点估计之矩估计

$$矩估计de原理：E(\frac{1}{n}\sum _{i=1}^n{x}_i^k)=E(x^k)(总体的k阶中心矩f(\theta ))$$
$$\begin{gathered} 证明：\because X_i与X同分布,且期望具有线性性质 \\ \therefore E(X_i^k)=E(X^k),E(\frac{1}{n}\sum _{i=1}^n{x}_i^k)=E(x^k) \\ 用\frac{1}{n}\sum _{i=1}^n{x}_i^k=E(x^k)(总体的k阶中心矩f(\theta ))估计参数\theta \end{gathered}$$

$$\begin{gathered} 矩(x^n的期望)估计： \\ \{\begin{array}{l}对总体的均值与方差的估计:\hat{\mu }=\frac{1}{n}\sum x_i,{\hat{\sigma }}^2=\frac{1}{n}\sum (x_i-\bar{x}{)}^2(有偏)或\frac{1}{n-1}\sum (x_i-\bar{x}{)}^2(无偏)\\ 用参数表示矩后，由等式关系解出参数\end{array} \end{gathered}$$

例：

$$\begin{gathered} 设总体X的分布函数为 \\ F(x,\beta )=\{\begin{array}{l}1-\frac{1}{x^{\beta }},x>1\\ 0,x\le 1\end{array} \\ 其中未知参数\beta >1,X_1，X_2，X_3\dots \dots X_n是来自总体的简单随机样本， \\ 求\beta 的矩估计量 \end{gathered}$$
$$\begin{gathered} 解：X的概率密度函数为f(x,\beta )=\{\begin{array}{l}\frac{\beta }{x^{\beta +1}},x>1\\ 0,x\le 1\end{array} \\ E(X)={\int }_{-\infty }^{+\infty }xf(x,\beta )dx={\int }_0^{+\infty }x\frac{\beta }{x^{\beta +1}}dx=\frac{\beta }{\beta -1} \\ 令E(X)=\bar{X}(\ast \ast \ast ) \\ 解得\beta =\frac{\bar{X}}{\bar{X}-1} \end{gathered}$$