Files
MathNotesVersion2/基于考研的学习/数学一/在学练习/概率论-第6讲-数理统计/05-点4-矩估计.md
T
Yimu 4e4009de30 重构概率论第6讲为「知识点带题」格式,并修复跨讲死链
- 第6讲数理统计:删旧三件套(01-考点手册 4.8 万字符 / 02-试题 / 03-解析)与 PDF,
  改为 01-知识点盘点 + 02—09 八点分册 + 10-速查卡,共 10 文件 26 题
- 八点:总体样本与统计量 / 三大抽样分布 / 正态总体抽样分布 / 矩估计 /
  最大似然 / 评价标准 / 区间估计 / 假设检验与两类错误
- 盘点含 §0.1 按分值、§0.2 依赖链、§0.3 符号、§0.4 AUTO 反查、§9 覆盖对照(21 条)、§10 接口
- 修复 2026-10 第3讲重构留下的死链:大题十年考点/15-点14(7 处指向已删 01-考点手册)、
  知识点构建/17-背诵版第3讲(回查入口 4 处)
- 知识点构建/20-背诵版第6讲:回查入口改指新文件,题源注明旧 18 题清单已失效待重出
- 同步:总览.md 第6讲目录树、知识点构建 README 题量 18 → 26
2026-11-07 13:02:26 +08:00

6.2 KiB
Raw Blame History

tags, 专题, 日期, 状态, 关联笔记
tags 专题 日期 状态 关联笔记
数学一
在学练习
概率论
数理统计
矩估计
概率论 第6讲 · 点4 矩估计 2026-11-07 知识点带题(4.1 原理与步骤、4.2 两个陷阱,共 2 题)
README
01-知识点盘点

点 4 矩估计

2017·23 的第一问;作为"送分的第一问"出现频率极高|重要度 ★★★ 依赖:点 1 的样本矩、第 4 讲的期望与方差。盘点对应:§4 全节。

组织原则:矩估计是点估计里唯一有固定套路的方法——写出总体矩,令它等于样本矩,解方程。两题分工:第 1 题练"一阶矩就够"的标准流程,第 2 题专治"一阶矩里没有参数"这个最常见的卡壳点。难度标准:★☆☆ 一题、★★☆ 一题。

知识点 4.1 原理与步骤(出处:知识章 §3.2)

一句话原理:用样本矩替换总体矩。

A_k=\frac1n\sum_{i=1}^{n}X_i^{k}\ \xrightarrow{\ \text{替代}\ }\ EX^{k}\quad(k=1,2,\dots).

两步:

  1. 写出总体矩 EX^k ,让它带参数;
  2. 令 EX^k=A_k ,方程个数 = 未知参数个数,解出参数。

先数参数、再定阶数:两个未知参数就要用到二阶矩,这是唯一需要预先判断的事。

知识点 4.2 两个陷阱(出处:知识章 §3.2)

陷阱一:一阶矩里没有参数。如 X\sim N(0,\sigma^2) 时 EX=0 ,与 \sigma 无关,方程恒成立、解不出东西。此时必须升到二阶矩。

陷阱二:二阶矩用 A_2 还是 S^2 ?矩估计法规定用二阶原点矩 A_2=\frac1n\sum X_i^2 ,不是 S^2 。两者只差一个系数:

S^2=\frac{n}{n-1}A_2-\frac{n}{n-1}\bar X^2\quad\Longrightarrow\quad A_2=\frac{n-1}{n}S^2+\bar X^2 .

后果:用 A_2 得到的估计量是有偏的(EA_2=\sigma^2+\mu^2 之类),但这不影响矩估计的合法性——矩估计从来不以无偏为目标,只保证相合。要无偏得再修正,那是点 6 的事。


题目(按知识点顺序对应)

题 1 · 4.1:一阶矩就够的情形(★☆☆)

设总体 X 的概率密度为

f(x;\theta)=\begin{cases}(\theta+1)x^{\theta}, & 0<x<1,\\ 0, & \text{其他},\end{cases}\qquad \theta>-1 .

X_1,\dots,X_n 为简单随机样本。求 \theta 的矩估计量。

怎么想:只有一个未知参数,用一阶矩。先算 EX (带 \theta ),再令它等于 \bar X ,最后把 \theta 解出来——解方程这一步最容易算错符号。

解:

先算总体一阶矩:

EX=\int_0^{1}x\cdot(\theta+1)x^{\theta}\,\mathrm dx=(\theta+1)\int_0^{1}x^{\theta+1}\,\mathrm dx=\frac{\theta+1}{\theta+2}.

