寻求估计量的方法
- 类别:
- 矩阵计法
- 极大似然法
- 最小二乘法
- 贝叶斯方法
(一) 矩阵计法:
思想:基于一种简单的”替换“思想建立起来的一种估计方法,用相应的样本矩估计总体矩。
理论依据:大数定律或格列汶科定理。
-
总体k阶原点矩为
μk=E(Xk)
样本k阶原点矩为
Ak=n1∑i=1nXik
总体k阶中心矩为
vk=E[X−E(X)]k
样本k阶中心矩为
Bk=n1∑i=1n(Xi−X)k
-
定义:设总体的分布函数中含有k个未知参数
θ1,...,θk,那么它的前k阶矩
μ1,...,μk一般都是这k个参数的函数,记为:
μi=gi(θ1,...,θk)i=1,2,...,k
从这k个方程中解出
θj=hj(μ1,...,μk)j=1,2,...,k
那么用诸
μi的估计量
Ai(样本矩)分别替代上式中的诸
μi,即可得诸
θj的矩估计量:
θ^j=hj(A1,...,Ak)j=1,2,...,k
-
优点:简单易行,不要需要事先知道总体是什么分布
-
缺点:当总体类型已知时,没有充分利用分布提供的信息。一般场合下,矩估计量不具有唯一性。其主要原因在于建立矩法方程时,选取那些总体矩用相应样本矩代替时带有一定的随意性
e.g 例1
设总体X的均值
μ及方差
σ2存在,且
σ>0。但
μ、σ2均为未知,又设
X1,X2,...,Xn是来自X的样本,试求
μ、σ2的矩估计量。
(这里都用k阶原点矩求)
第一步:先求总体的前k阶矩(本题共有两个未知参数,故k=2)
{μ1=E(X)=μμ2=E(X2)=D(X)+[E(X)]2=σ2+μ2
第二步:根据第一步求出的总体的前k阶矩构成的方程组,求解未知参数
{μ=μ1σ2=μ2−μ12
第三步:用样本
(X1,X2,...,Xn)的前k阶矩
(Ai)代替总体的前k阶矩
(μi)。同时,用矩估计量
(μ^,σ2^)代替总体的未知参数
(μ,σ2)
即令
Ai=μi(A1=μ1、A2=μ2),μ^=μ、 σ2^=σ
{μ^=A1=Xσ2^=A2−A12=n1∑i=1nXi2−X2=n1∑i=1n(Xi2−X2)
注:上式即为总体的均值、方差的矩估计量的表达式,它不因总体分布的不同而不同