大学概率论与数理统计《参数估计》复习课件

2026参数估计复习点估计·评选标准·区间估计复习导览01点估计方法矩估计与极大似然估计02评选标准无偏性、有效性与相合性03区间估计置信区间的概念与构造04正态总体区间估计均值与方差的置信区间01点估计方法用样本构造统计量，逼近未知参数矩估计的基本思想令样本矩等于总体矩，反解参数。替换规则一阶样本矩替换总体一阶矩

E(X)二阶样本矩替换总体二阶矩

E(X²)常用结论μ̂=X̄σ̂²=(1/n)Σ(Xᵢ−X̄)²优劣对照优点原理简单、适用面广，总体矩存在即可构造缺点同一参数可对应不同矩，选配不当结果不同解题三步1写出总体矩关于参数的表达式2令其等于对应样本矩3反解参数记住：矩估计的本质是用经验分布逼近总体分布。矩估计的解题步骤

四步流程

两个例题一阶矩解不出时，补二阶矩联立。口诀：总体矩等于样本矩，反解参数。①写总体矩明确待估参数，写出

E(X)、E(X²)

等总体矩，均为参数的函数。②写样本矩一阶样本矩为

X̄。二阶样本矩

A₂=(1/n)ΣXᵢ²。③令矩相等总体矩=样本矩，建立方程。④反解参数解出参数的矩估计量。例1X~U(0,θ)E(X)=θ/2，令θ/2=X̄，解得

θ̂=2X̄例2X~E(λ)E(X)=1/λ，令1/λ=X̄，解得

λ̂=1/X̄矩估计典型例题先把积分算对，再正确反解方程，最后标明估计量形式。解题关键：积分算对、反解正确、标明估计量形式。第一步：算总体一阶矩总体矩E(X)=∫₀¹x·θxθ−1dx=θ∫₀¹xθdx=θ/(θ+1)第二步：令总体矩等于样本矩矩相等θ/(θ+1)=X̄第三步：反解方程估计量θ̂=X̄/(1−X̄)常见陷阱反解移项要谨慎：θ=X̄(1+θ)展开后得θ−θX̄=X̄，最终θ̂=X̄/(1−X̄)一阶矩无法消去参数时，改用二阶矩A₂=E(X²)=θ/(θ+2)联立求解矩估计的应用前提前提：总体矩存在且可唯一反解总体矩不存在矩估计失效，须换方法不同阶矩解出不同估计量留待评选标准裁决选矩原则：先低阶，后高阶先取低阶矩计算简单、样本矩波动小可优先选用二阶矩若与参数联系更紧、反解更简洁结果不一定唯一同一参数有两个估计量用一阶矩与二阶矩可能解出两个估计量进入第二章判断优劣无偏性与有效性判断先掌握方法，再谈评判极大似然估计的基本思想样本已经出现，哪个参数值让它的出现最合理？极大似然估计：让已发生的样本变得最合理的参数值。黑白球场景袋中黑球占比为

p，抽3次得「黑白黑」：p=2/3出现概率为

(2/3)²×(1/3)p=1/2出现概率为

(1/2)³前者更大，因此更倾向认为

p接近2/3。形式化构造似然函数

L(θ)=∏f(xᵢ;θ)，求使其达到最大值的

θ̂。离散型总体：似然函数是样本取值的联合概率连续型总体：似然函数是联合密度在样本点处的取值极大似然估计的求解步骤1写似然函数离散型

∏P(X=xᵢ;θ)连续型

∏f(xᵢ;θ)2取对数lnL(θ)乘积化为求和3求导置零对

θ

求导得似然方程4解方程得极大似然估计θ̂离散型总体的极大似然估计泊松总体λ的极大似然估计等于样本均值四步推导极大似然估计①写似然函数L(λ)=∏[λxᵢe−λ/xᵢ!]=λΣxᵢe−nλ/∏xᵢ!②取对数lnL(λ)=Σxᵢ·lnλ−nλ−Σln(xᵢ!)③求导令零dlnL/dλ=Σxᵢ/λ−n=0④解出估计量λ̂=Σxᵢ/n=X̄结论：泊松总体λ的极大似然估计等于样本均值，考试可直接使用，但推导过程须完整掌握。连续型总体的极大似然估计取对数后求导是连续型极大似然估计的通用流程结论：λ̂=n/Σxᵢ=1/X̄极大似然估计的推导步骤1似然函数L(λ)=λn·e−λΣxᵢ2取对数lnL(λ)=nlnλ−λΣxᵢ3求导置零dlnL/dλ=n/λ−Σxᵢ=04解得λ̂=n/Σxᵢ=1/X̄与矩估计的关系与矩估计结果一致：λ̂=1/X̄指数分布单参数、矩结构简单，两法常同解多数分布两法结果不同，须分别推导极大似然估计的不变性极大似然估计的不变性：先求原估计，再直接套函数关系核心性质若

