MATH-PRO-28 矩估计法

数学一 > ### 概率论与数理统计 > #### 矩估计法

---

一、定位信息

项目	内容
所属章节	第七章 参数估计
知识单元编号	MATH-PRO-28
前置知识	MATH-PRO-22（矩）、MATH-PRO-25~27（抽样分布）
后续关联	MATH-PRO-29（最大似然估计）、MATH-PRO-30（评选标准）
考试地位	参数估计基础，解答题常考
难度等级	★★★☆☆

---

二、知识点讲解

1. 矩估计法的思想

核心思想：用样本矩估计总体矩。

• 一阶样本矩 $\bar{X}$ 估计总体期望 $E(X) = \mu$
• 二阶样本矩 $\frac{1}{n}\sum X_i^2$ 估计 $E(X^2)$

2. 矩估计的步骤

设总体 $X$ 的分布含 $k$ 个未知参数 $\theta_1, \theta_2, \ldots, \theta_k$。

步骤1：计算总体的前 $k$ 阶原点矩： $E(X^j) = g_j(\theta_1, \ldots, \theta_k), \quad j = 1, 2, \ldots, k$

步骤2：令总体矩等于样本矩： $g_j(\theta_1, \ldots, \theta_k) = \frac{1}{n}\sum_{i=1}^n X_i^j, \quad j = 1, 2, \ldots, k$

步骤3：解方程组，得 $\hat{\theta}_1, \ldots, \hat{\theta}_k$。

3. 常见分布的矩估计

分布	参数	矩估计
$B(1,p)$	$p$	$\hat{p} = \bar{X}$
$P(\lambda)$	$\lambda$	$\hat{\lambda} = \bar{X}$
$U(0,\theta)$	$\theta$	$\hat{\theta} = 2\bar{X}$
$E(\lambda)$	$\lambda$	$\hat{\lambda} = 1/\bar{X}$
$N(\mu,\sigma^2)$	$\mu,\sigma^2$	$\hat{\mu} = \bar{X}$，$\hat{\sigma}^2 = \frac{1}{n}\sum(X_i-\bar{X})^2$

注意：正态分布的方差矩估计用 $\frac{1}{n}$ 而非 $\frac{1}{n-1}$，因为矩估计不需要无偏。

---

三、记忆辅助

1. 矩估计核心：总体矩 = 样本矩，解方程得参数估计。
2. 一个参数用一阶矩：$E(X) = \bar{X}$，解出 $\hat{\theta}$。
3. 两个参数用两阶矩：$E(X) = \bar{X}$，$E(X^2) = \frac{1}{n}\sum X_i^2$，联立解出。
4. 正态方差的矩估计：$\hat{\sigma}^2 = \frac{1}{n}\sum(X_i-\bar{X})^2$（用 $n$ 不用 $n-1$）。

---

四、例题精解

【例题1】单一参数的矩估计

题目：设 $X_1, \ldots, X_n$ 为来自指数分布 $E(\lambda)$ 的样本，求 $\lambda$ 的矩估计。

解答：

第一步：计算总体矩

$E(X) = \frac{1}{\lambda}$

第二步：令总体矩等于样本矩

$\frac{1}{\lambda} = \bar{X}$

第三步：解方程

$\hat{\lambda} = \frac{1}{\bar{X}}$

第四步：结论

$\lambda$ 的矩估计为 $\hat{\lambda} = \frac{1}{\bar{X}}$。

---

【例题2】两个参数的矩估计

题目：设 $X_1, \ldots, X_n$ 为来自 $U(a, b)$ 的样本，求 $a, b$ 的矩估计。

解答：

第一步：计算总体矩

$E(X) = \frac{a+b}{2}$，$E(X^2) = D(X) + [E(X)]^2 = \frac{(b-a)^2}{12} + \frac{(a+b)^2}{4} = \frac{a^2+ab+b^2}{3}$

第二步：令总体矩等于样本矩

$\frac{a+b}{2} = \bar{X}, \quad \frac{a^2+ab+b^2}{3} = \frac{1}{n}\sum X_i^2$

第三步：解方程

由第一个方程：$a+b = 2\bar{X}$。

由第二个方程：$a^2+ab+b^2 = \frac{3}{n}\sum X_i^2$。

利用 $(a+b)^2 = a^2+2ab+b^2$，得 $ab = \frac{(a+b)^2 - (a^2+ab+b^2)}{1}$...

更简便：利用 $D(X) = \frac{(b-a)^2}{12}$，$\hat{D} = \frac{1}{n}\sum(X_i-\bar{X})^2$：

$(b-a)^2 = 12 \cdot \frac{1}{n}\sum(X_i-\bar{X})^2$，$b-a = 2\sqrt{\frac{3}{n}\sum(X_i-\bar{X})^2}$。

联立 $a+b = 2\bar{X}$：

$\hat{a} = \bar{X} - \sqrt{\frac{3}{n}\sum(X_i-\bar{X})^2}, \quad \hat{b} = \bar{X} + \sqrt{\frac{3}{n}\sum(X_i-\bar{X})^2}$

第四步：结论

$\hat{a} = \bar{X} - \sqrt{3B_2}, \quad \hat{b} = \bar{X} + \sqrt{3B_2}$

其中 $B_2 = \frac{1}{n}\sum(X_i-\bar{X})^2$。

---

五、考情分析

年份	题型	考点	分值
高频	解答题	求参数的矩估计	10分
中频	填空题	常见分布的矩估计公式	4分
中频	计算	矩估计量的计算	10分

---

六、易错点

1. 矩估计用原点矩：$E(X^k) = \frac{1}{n}\sum X_i^k$，不要用中心矩。
2. 正态方差的矩估计：$\hat{\sigma}^2 = \frac{1}{n}\sum(X_i-\bar{X})^2$（用 $n$），不是 $S^2$（用 $n-1$）。
3. 两个参数需要两阶矩：一个方程解一个未知数，两个未知数需要两个方程。

---

七、来源标注

来源	说明
教材	浙大版《概率论与数理统计》第7章 §7.1
大纲	考研数学一大纲"矩估计法"