点估计参数估计

点估计（Point Estimation）是一种统计推断的方法，用于通过样本统计量来估计总体参数。在概率论和数理统计中，点估计是将总体的未知参数估计为某个确定的值或在某个确定的点上，因此也被称为定值估计。

1. 定义：

   • 当从总体中抽取一个或多个样本后，通过这些样本来推断总体的某些特征。这些特征通常由一些参数（如均值、方差等）表示。
   • 点估计的目标就是找到一个合适的数值，用这个数值来作为总体参数的估计值。

2. 方法：

   • 点估计的常用方法包括矩估计法、最大似然法、最小二乘法等。
     • 矩估计法：通过样本矩来估计总体矩的方法。例如，用样本均值来估计总体均值，用样本方差来估计总体方差。
     • 最大似然估计法：由英国统计学家R.A.费希尔在1912年提出，是一种基于似然函数的估计方法。它通过最大化似然函数来找到参数的估计值。
     • 最小二乘估计法：由德国数学家C.F.高斯等人在18世纪末到19世纪初提出，主要用于线性统计模型中的参数估计。它通过最小化残差平方和来找到参数的估计值。

3. 性质：

   • 点估计的精确程度通常用置信区间来表示。置信区间给出了估计值的一个范围，表示有多大信心认为总体参数位于这个范围内。
   • 点估计的结果是一个具体的数值，而不是一个范围。因此，它提供了关于总体参数的直接估计。