θ̂

是θ的极大似然估计，则

g(θ̂)

就是g(θ)的极大似然估计。关键函数关系直接套用解题路径步骤1先求原参数估计

θ̂步骤2把函数关系

g

直接套上，得

g(θ̂)步骤3不必重建似然函数典型例题泊松分布λ̂=X̄，要求λ²的极大似然估计，直接得

λ²̂=X̄²适用边界前提g

为一对一或单调函数，考试范围内通常满足注意该性质只属于极大似然估计，矩估计不具备极大似然估计与矩估计的比较两者都是点估计的基础工具，第二、三章评选标准与区间估计都会反复用到。建议把两个典型例题的推导亲手写一遍，公式记牢，计算不停顿。矩估计原理定位样本矩匹配总体矩，计算量小，但估计量可能不唯一适用条件只要求矩存在，对分布限制较少考试策略见「求矩估计」→直接套四步流程极大似然估计原理定位基于似然原理，具有不变性，大样本渐近性质优良，是更主流的估计方法适用条件要求似然函数可微或可判断单调性，某些分布需用边界值考试策略见「求极大似然估计」→先写似然函数，再取对数求导02估计量的评选标准好估计量：无偏、有效、相合无偏性的定义与判别“无偏，就是期望恰好落在靶心”—无偏性直观理解“无偏，就是期望恰好落在靶心”定义核心概念若

E(θ̂)=θ，则θ̂为θ的无偏估计量；否则有偏。判别方法算期望，看是否恰好等于待估参数。期望待估参数常见估计量判别3项样本均值E(X̄)=μ→X̄是μ的无偏估计样本方差E(S²)=σ²→S²是σ²的无偏估计易错点除以n的样本二阶中心矩，期望为

(n−1)σ²/n，有偏无偏性典型例题通过三个估计量的期望验证，引出无偏估计量不唯一的讨论题目设X₁,X₂是来自均值为μ的总体的样本判断下列估计量哪些是μ的无偏估计：θ̂₁=(X₁+X₂)/2，θ̂₂=(2X₁+X₂)/3θ̂₃=(X₁+3X₂)/4判断过程E(θ̂₁)=(μ+μ)/2=μ无偏E(θ̂₂)=(2μ+μ)/3=μ无偏E(θ̂₃)=(μ+3μ)/4=μ无偏结论三者都无偏说明无偏估计量往往不止一个，引出问题：同为无偏，哪个更好？再看有偏例：θ̂₄=(X₁+X₂)/4E(θ̂₄)=μ/2≠μ，是有偏估计核心工具判断流程写出期望→利用

E(Xᵢ)=μ

线性展开→看结果是否等于μ期望运算的线性性质E(aX+bY)=aE(X)+bE(Y)

是解题的核心工具有效性的定义与判别解题步骤：先验证无偏，再比较方差在都是无偏的前提下，方差越小、取值越集中，估计量越可靠定义2条有效性定义设θ̂₁与θ̂₂都是θ的无偏估计量，若

D(θ̂₁)<D(θ̂₂)，则称θ̂₁比θ̂₂更有效比较前提有效性只在无偏基础上比较，有偏估计一般不直接参与有效性比较承接例题3条θ̂₁的方差θ̂₁=(X₁+X₂)/2，其方差

D(θ̂₁)=σ²/2θ̂₂的方差θ̂₂=(2X₁+X₂)/3，D(θ̂₂)=(4σ²+σ²)/9=5σ²/9比较结果由于

σ²/2<5σ²/9，所以θ̂₁比θ̂₂更有效结论1条样本均值最优在所有线性无偏估计量中，样本均值的方差最小，这是一条可用的结论最小方差无偏估计UMVUE是所有无偏估计中方差最小的那个，代表最优估计本科只需掌握两个结论核心定理样本均值X̄是总体均值μ的最小方差线性无偏估计样本方差S²是总体方差σ²的无偏估计，正态总体下性质优良直观理解无偏性保证瞄得准，有效性保证打得稳UMVUE就是在所有瞄得准的估计里，选最稳的那个UMVUE是无偏性与有效性两条标准的结合，代表最优估计相合性的定义与理解相合性回答：样本量不断增大时，估计量是否逼近真值定义依概率收敛若n→∞时