令 EX=\bar X :

\frac{\theta+1}{\theta+2}=\bar X\quad\Longrightarrow\quad \theta+1=\bar X(\theta+2)\quad\Longrightarrow\quad \theta(1-\bar X)=2\bar X-1 .

故矩估计量

\hat\theta=\frac{2\bar X-1}{1-\bar X}\qquad\left(\bar X\ne1\right).

验算:取 \theta=0 ,此时 f(x)=1 即 U(0,1) ,EX=\frac12 。代入公式:\hat\theta=\dfrac{2\cdot\frac12-1}{1-\frac12}=\dfrac{0}{0.5}=0 ✓。再取 \theta=1 (f=2x ,EX=\frac23 ):\hat\theta=\dfrac{\frac43-1}{1-\frac23}=\dfrac{1/3}{1/3}=1 ✓。

带走结论:矩估计的答案一定写成"只含样本"的形式(\bar X 、A_2 等),不能留着 \theta 。另外要标出定义域:本题 \bar X\ne1 ,且当 \bar X<\frac12 时 \hat\theta<0 会越界——这时按"参数范围"截断到 -1 。

关联 · 盘点 §4.1 原理与步骤 | 上游 — | 下游 — | 速查 四 矩估计


题 2 · 4.2:一阶矩失效与二阶矩的坑(★★☆)

(Ⅰ)设 X\sim N(0,\sigma^2) ,\sigma>0 未知,X_1,\dots,X_n 为样本。用矩估计法求 \sigma^2 与 \sigma 的估计量,并说明为什么不能用一阶矩。

(Ⅱ)设 X\sim N(\mu,\sigma^2) ,\mu,\sigma^2 均未知。求 \mu 与 \sigma^2 的矩估计量,并指出 \hat\sigma^2 是否无偏。

怎么想:(Ⅰ)一阶矩 EX=0 与 \sigma 无关,方程退化成"0=0 ",所以必须升到二阶矩。(Ⅱ)两个参数用两个矩,第二式解出的是 \frac1n\sum(X_i-\bar X)^2 ——注意它与 S^2 不相等。

解:

(Ⅰ) 一阶矩 EX=0 ,不含 \sigma ,令 EX=\bar X 得 0=\bar X ,与 \sigma 无关,方程无效。

改用二阶矩:EX^2=DX+(EX)^2=\sigma^2 。令 EX^2=A_2=\frac1n\sum X_i^2 ,得

\hat\sigma^2=A_2=\frac1n\sum_{i=1}^{n}X_i^2,\qquad \hat\sigma=\sqrt{\frac1n\sum_{i=1}^{n}X_i^2}.

(Ⅱ) 两个方程:

EX=\mu\ \Rightarrow\ \hat\mu=\bar X;\qquad EX^2=\mu^2+\sigma^2\ \Rightarrow\ \hat\sigma^2=A_2-\bar X^2 .

而

A_2-\bar X^2=\frac1n\sum X_i^2-\bar X^2=\frac1n\sum_{i=1}^{n}(X_i-\bar X)^2=S_n^2 .

所以

\hat\mu=\bar X,\qquad \hat\sigma^2=S_n^2=\frac1n\sum_{i=1}^{n}(X_i-\bar X)^2 .

无偏性:由点 1 题 2,ES_n^2=\dfrac{n-1}{n}\sigma^2\ne\sigma^2 ,故 \hat\sigma^2 有偏(系统性偏小)。若改用 S^2 才无偏。

验算:(Ⅰ)里 \hat\sigma^2 的期望:E A_2=EX^2=\sigma^2 ✓,所以**(Ⅰ)的 \hat\sigma^2 反而无偏**——这与(Ⅱ)恰好相反,原因是一阶矩是否为 0 决定了"减不减 \bar X^2 "。

带走结论:同一个参数,在不同的总体设定下矩估计可能不同,无偏性也可能不同。规律是:只要 \mu 未知、需要先估 \mu ,\sigma^2 的矩估计就必然是 S_n^2 (有偏);而 \mu 已知为 0 时用 A_2 (无偏)。这一条把 2019·23 与 2017·23 的分叉点讲清了。

关联 · 盘点 §4.2 两个陷阱 | 上游 — | 下游 — | 速查 四 矩估计