1.5 概率与统计基础
参数估计
重要程度：9 分
<h2>1.5 概率与统计基础 - 参数估计重点内容</h2>
<h3>一、点估计</h3>
<p>点估计是指用样本统计量来直接估计总体参数的方法。常用的点估计方法有矩估计法和最大似然估计法。</p>
<ul>
<li><strong>矩估计法：</strong>基于总体的矩（如均值、方差）等于样本对应矩的原则，通过解方程组来求得未知参数的估计值。</li>
<li><strong>最大似然估计法：</strong>选择使观察到的数据发生的概率最大的参数值作为该参数的估计值。</li>
</ul>
<h3>二、区间估计</h3>
<p>区间估计不仅给出一个具体的数值作为参数的估计值，而且还会提供这个估计值可能所在的范围以及相应的置信水平。</p>
<ul>
<li><strong>置信区间：</strong>对于给定的概率\(1-\alpha\)，称满足\(P\{L(X_1, X_2, ..., X_n) \leq \theta \leq U(X_1, X_2, ..., X_n)\} = 1-\alpha\) 的随机区间\([L, U]\)为参数\(\theta\)的置信度为\(1-\alpha\)的置信区间。</li>
</ul>
<h3>三、例题说明</h3>
<p><strong>例1：点估计应用 - 最大似然估计</strong></p>
<p>假设有一批灯泡寿命数据服从指数分布\(f(x; \lambda) = \lambda e^{-\lambda x}\)，其中\(\lambda > 0\)是未知参数。现从这批灯泡中随机抽取了5个样本，其使用寿命分别为(单位:小时): 120, 140, 160, 180, 200。试用最大似然估计法估计\(\lambda\)。</p>
<ol>
<li>写出似然函数\(L(\lambda) = \prod_{i=1}^{5} f(x_i; \lambda) = \lambda^5e^{-\lambda\sum_{i=1}^{5}x_i}\)</li>
<li>取对数得到\(\ln L(\lambda) = 5\ln\lambda - \lambda\sum_{i=1}^{5}x_i\)</li>
<li>令\(\frac{\partial \ln L}{\partial \lambda} = 0\)解得\(\hat{\lambda} = \frac{5}{\sum_{i=1}^{5}x_i} = \frac{5}{900} = \frac{1}{180}\)</li>
</ol>
<p>因此，根据最大似然估计法，我们得到\(\lambda\)的最佳估计值为\(\frac{1}{180}\)。</p>
<p><strong>例2：区间估计应用 - 正态分布下均值的置信区间</strong></p>
<p>已知某地区成年男性身高（单位:厘米）近似服从正态分布N(\(\mu, \sigma^2\))，现随机选取了25名成年男性的身高数据，计算得到样本平均数\(\bar{x} = 175cm\)，标准差s=6cm。试构建该地区成年男性平均身高的95%置信区间。</p>
<ol>
<li>由于样本大小n=25且已知标准差s，使用t分布构造置信区间。\li>
<li>查找t表找到自由度df=n-1=24时对应的t值，对于95%置信水平，双侧检验的临界值约为2.064。</li>
<li>置信区间的计算公式为\(\bar{x} \pm t_{\alpha/2}(s/\sqrt{n})\)，代入具体数值后得\(175 \pm 2.064(6/\sqrt{25})\)。</li>
<li>最终计算得出该地区成年男性平均身高的95%置信区间大约为[173.12, 176.88]。</li>
</ol>
这段HTML代码清晰地展示了《物流数学》中关于参数估计的重点内容，并通过两个具体的例子加深理解。希望这对你有所帮助！