1. 基本概念
\quad 总体:与研究问题相关的个体的全体构成的集合,亦成为"母体"。
\quad 样本:等概率随机的从总体中抽取的部分个体,所抽取的个体独立同分布。
\quad
统计量:完全由样本决定的量,不依赖于总体分布中所包含的未知参数。
\quad
如
{
X
1
,
X
2
,
⋯
 
,
X
n
}
\{X_1,X_2,\cdots,X_n\}
{X1,X2,⋯,Xn}是从正太分布
N
(
μ
,
σ
2
)
N(\mu, \sigma^2)
N(μ,σ2)抽取的样本,
X
ˉ
=
(
X
1
+
⋯
+
X
n
)
/
n
\bar X=(X_1+\cdots+X_n)/n
Xˉ=(X1+⋯+Xn)/n为统计量,而
X
ˉ
−
μ
\bar X - \mu
Xˉ−μ为非统计量。
\quad
常用统计量:
\quad\quad\quad
样本均值:
X
ˉ
=
X
1
+
X
2
+
⋯
+
X
n
n
\bar X=\dfrac{X_1+X_2+\cdots+X_n}{n}
Xˉ=nX1+X2+⋯+Xn
\quad\quad\quad 样本方差: S 2 = ∑ i = 1 n ( X i − X ˉ ) 2 n − 1 S^2=\dfrac{\sum_{i=1}^n(X_i-\bar X)^2}{n-1} S2=n−1∑i=1n(Xi−Xˉ)2
\quad\quad\quad k k k阶样本原点矩: a k = ∑ i = 1 n X i k n a_k=\dfrac{\sum_{i=1}^n X_i^k}{n} ak=n∑i=1nXik
\quad\quad\quad k k k阶样本中心矩: m k = ∑ i = 1 n ( X i − X ˉ ) k n = n n − 1 S 2 m_k=\dfrac{\sum_{i=1}^n (X_i-\bar X)^k}{n}=\dfrac{n}{n-1}S^2 mk=n∑i=1n(Xi−Xˉ)k=n−1nS2
2. 点估计
2.1 问题描述
2.2 矩估计
\quad
极大似然估计是一种统计方法,它用来求一个样本集的相关概率密度函数的参数。"似然"
可理解为"样本可能性"
,即极大样本可能性估计。
极大似然估计提供了一种通过观察数据评估模型参数
的方法,即通过观察数据估计已知模型(概率密度)
的参数。对于特定样本集,存在模型参数
θ
\theta
θ使得所有样本同时出现的概率最大。
1、所选样本集反应数据的真实分布;
2、样本集中所有样本独立同分布;