参数估计
用于预测或者假设检验
参数估计问题:
已知一个随机变量的分布函数的类型,对参数进行估计。
参考中科大统计系张卫平老师的课程资料
一、点估计
1、矩估计
- 基本思想:根据大数定律,利用样本矩对总体分布进行估计。
- 利用总体矩与参数的关系对参数进行评估。
- 举个例子
- 两点分布的参数估计
X 服从两点分布取值为{-1,1},P(-1)=1-θ ,P(1)=θ ,现在独立重复实验 n 次,得到样本X1…Xn, 请利用矩估计来估计参数θ 。
首先考虑哪个矩可以用来估计参数。对于两点分布来说:
E(X)=(1-θ )*(-1)+θ *1=2θ -1
E(X2) =(1-θ )*1+θ *1=1
我们看到一阶矩E(X)与θ 有简单直接的关系,θ =(1+E(X))/2。
所以我们使用一阶样本矩估计,得到一个参数的估计量
- 正态分布的参数估计
X服从参数为 θ =(μ,σ )的正态分布,独立重复实验 n 次得到样本X1…Xn,请利用矩估计来估计参数θ .
首先考虑哪个矩可以用来估计参数θ ,对于正态分布来说:
E(X)=μ
E(X2)=μ2 +σ 2
E(X3)=(3μσ 2+ μ3 ) /6
原则上二阶和三阶矩都可以用来估计σ 2 ,所以矩给估计一般来讲是不唯一的,当有多种选择的时候,我们尽可能选择阶数较小的矩,所以可以采用
此处对σ的估计不是最优的.
2、极大似然估计
- 给定随机变量的分布与未知参数,利用观测到的样本计算似然函数
- 选择最大化似然函数的参数作为参数估计量。
- [ ]
3、点估计的评判准则
二、区间估计
1.置信区间
总结
提示:这里对文章进行总结:
例如:以上就是今天要讲的内容,本文仅仅简单介绍了pandas的使用,而pa1111111111111ndas提供了大量能使我们快速便捷地处理数据的函数和方法。