引言
- 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。
- 思维导图中,标红的是重点内容,标黄的是次重点。
- 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
补充:
(NULL)
易错点
- 若 θ ˆ \^θ θˆ是θ的无偏估计,则 g ( θ ˆ ) g(\^θ) g(θˆ)不一定是 g ( θ ) g(θ) g(θ)的无偏估计,除非 g ( θ ˆ ) g(\^θ) g(θˆ)为θ的线性函数。
- S 2 S^2 S2是 σ 2 σ^2 σ2的无偏估计量,但S不一定是σ的无偏估计量。
- 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。
- 只有在总体为正态分布时,S和 X ‾ \overline X X才相互独立。
题型总结
一、求极大似然估计
- 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 ) L(参数) L(参数)。
3)两边取对数: l n L ( 参数 ) lnL(参数) lnL(参数)。
4)求导(或求偏导),令导数(或偏导数)等于零。 - 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
- 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