θ̂ₙ

依概率收敛于

θ，即对任意

ε＞0：P(|θ̂ₙ−θ|<ε)→1（n→∞），则称

θ̂ₙ

为θ的相合估计量。两个典型结论2项样本均值X̄依概率收敛于

μ，是μ的相合估计样本方差S²是

σ²

的相合估计基本要求最基本要求相合性是对估计量最基本的要求：不满足相合，样本再多也估计不准，通常认为不可用。三条标准各有侧重，综合评判三标准综合评判三条标准分属不同前提：无偏与有效是小样本性质，相合是大样本性质；相合性是最低要求，不满足通常不予采用。理想估计量应同时具备无偏、最小方差与相合。三标准对照总览标准刻画的问题判断方法无偏性是否瞄得准验证E(θ̂)=θ有效性波动是否小无偏前提下比较方差相合性大样本是否收敛依概率收敛判别03区间估计用区间刻画估计的可靠程度区间估计的必要性只说「μ估计为170」，不如说「μ有95%的把握落在168到172之间」——既给出估计位置，又量化了不确定性两个要素的制约关系区间长度体现精度，置信水平体现可靠性置信水平越高，区间越宽样本量越大，区间越窄理解这一对矛盾，是掌握区间估计的关键起点。置信区间的定义置信度评方法，不评单次区间—核心要点置信度评方法，不评单次区间—收束定义若由样本构造统计量

θ₁、θ₂，使

P(θ₁<θ<θ₂)=1−α，则(θ₁,θ₂)为θ的置信水平

1−α

的置信区间。α为显著水平，通常取

0.05

或

0.01；1−α称置信度。易混点辨析误读

一次抽样所得区间有95%概率包含真值↓纠正正解

置信度刻画方法的可靠程度，非单次结果的概率反复抽样按同一方法构造100个区间，约95个包含真值反复抽样100次区间估计的构造步骤枢轴量法——构造只含待估参数、分布完全已知的统计量。1步骤01找枢轴量核心步骤构造

G(X₁,…,Xₙ;θ)，含θ且分布已知如标准正态、t分布2步骤02查分位数查表由置信度

1−α

定a、b使

P(a<G<b)=1−α通常取对称区间，两侧各α/23步骤03解不等式代数变形将

a<G<b

等价变形解出

θ

的范围，即得置信区间枢轴量法的典型示例设总体X~N(μ,σ²)，σ²已知，X₁,…,Xₙ为样本，求μ的置信水平1−α的置信区间。1第一步构造枢轴量样本均值

X̄~N(μ,σ²/n)，标准化得U=(X̄−μ)/(σ/√n)~N(0,1)分布完全

已知2第二步查分位数取

uα/2，使P(−uα/2<U<uα/2)=1−α3第三步解不等式−uα/2<(X̄−μ)/(σ/√n)<uα/2，变形得置信区间：(X̄−uα/2·σ/√n,X̄+uα/2·σ/√n)当1−α=0.95时，uα/2=1.96，区间为

X̄±1.96σ/√n04正态总体的区间估计均值与方差的置信区间，双侧与单侧方差已知时均值的置信区间公式先行，例题代入示范答题格式。当总体

X~N(μ,σ²)

且

σ²已知时，μ的置信水平为1−α的置信区间为：X̄±u(α/2)·σ/√n其中u(α/2)

来自标准正态分布书写规范：先写明枢轴量与分布，再代公式，最后写出结果并释义。易错点：σ/√n漏根号、分位数要对应双侧α/2

而非单侧α；记牢公式与分位数，代入计算即可。例题读题某零件长度

X~N(μ,0.05²)，测得

9

件样本均值

X̄=10.02，求μ的

95%

置信区间代公式代数值σ=0.05，n=9，σ/√n=0.0167，u(0.025)=1.96结果写区间10.02±1.96×0.0167≈10.02±0.033，即

(9.987,10.053)方差未知时均值的置信区间02做法·解题步骤

做法用样本标准差S代替σ，枢轴量服从

t(n−1)