标签：复习 样本 枢轴 估计 区间 theta 95 sim lambda

本文旨在熟练运用区间估计而不去探究其背后的原理

0. 区间估计思想

置信系数的理解: 区间\(U\)​置信系数为\(95\%\)​并不是说一个由给定样本确定的\(U\)​包含待估计参数\(\theta\)​的概率为\(95\%\)​, 因为样本确定后\(U\)​是否包含\(\theta\)​二者必居其一,是一个确定性的事件. 确切地说是反复抽样得到不同的\(U\)​, 其中有\(95\%\)​的\(U\)​包含\(\theta\)​

这牵扯到对概率的理解, 日后进一步探究. 此处先暂且略过

1. 枢轴变量法

步骤：

• 找出一个与要估计参数\(g(\theta)\)有关的统计量\(T\),一般是良好的点估计(如正态中的\(\overline{X}\))
• 找出含\(T\)和\(g(\theta)\)的某一统计量\(S\),\(S\)的分布\(F\)应当与\(\theta\)无关
• 对于任何常数\(a<b,a\leq S\leq b\)要能改写为等价的形式\(A\leq g(\theta)\leq B\). 且\(A,B\)只与\(a,b\)有关而与\(\theta\)无关
• 取\(F\)的\(\alpha/2\)上分位点和\(1-\alpha/2\)​上分位点即可

有关指数分布的一个有趣性质

若\(X\sim E(\lambda)\)​, 则\(2\lambda X\sim E(2)\)​. 因为\(E(2\lambda X)=2\lambda*\frac{1}{\lambda}=2\)​​. 亦可通过随机变量的函数关系推得.​

利用这一点则可采用枢轴变量法给出\(\lambda\)的参数估计区间

2. 大样本法

对于离散变量或分布未知的随机变量，无法直接求出一个枢轴变量. 如果样本量很大(\(n\geq 50\))此时就利用中心极限定理求解:

设\(X=\sum X_i\)

\[\frac{X-n\mu}{\sqrt{n\sigma^2}}\sim N(0,1) \]

必要时还可用样本方差\(S^2\)代替\(\sigma^2\)

对于二项分布和泊松分布需要解一个一元二次方程

3. 贝叶斯法

待考试完后补充...

标签：复习,样本,枢轴,估计,区间,theta,95,sim,lambda
来源： https://www.cnblogs.com/heiyan/p/15755521.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。