推断性统计部分（二）---参数估计

推断性统计部分（二）—参数估计

标签（空格分隔）： 概率论与数理统计

---

参数估计包含两大部分，点估计及区间估计，点估计，是估计参数点的值，一个确定的值，区间估计就是估计参数的范围。

点估计

分为矩估计法及最大似然估计法两种，矩估计法的原理就是样本的k阶矩依概率收敛于相应的总体矩，然后建立方程组求解参数；最大似然估计就是利用利用样本的联合分布律建立似然函数，然后对各个参数进行求导得到似然函数的极值点，从而求出参数的最大似然估计值。下面进行细讲。

矩估计法：

一般使用是一阶矩及二阶矩来进行计算，容易知道它们分别收敛于总体的$E(X)$及$E(X^2)$两上参数，而$E(X^2)=D(X)+[E(X)]^2$，所以矩估计法非常容易计算。
对于任意总体X，若它的均值$\mu$及方差$\sigma^2$均存在，且有$\sigma^2>0$，但$\mu,\sigma^2$未知，设$X_1,X_2,…X_n$来自X的样本，$\mu,\sigma^2$的矩估计量可以通过如下计算得到

{ μ^=X¯σ2^=1n∑n