第七章 参数估计

引言

1. 题型总结中推荐例题有蓝皮书的题型较为重要，只有吉米多维奇的题型次之。
2. 思维导图中，标红的是重点内容，标黄的是次重点。
3. 码字不易，如果这篇文章对您有帮助的话，希望您能点赞、收藏、加关注！您的鼓励就是我前进的动力！

---

知识点思维导图

（点此查看原图）

补充：
(NULL)

易错点

1. 若$\hat{\theta }$是θ的无偏估计，则$g(\hat{\theta })$不一定是$g(\theta )$的无偏估计，除非$g(\hat{\theta })$为θ的线性函数。
2. $S^2$是${\sigma }^2$的无偏估计量，但S不一定是σ的无偏估计量。
3. S是否为σ的最大似然估计量与总体分布及估计方法有关。
4. 只有在总体为正态分布时，S和$\overline{X}$才相互独立。

题型总结

一、求极大似然估计

1. 解题步骤：
   1）写出总体的概率（离散型）/密度（连续型）函数。
   2）写出似然函数：$L(参数)$。
   3）两边取对数：$lnL(参数)$。
   4）求导（或求偏导），令导数（或偏导数）等于零。
2. 此题型属于简单题，必拿分题。解题时直接套步骤即可。

方法心得

1. 求最大似然估计，关键是要确定似然函数。

参考资料：
［1］安徽理工大学数学系. 概率论与数理统计（第二版）. 天津：天津科学技术出版社, 2018.
［2］安徽理工大学数学系. 线性代数、概率论与数理统计同步辅导习题（第二版）. 天津：天津科学技术出版社, 2016.
［3］张天德. 概率论与数理统计习题精选精解. 山东：山东科学技术出版社, 2011.
［4］《概率论与数理统计》教学视频全集 宋浩老师