前言
学了很久数理统计,总觉得知识在脑海中没有清晰的轮廓,虽然也可以自己通过纸和笔整理,但也想要通过新的方式:用文字的方式输出,这一想法已经在我脑海里盘旋了好久,终于在今天落实。
一、参数估计内容
1.参数估计的requisites
我默认大家已经掌握了基本的概率论知识,例如了解概率空间、随机变量、概率的含义,会求随机变量的分布函数、数字特征,对基本的大数定理和中心极限定理有一些了解,最好还要知道三大抽样分布的性质。
但是还是简单提一下统计量的概念吧:统计量是从样本中得到的,是样本的函数,统计量不含有任何未知参数。
2.参数估计的目的
我们在统计中,总是想要通过样本去推断总体的性质,而引进统计量,就是对样本进行描述的过程。实际中,我们感兴趣的问题总是与总体分布中的未知参数有关系,所以,我们要对参数进行估计和检验。
这里的参数是指:
- 分布中的未知参数和未知参数的函数
- 分布的各种特征函数
3.参数估计的类型和使用
在此之间,我们必须要明确一点,估计是一个方法,不是一个具体算出来的值;只是,在给定样本以后,用这种估计的方法,可以算出数值。
3.1 点估计
点估计,顾名思义是对某个未知参数的值的估计,就像是数轴上的一个点。因此我们的目的也就是找到一个未知参数的好的估计量。
知道点估计的含义以后,我们先来看看常用的找估计量的方法:
- 矩估计
- 最大似然估计
- 最小方差无偏估计
- 贝叶斯估计
3.1.1 矩估计
矩估计的基本原理就是:替换原理通过样本的矩替换总体的矩,用样本矩的函数替换总体矩的函数。
这么做的好处是:在总体分布函数未知的情况下,通过样本的特征数可以对各种参数进行估计。
矩估计的实质是:用样本的经验分布函数去替换总体的分布,理论基础是格里纹科定理。
具体的操作就是:
- 假设已知