正态总体参数的点估计和区间估计

区间估计求解步骤:
1.构造统计量$u(X_1,X_2\cdots ,X_n;\theta )$
2.P{c<u(X1,X2⋯ ,Xn;θ)<d}=1−αP\left \{ c< u(X_1,X_2\cdots ,X_n;\theta)<d \right \}=1-\alphaP{c<u(X1​,X2​⋯,Xn​;θ)<d}=1−α
3.求得$\theta$的$1-\alpha$置信区间

eg1:
设总体$X\sim N(\mu ,{\sigma }^2)$, 则$\mu$的区间估计：
${\sigma }^2$已知：
由于 $\overline{X}\sim N(\mu ,\frac{{\sigma }^2}{n})$,故 $\frac{\overline{X}-\mu }{\sigma /\sqrt{n}}\sim N(0,1)$
对于给定的$\alpha$,$u_{\frac{\alpha }{2}}$是标准正态分布的$\frac{\alpha }{2}$上侧分位数，于是
$P\left\{-u_{\frac{\alpha }{2}}<\frac{\overline{X}-\mu }{\sigma /\sqrt{n}}<u_{\frac{\alpha }{2}}\right\}=1-\alpha$

$P\left\{\overline{X}-u_{\frac{\alpha }{2}}\frac{\sigma }{\sqrt{n}}<\mu <\overline{X}+u_{\frac{\alpha }{2}}\frac{\sigma }{\sqrt{n}}\right\}=1-\alpha$
故$\mu$的置信度为$1-\alpha$的置信区间为$\left(\overline{X}-u_{\frac{\alpha }{2}}\frac{\sigma }{\sqrt{n}},\overline{X}+u_{\frac{\alpha }{2}}\frac{\sigma }{\sqrt{n}}\right)$
当$\alpha =0.05$时，$u_{\frac{\alpha }{2}}$=1.96

${\sigma }^2$未知：
故$\mu$的置信度为$1-\alpha$的置信区间为$\left(\overline{X}-t_{\frac{\alpha }{2}}(n-1)\frac{S_n^{\ast }}{\sqrt{n}},\overline{X}+t_{\frac{\alpha }{2}}(n-1)\frac{S_n^{\ast }}{\sqrt{n}}\right)$
其中：$u_{\frac{\alpha }{2}}\frac{\sigma }{\sqrt{n}}$是抽样误差.

eg2:
设总体$X\sim N(\mu ,{\sigma }^2)$, $\mu$, ${\sigma }^2$ 均未知，则总体方差${\sigma }^2$或标准差$\sigma$的区间估计（讨论方差的区间估计可用于分析生产的稳定性与估计精度等问题）：

${\sigma }^2$置信度为$1-\alpha$的置信区间为
$\left(\frac{(n-1){S_n^{\ast }}^2}{{\chi }_{\frac{\alpha }{2}}^2(n-1)},\frac{(n-1){S_n^{\ast }}^2}{{\chi }_{1-\frac{\alpha }{2}}^2(n-1)}\right)$

最大似然估计
eg：已知$X_1,X_2...,X_n$是从两点分布Bernoulli(1,p)中抽取出来的独立同分布样本，参数p的似然估计：
$L=\prod _{i=1}^n{p}^{x_i}(1-p{)}^{1-x_i}=p^{\sum x_i}(1-p{)}^{n-\sum x_i}$
$\ln (L)=\sum x_i\ln p+(n-\sum x_i)\ln (1-p)$
$\frac{\partial \ln (L)}{\partial p}=0$
$\hat{p}=\bar{X}$

泊松分布
用$Possion(\lambda )$分布参数$\lambda$的极大似然估计的渐近分布求置信区间
$P(X=x)=\frac{{\lambda }^x{e}^{-\lambda }}{x!}$
$L(\lambda )=\prod _{i=1}^n\frac{{\lambda }^{x_i}{e}^{-\lambda }}{x_i!}=e^{-n\lambda }{\lambda }^{\sum x_i}/\prod _{i=1}^n{x}_i!$
$\ln (\lambda )=$
$\frac{\partial \ln (\lambda )}{\partial \lambda }=0$
$\hat{\lambda }=\overline{X}$
根据CLT: $n\to \infty ,\hat{\lambda }\sim N(\lambda ,\lambda /n)$
$\frac{\hat{\lambda }-\lambda }{\sqrt{\lambda /n}}\sim N(0,1)$
$\hat{\lambda }-u_{\alpha /2}\sqrt{\hat{\lambda }/n}<\lambda <\hat{\lambda }+u_{\alpha /2}\sqrt{\hat{\lambda }/n}$