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{θ1≤θ≤θ2}=1−α0<α<1

则称 [θ1,θ2] 为参数 θ 的置信度为 1−α 的置信区间

P{|θ^−θ|≤δ}=1−α

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
    由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 1−α 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 1−α 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和 t 分布: Z1−α=−Zα
所以:Z1−α/2=−Zα/2

单正态总体均值与方差的区间估计

正态总体: X∼N(μ,σ2)
X―∼N(μ,σ2n)

1.方差 σ2 已知,均值 μ 的区间估计

Z=U=X―−μσn∼N(0,1)P{|X―−μσ/n|≤zα2}=1−α

分位点 zα/2

置信度为 1−α 的参数 μ 的置信区间

[X―−δnzα2,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=X―−μSn∼t(n−1)

分位点 tα/2(n−1)

P{|X―−μS/n|≤tα/2(n−1)}=1−α

置信区间

[X―−Sntα/2(n−1),X―+Sntα/2(n−1)]

3.均值 μ 已知,方差 σ2 的区间估计

卡方分布

χ2=∑i=1n(Xi−μ)2σ2∼χ2(n)

分位数:
χ1−α/22 χα/22

P{χ1−α/22(n)≤χ2≤χα/22(n)}=1−αP{∑i=1n(Xi−μ0)2χα/22(n)≤σ2≤∑i=1n(Xi−μ0)2χ1−α/22(n)}=1−α

4.均值 μ 未知,方差 σ2 的区间估计

(n−1)S2σ2∼χ2(n−1)

分位数
χ1−α/22(n−1) χα/22(n−1)

P{χ1−α/22(n−1)≤(n−1)S2σ2≤χα/22(n−1)}=1−αP{(n−1)S2χα/22(n−1)≤σ2≤(n−1)S2χ1−α/22(n−1)}

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
X∼N(μ1,σ12),Y∼N(μ2,σ22)

X―=1n1∑i=1n1XiY―=1n2∑i=1n2Yi

S12=1n1−1∑i=1n1(Xi−X―)2S22=1n2−1∑i=1n2(Yi−Y―)2

1. σ12=σ12 均已知,μ1−μ2 的区间估计

U=(X―−Y―)−(μ1−μ2)σ12n1+σ22n2∼N(0,1)P{|U|≤uα/2}=1−α[(X―−Y―)−uα/2σ12n1+σ22n2,(X―−Y―)+uα/2σ12n1+σ22n2]

2. σ12=σ22 均未知,μ1−μ2 的区间估计

T=X―−Y―−(μ1−μ2)Sw1n1+1n2∼t(n1+n2−2)Sw2=(n1−1)S12+(n2−1)S22n1+n2−2P{|T|≤tα/2(n1+n2−2)}=1−α

3 .方差之比的区间估计

X∼N(μ1,σ12),Y∼N(μ2,σ22) 均值方差均未知

F=S12/S22σ12/σ22∼F(n1−1,n2−1)

分位数
F1−α/2(n1−1,n2−1) Fα/2(n1−1,n2−1)

置信区间:

[S12/S22Fα/2(n1−1,n2−1),S12/S22F1−α/2(n1−1,n2−1)]