区间估计

Confidence Interval Estimation
设总体 X 含有一个待估计参数 θ
给定常数 α(0<α<1), 找出统计量 θ1θ2 使得:

P{θ1θθ2}=1α0<α<1

则称 [θ1,θ2] 为参数 θ 的置信度为 1α 的置信区间

P{|θ^θ|δ}=1α

区间估计的基本步骤

  1. 将待估计的参数的分布转化为已知的分布,构造随机变量
    样本采用点估计得到未知参数的估计
    参考正态总体统计量的分布特征,“对谁估计,就构造谁的分布”
  2. 对给定的置信度 1α 根据构造的随机变量的分布确定分位点
    分位点 常采用概率对称的点
  3. 从区间的不等式中解出待估计参数的范围,也即置信区间
    置信区间是用已知量与样本的统计量表示出来的
  4. 最终,置信区间以 1α 的概率包含未知参数,完成区间估计

alpha/2P=1-alphaalpha/2alpha/21-alpha/2P=1-alpha1-alpha/2alpha/2alpha/2alpha/2置信区间置信区间

t分布正态分布卡方分布F分布

对于对称分布的正态分布t 分布: Z1α=Zα
所以:Z1α/2=Zα/2

单正态总体均值与方差的区间估计

正态总体: XN(μ,σ2)
XN(μ,σ2n)

1.方差 σ2 已知,均值 μ 的区间估计

Z=U=XμσnN(0,1)P{|Xμσ/n|zα2}=1α

分位点 zα/2

置信度为 1α 的参数 μ 的置信区间

[Xδnzα2,X+δnzα2]

置信区间长度 δ=σnzα2

2.方差 σ2 未知,均值 μ 的区间估计

t分布

T=XμSnt(n1)

分位点 tα/2(n1)

P{|XμS/n|tα/2(n1)}=1α

置信区间

[XSntα/2(n1),X+Sntα/2(n1)]

3.均值 μ 已知,方差 σ2 的区间估计

卡方分布

χ2=i=1n(Xiμ)2σ2χ2(n)

分位数:
χ1α/22 χα/22

P{χ1α/22(n)χ2χα/22(n)}=1αP{i=1n(Xiμ0)2χα/22(n)σ2i=1n(Xiμ0)2χ1α/22(n)}=1α

4.均值 μ 未知,方差 σ2 的区间估计

(n1)S2σ2χ2(n1)

分位数
χ1α/22(n1) χα/22(n1)

P{χ1α/22(n1)(n1)S2σ2χα/22(n1)}=1αP{(n1)S2χα/22(n1)σ2(n1)S2χ1α/22(n1)}

双正态总体的均值差的区间估计

在实际工作生活中,要根据样本分析两个不同正态总体 之间的差异
XN(μ1,σ12),YN(μ2,σ22)

X=1n1i=1n1XiY=1n2i=1n2Yi

S12=1n11i=1n1(XiX)2S22=1n21i=1n2(YiY)2

1. σ12=σ12 均已知,μ1μ2 的区间估计

U=(XY)(μ1μ2)σ12n1+σ22n2N(0,1)P{|U|uα/2}=1α[(XY)uα/2σ12n1+σ22n2,(XY)+uα/2σ12n1+σ22n2]

2. σ12=σ22 均未知,μ1μ2 的区间估计

T=XY(μ1μ2)Sw1n1+1n2t(n1+n22)Sw2=(n11)S12+(n21)S22n1+n22P{|T|tα/2(n1+n22)}=1α

3 .方差之比的区间估计

XN(μ1,σ12),YN(μ2,σ22) 均值方差均未知

F=S12/S22σ12/σ22F(n11,n21)

分位数
F1α/2(n11,n21) Fα/2(n11,n21)

置信区间:

[S12/S22Fα/2(n11,n21),S12/S22F1α/2(n11,n21)]