概率论与数理统计学习笔记——参数估计

参数估计：估计参数

方法：
据估计法
极大似然法

矩估计法：
样本矩等于总体矩（当样本容量很大时），总体矩就是我们所说的期望，比如k阶总体矩就是X的k次方，作从1到n的求和，然后取平均值，结果是X的k次方的期望。当我们不知道总体矩或者是需要用到总体矩的时候，我们就可以利用样本矩去估计总体矩。


极大似然估计法：似然就是“可能”的意思，构造极大似然函数，然后比较参数可能的值带入函数后得到的概率的大小，以概率最大的那个对应的参数值作为参数的极大似然估计值。
造成结果的原因有a,b。若a造成的几率更大，则说是a。

极大似然函数对连续型变量的似然函数是概率密度之积的原因：
极大似然估计法的基本思想是选择使事件发生概率最大者为参数估计值，对于连续型变量，微元（d(x1,x2,x3,…,xl)的大小是一样的，所以概率最大的地方就是概率密度函数值最大的地方，也就是各个偏导数为0的地方。

结论：正态分布的极大似然估计值和矩估计值一样，都是样本一阶 原点矩和样本二阶中心矩。