统计推断（statistical inference）

样本是统计推断的依据；

统计推断的基本问题可以分为两大类：

• 估计问题
  
  • 点估计，
  • 区间估计
• 假设检验

1. 点估计

设总体 $X$ 的分布函数 $F(x;\theta)$ 的形式已知，$\theta$ 是待估参数。$X_1,X_2,\ldots,X_n$ 是 $X$ 的一个样本，$x_1,x_2,\ldots,x_n$ 是相应的一个样本值。点估计问题就是要构造一个适当的统计量，$\hat \theta(X_1,X_2,\ldots,X_n)$，用它的观察值 $\hat\theta(x_1,x_2,\ldots,x_n)$ 作为未知参数 $\theta$ 的近似值。

• 称 $\hat\theta(X_1,X_2,\ldots,X_n)$ 为 $\theta$ 的估计量；

• 称 $\hat\theta(x_1,x_2,\ldots,x_n)$ 为 $\theta$ 的估计值；

• 矩估计法

  设 $X$ 为连续型随机变量，其概率密度为 $f(x;\theta_1,\ldots,\theta_k)$ ，或 $X$ 为离散型随机变量，其分布律为 $P\{X=x\}=p(x;\theta_1,\ldots,\theta_k)$，其中 $\theta_1,\ldots,\theta_k$ 为待估参数，$X_1,X_2,\ldots, X_n$ 是来自总体 $X$ 的样本，假设总体 $X$ 的前 $k$ 阶矩为：

  $$\mu_\ell=\int_{-\infty}^\infty x^\ell (x;\theta_1,\ldots,\theta_k)dx$$

  样本的矩为：

  $$A_\ell=\frac1n\sum_{i=1}^nX_i^\ell$$

• 极大似然估计

3. 例题

• 设总体 $X$ 在 $[a, b]$ 上服从均匀分布，$a, b$ 未知，$X_1,X_2,\ldots,X_n$ 是来自 $X$ 的样本，试求 $a,b$ 的矩估计量；

  $$\begin{split} \mu_1=&\frac{a+b}2, \\ \mu_2=&E(X^2)=D(X)+E^2(X)\\ =&\frac{(b-a)^2}{12}+\frac{(a+b)^2}{4} \end{split}$$

  解这一方程组得，$a=\mu_1-\sqrt{3(\mu_2-\mu_1^2)}, b=\mu_1+\sqrt{3(\mu_2-\mu_1^2)}$，然后用样本矩 $A_1⇒ \mu_1, A_2⇒ \mu_2$（$\frac1n\sum (X_i-\bar X)^2=\frac1n\sum X_i^2-\bar X^2$）

  • $\hat a=A_1-\sqrt{3(A_2-A_1^2)}=\bar X-\sqrt{\frac3n(\sum_{i}X_i^2-\bar X^2)}$
  • $\hat b=A_1+\sqrt{3(A_2-A_1^2)}=\bar X-\sqrt{\frac3n(\sum_{i}X_i^2-\bar X^2)}$