登錄

矩法估計

百科 > 矩法估計

1.什么是矩法估計

對于隨機變量來說,矩是其最廣泛,最常用的數(shù)字特征,母體ξ的各階矩一般與ξ的分布中所含的未知參數(shù)有關(guān),有的甚至就等于未知參數(shù)。由辛欽大數(shù)定律知,簡單隨機子樣的子樣原點矩ar{xi^r}依概率收斂到相應的母體原點矩Eξr,r = 1,2,Λ。這就啟發(fā)我們想到用子樣矩替換母體矩(今后稱之為替換原則),進而找出未知參數(shù)的估計,基于這種思想求估計量的方法稱為矩法。用矩法求得的估計稱為矩法估計,簡稱矩估計。它是由英國統(tǒng)計學家皮爾遜Pearson于1894年提出的。

2.矩法估計的理論依據(jù)

由辛欽大數(shù)定律知:

ar{xi^r}overrightarrow{p}Exi^r,r=1,2,Lambda

即對
uvarepsilon>0,有

lim_{n	oinfty}P(|ar{xi^r}-Exi^r|>varepsilon)=0

lim_{n	oinfty}P(|ar{xi^r}-Exi^r|levarepsilon)=1

3.矩法估計的具體步驟

設母體ξ的概率函數(shù)為f(x1,Λ,θk),其中(	heta_1,Lambda,	heta_k)inTheta是k個未知參數(shù),ξ1,Λ,ξn是取自這一母體的一個子樣。設ξ的k階矩vk = Eξk存在,則vj,j < k都存在,并且是θ1,Λ,θk的函數(shù)vj1,Λ,θk),又子樣ξ1,Λ,θk的j階矩為ar{xi_n}=frac{1}{n}sum_{i=1}^nxi_i^j。我們設

egin{cases} ar{xi}=Exi  ar{xi^2}=Exi^2  LambdaLambdaLambda  ar{xi^k}=Exi^k end{cases}(1)

這樣我們就得到含k個未知參數(shù)θ1,Λ,θk的k個方程,解由這k個方程聯(lián)列所構(gòu)成的方程組就可以得到theta1,Λ,θk的一組解:

egin{cases} hat{	heta_1}=hat{	heta_1}(xi_1,Lambda,xi_n)  hat{	heta_2}=hat{	heta_2}(xi_1,Lambda,xi_n)  LambdaLambdaLambdaLambdaLambdaLambdaLambda  hat{	heta_k}=hat{	heta_k}(xi_1,Lambda,xi_n) end{cases}(2)

用(2)中的解hat{	heta_i}來估計參數(shù)θi 就是矩法估計。

一般我們考察kle 3的情形。

在數(shù)理統(tǒng)計學中,我們一般用hat{	heta}表示θ的估計量。

下面我們舉一個與實際問題有關(guān)的多參數(shù)的矩法估計問題。

例:已知大學生英語四級考試成績ξ~N(μ,σ2),均值μ,方差σ2均未知,ξ1,Λ,ξn為取自母體ξ的一個子樣,(x1,Λ,xn)是子樣的一組觀測值,求μσ2的矩法估計。

解:注意到有兩個未知參數(shù),由矩法估計知需兩個方程,按照(1)式得方程組

egin{cases} mu=ar{xi}  sigma^2+mu^2=ar{xi^2} end{cases}

解這一方程組得μσ的矩法估計量

從而μσ2的矩法估計值分別為ar{x}hat{=}frac{1}{n}sum_{i=1}^n(x_i-ar{x})^2。

分析:注意到我們這里求出μσ2的矩法估計并未用到母體ξ的分布。這樣對μ,σ2作出了估計,也就對整個母體分布作出了推斷,進而對大學生英語四級考試成績ξ相關(guān)的其它數(shù)字特征如標準分、標準差、偏態(tài)系數(shù)等作出了估計。

4.矩法估計的優(yōu)缺點

矩法估計原理簡單、使用方便,使用時可以不知母體的分布,而且具有一定的優(yōu)良性質(zhì)(如矩估計ar{xi}Eξ的一致最小方差無偏估計),因此在實際問題,特別是在教育統(tǒng)計問題中被廣泛使用。

但在尋找參數(shù)的矩法估計量時,對母體原點矩不存在的分布如柯西分布等不能用,另一方面它只涉及母體的一些數(shù)字特征,并未用到母體的分布,因此矩法估計量實際上只集中了母體的部分信息,這樣它在體現(xiàn)母體分布特征上往往性質(zhì)較差,只有在樣本容量n較大時,才能保障它的優(yōu)良性,因而理論上講,矩法估計是以大樣本為應用對象的。

評論  |   0條評論