导图社区 参数估计
概率论与数理统计中的参数估计 点估计 最大似然估计,希望这份脑图会对你有所帮助。
初级统计业务知识分三个模块,考试分为两门。其中统计基础知识和统计法规合并为一门,统计实务为一门。初级统计标*不作为考试要求,统计实务的专业性比较强,但是统计法规的知识点比较少,都是记忆性知识点,可以按照提纲或者导图直接背诵,再进行刷题巩固,这一块的知识点比较轻松能掌握的!
北京三日游玩攻略 五一假期 出行必做攻略 ,提前规划返程、出行、三餐攻略、住宿等方面,注意:北京大部分景点周一都是闭馆的,一定要提前安排好时间。
社区模板帮助中心,点此进入>>
《影响力》思维导图
论语孔子简单思维导图
《傅雷家书》思维导图
《童年》读书笔记
《茶馆》思维导图
《朝花夕拾》篇目思维导图
《昆虫记》思维导图
《安徒生童话》思维导图
《鲁滨逊漂流记》读书笔记
《这样读书就够了》读书笔记
参数估计
点估计
点估计概念
问题引出
已知总体X的分布函数F(x,θ) → θ是未知参数 → 从总体中抽取一定数量的简单随机样本 → 构造出一个统计量θ → 用它的观测值作为未知参数θ的近似值。
估计量(大写)
估计量是样本的函数,对于不同的样本值,θ的估计值是一般是不一样的
估计值(小写)
统称为估计
构造估计量的方法
矩估计法
原理
用样本矩替换总体矩
矩:中心矩代替中心矩;原点矩代替原点矩
步骤
一个未知参数
样本均值=总体期望,解未知参数
两个未知参数
最大似然估计法(MLE)
使似然函数达到最大值的参数值θ=θ(x1,x2,x3,...)称为未知参数θ的最大似然估计值,相应的统计量θ称为未知参数θ的最大似然估计量。
写出样本的似然函数
似然函数:刻画参数θ与数据的匹配程度。
离散型
各个概率相乘
连续型
各个密度函数相乘
取对数
lnL
将似然函数的相乘变成相加,便于后面的计算
求导
一个未知参数--求导
有解,即使唯一解
无解,即lnL单调,用定义法求θ的最大似然估计量
两个未知参数--求偏导
性质
最大似然估计量的不变性原理
评估量的评选标准
无偏性
有效性
相合性