PROB-05 参数估计与假设检验

一、参数估计

参数估计是用样本数据估计总体分布中未知参数的方法，分为点估计和区间估计两种。

1.1 矩估计

矩估计是最简单的估计方法，核心思想是用样本矩代替总体矩。例如，用样本均值X̄估计总体均值μ，用样本二阶矩估计总体二阶矩等。

特点：计算简单，但有时会得到不合理的结果（如估计的方差为负数）。

1.2 极大似然估计

极大似然估计是统计学中最重要、最常用的估计方法。它的核心思想是：选择使观测数据出现的概率最大的参数值作为估计值。

求解步骤：

写出似然函数L(θ)=Πf(xi;θ)
取对数lnL(θ)（将乘积变为求和，便于求导）
对θ求导，令导数为0（得到似然方程）
解似然方程得到θ̂

例：设总体X的概率密度为f(x)=(θ+1)x^θ, 0<x<1，求θ的极大似然估计。

L(θ)=Π(θ+1)xi^θ=(θ+1)^n·(Πxi)^θ
lnL=n·ln(θ+1)+θ·Σlnxi
d(lnL)/dθ=n/(θ+1)+Σlnxi=0
⇒θ̂=-n/(Σlnxi)-1

验证：因为0<x<1，所以lnxi<0，Σlnxi<0，因此θ̂+1>0⇒θ̂>-1。这符合θ>-1的定义域要求。

1.3 估计量的评价标准

无偏性：E(θ̂)=θ。估计量的期望等于真实参数值。例如，样本方差S²是总体方差σ²的无偏估计（除以n-1的目的就是为了无偏）。

有效性：对于同一个参数的两个无偏估计，方差更小的那个更有效。

例：比较以下三个无偏估计哪一个更有效：
θ̂₁=(X₁+X₂+X₃)/3, θ̂₂=(2X₁+X₂)/3, θ̂₃=(X₁+2X₂)/3

D(θ̂₁)=σ²/3, D(θ̂₂)=(4σ²+σ²)/9=5σ²/9, D(θ̂₃)=(σ²+4σ²)/9=5σ²/9
σ²/3 < 5σ²/9，所以θ̂₁最有效。

二、假设检验

2.1 基本概念

假设检验是统计推断的另一种形式。它先对总体参数提出一个假设（如"这批零件的平均直径是10mm"），然后根据样本数据判断是否拒绝这个假设。

原假设H₀：通常是被保护的、需要充分证据才能推翻的假设。
备择假设H₁：当原假设被拒绝时接受的假设。

2.2 两类错误

	接受H₀	拒绝H₀
H₀为真	✓ 正确	✗ 第一类错误（概率α）
H₀为假	✗ 第二类错误（概率β）	✓ 正确

α称为显著性水平，通常取0.05或0.01。

2.3 检验步骤与例题

例：某厂生产一批零件，标准直径为10mm。从产品中随机抽取16个，测得X̄=10.05mm，S=0.12mm。问在α=0.05下，这批零件的直径是否与标准有显著差异？（已知t₀.₀₂₅(15)=2.131）

步骤1：提出假设
H₀: μ=10（直径符合标准）
H₁: μ≠10（直径不符合标准）

步骤2：确定检验统计量
总体方差未知，用t统计量：t=(X̄-μ₀)/(S/√n)

步骤3：给定α=0.05，查表得拒绝域边界
t₀.₀₂₅(15)=2.131，拒绝域为|t|>2.131

步骤4：计算统计量
t=(10.05-10)/(0.12/4)=0.05/0.03≈1.667

步骤5：做出决策
1.667<2.131，未落入拒绝域
结论：在0.05的显著性水平下，没有充分证据认为这批零件的直径与标准存在显著差异。

逻辑验证：10.05mm与10mm相差0.05mm，仅相当于标准直径的0.5%。在16个样本的情况下，这样的差异很可能只是随机波动导致的，不足以得出"显著差异"的结论。

2.4 假设检验的进一步思考

假设检验与区间估计本质上是对偶的。如果某个参数值μ₀落在参数的置信区间内，那么以该μ₀为原假设的检验就不会被拒绝；反之，如果μ₀不在置信区间内，检验就会拒绝H₀。

理解两类错误的关系也很重要：

在样本量固定时，减少α（第一类错误概率）会导致β（第二类错误概率）增大
唯一能同时减少两类错误的方法是增加样本量
实际中通常先固定α（如0.05），然后尽可能减小β（即提高检验的功效）

三、综合题型总结

历年考试中，概率论与数理统计的计算题分布在以下五个类型：

类型一：全概率与贝叶斯公式

关键词：两个或三个"原因"事件，已知各原因概率和各条件下的结果概率，求总概率或逆概率。
思路：画出概率树，自下而上求和（全概率），自上而下求逆（贝叶斯）。

类型二：离散型随机变量

关键词：分布律、分布函数、期望和方差。
思路：列出可能的取值和对应的概率（利用排列组合或已知分布），然后代入公式计算。

类型三：连续型随机变量函数的分布

关键词：已知X的密度函数，求Y=g(X)的密度。
思路：先求分布函数FY(y)=P(Y≤y)=P(g(X)≤y)，再对y求导得到密度。

类型四：二维随机变量

关键词：联合密度、边缘密度、独立性。
思路：利用归一化求常数→对另一变量积分求边缘密度→乘积验证独立性。

类型五：参数估计与假设检验

关键词：似然函数、极大似然估计、无偏性。
思路：写似然函数→取对数→求导=0→解方程。