在已知系统模型结构时，用系统的输入和输出数据计算系统模型参数的过程。18世纪末德国数学家C.F.高斯首先提出参数估计的方法，20世纪60年代，随着电子计算机的普及，参数估计有了飞速的发展。这里的参数是指如下参数.如：二点分布b（1,p）中的概率p，正态分布N（）中的和。分布中所含的未知参数的函数。如：服从正态分布的的变量X不超

4、过某给定值a的概率是未知参数的函数；分布的各种特征数也都是未知参数。如：均值，方差分布位数等。一般情况下，常用表示参数，参数所有可能取值组成的集合称为称为参数空间，用表示。2.参数估计的常用方法定义2.1设是来自总体的一个样本，用来估计未知参数的统计量称为的估计量，或称为的点估计，简称估计。点估计分为矩估计和极大似然估计。点估计的优越性：无偏性——体现了一种频率思想，只有在大量重复使用时，无偏性才有意义。有效性——意义是：用估计时，除无系统偏差外，还要求估计精度更高。若有的两个无偏估计与，如果var()<=var()，则称比有效。相合性——和样本的容量有关，是在极限的意义

5、下引进的，适用于大样本情形，当样本容量n越大时，总体的信息量增加，该估计也越精确越可靠，特别是当样本容量趋于无穷大时，估计值将与参数真值几乎完全一致。相合性能在兼顾无偏性和离散性（方差的大小）两者的情况下建立“最优估计量”。点估计的优点是能较准确地给出未知参数大致值，缺点是不能反映出未知参数估计值的可信程度。参数点估计常用的三种方法是：矩法、极大似然方法和最小二乘法。2.1矩估计总体X分布函数的未知参数为如果总体的k阶原点矩存在，我们设总体的k阶原点矩与它的样本的k阶原点矩相等即从上面式子可得到关于未知量的解，取作为的估计，就称为的矩估计。2.2最大似然估计定义2.2.1

6、设总体的概率函数为，，其中是一个未知参数或几个未知参数组成的参数向量，是参数空间，是来自该总体的一个样本，将样本的联合概率函数看成的函数，用表示，简记为，称为样本的似然函数，如果某统计量满足则称是的最大似然估计，简称为MLE2.3最小二乘法最小二乘法是常用的估计方法，最用于线性模型在中，若（2-3）就称为的最小二乘估计。2.4派生估计法设，已知X的样本为：，求参数的派生估计量。令，已知Y的常用的分布函数为。记，把看成是来自Y的样本，假设的某种类型估计量是：其中。再次假设是已知参数，我们可以记为对应的该种类型的派生估计量为，那么就是是下列方程组的解：从而我们就可以得到的值，

7、就可以得到的派生估计量。在得到上面的值时，我们必须要先了解下面两条定理：定理1、为来自总体的样本观测值，若估计量；那么对，是关于t的连续函数，那么也将以概率收敛于。定理2、总体X服从分布，而，为来自总体的样本观测值，而,的派生估计值满足条件，通过化简可以解得存在并且关于a连续，如果原估计量以概率收敛于，那么派生估计量也以概率收敛于。2.5参数的区间估计点估计是用一个确定的值去估计未知参数，但不知其精确程度。在实际中，我们需要求出未知参数的近似值，还要度量点估计的精确度。其方法就是给未知参数一个区间，使其盖住概率尽可能大，这就是