参数估计

参数估计(parameter estimation)：用样本统计量去估计总体的参数。【用样本估计量θ ̂作为总体参数θ】

估计量：在参数估计中，用来估计总体参数的统计量称为估计量（estimator）。

              如样本均值、样本比例、样本方差等都可以是一个统计量。

估计值：根据一个具体的样本计算出来的估计量的数值称为估计值（estimated value）。

点估计：用样本统计量的某个取值直接作为总体参数的估计值θ。

由于样本是随机的，抽出一个具体的样本得到的估计值很可能不同于总体真值。再用点估计值代表总体参数值的同时，还必须给出点估计值的可靠性。也就是说必须能说出点估计值与总体参数的真实值接近的程度。但是一个点估计值的可靠性是由它的抽样标准误差来衡量的，这表明一个具体的点估计值无法给出估计的可靠性的度量，因此就不能完全依赖于一个点估计值，而是围绕点估计值构造总体参数的一个区间，这就是区间估计。

区间估计：是在点估计的基础上，给出总体参数估计的一个区间范围，该区间通常由样本统计量加减估计误差得到。

置信区间：在区间估计中，由样本统计量所构造的总体参数的估计区间称为置信区间。

                  其中区间的最小值称为置信下限，最大值称为置信上限。

置信水平(又称 置信度|置信系数)： 一般地，如果将构造置信区间的步骤重复多次，置信区间中包含总体参数真值的次数所占的比例。

 

评价估计量的标准：

1、无偏性：指估计量抽样分布的数学期望等于被估计的总体参数。

2、有效性：指对同一总体参数的两个无偏估计量，有更小标准差的估计量更有效。

                    在无偏估计条件下，估计量的方差越小，估计就越有效。

3、一致性：随着样本量的增大， 估计量的值越来越接近被估计总体的参数

 

如何用样本统计量来构造一个总体参数的置信区间？