【概率论与数理统计】【第七章】参数估计：点估计（矩估计、极大似然法）、区间估计

统计推断的基本问题可以分为两大类，一类是估计问题，另一类是假设检验问题。本文讨论总体参数的点估计和区间估计。

参数估计讲什么

1. 由样本来确定未知参数
2. 参数估计分为点估计与区间估计

一. 点估计

根据样本求分布函数的未知参数

设总体X的分布函数的形式已知，但它的一个或多个参数未知，借助于总体X的一个样本来估计总体未知参数的值的问题称为参数的点估计问题。

点估计的一般提法

1. 根据样本构造一个统计量（样本的函数），统计量的观察值作为位置参数的估计值
2. 不同的样本值，估计值一般不同。

构造估计量$(X_1,X_2...，)$的方法很多，下面介绍常用的矩估计法和极大似然估计法。

 

1. 矩估计法

用样本矩作为总体矩的估计量的原因

样本矩在一定程度上反映了总体矩的特征，且在样本容量n增大的条件下，样本的k阶原点矩 $A_k=1/n{\sum }_{i=1}^n{X}_i^k$ 依概率收敛到总体X的k阶原点矩 ${\mu }_k=E(X^k)$，即$A_k{-}^P>{\mu }_k$(n →∞)， k=1，2，…。

所以自然想到用样本矩作为相应总体矩的估计量，而以样本矩的连续函数作为相应总体矩的连续函数的估计量，这种估计方法就称为矩估计法。

 

矩估计法的一般做法

已知总体 X ∼ F