参数估计

提出背景

对总体X的估计

理解矩

一阶矩指的是随机变量的平均值,即期望值，二阶矩指的是随机变量的方差
阶矩是用来描述随机变量的概率分布的特性

估计方法

参数估计（包含点估计、区间估计）

总体X 分布形式已知，未知分布中的参数。
用样本的参数，估计总体的参数

非参数估计

总体X的分布形式未知

矩估计法

使用矩估计法对参数估计进行求解

只有一个未知参数，使用一阶矩 $EX = A_1 = \overline{X} = \mu = \frac{x_1+x_2+\dots+x_n}{n}$
有两个参数，使用二阶矩 $EX^2 = A_2 = \frac1{n}\sum_{i=1}^n X_i^2 = DX+(EX)^2 = \sigma^2 +u^2$
另有： $EX = \sum{x_ip_i}=1$

即求解方程组
$\begin{cases} \hat{\mu} = \overline{X} \quad \\ \hat{\sigma}^2 + \hat{\mu}^2 = A_2 \end{cases}$

二阶中心矩
$\hat{\sigma}^2 = A_2 - \overline{X}^2 = \frac1{n}\sum_{i=1}^n(X_i-\overline{X})^2 =B_2$
其中 $\hat{\mu}\quad \hat{\sigma}^2 \quad \hat{\mu}^2 \quad$ 均为样本的参数，是总体的估计值

极大似然估计 (参数估计的一种 )

理解

如果事件发生是关于 $\theta$ 参数的，那么一次事件放生时，样本为 $x_1,\dots,x_k$ ，那么 $\hat{\theta}(x_1,\dots,x_k)$ 就是 $\theta$ 的估计值。当 $\theta = \hat{\theta}(x_1,\dots,x_k)$ 时，当前样本发生的概率最大。

如果总体 $X$ 为离散型

假设分布率为 $P = p(x;\theta)$ , $x$ 是发生的样本， $\theta$ 是待估计的参数， $p(x;\theta)$ 表示估计参数为 $\theta$ 时，发生 $x$ 的概率。那么当我们的样本值为： $x_1,x_2,\dots,x_n$ 时，
$L(\theta) = L(x_1,x_2,\dots,x_n;\theta) = \prod_{i=1}^n p(x_i;\theta)$
其中 $L(\theta)$ 为样本的似然函数。
假设
$L(x_1,x_2,\dots,x_n;\hat{\theta}) = max_{\theta \in \Theta} L(x_1,x_2,\dots,x_n;\theta) \quad$
有 $\hat{\theta}$ 使得 $L(θ)$ 的取值最大，那么 $\hat{θ}$ 就叫做参数 $θ$ 的极大似然估计值。

如果总体X为连续型

基本和上面类似，只是概率密度为 $f(x;θ)$ ，替代 $p$ .
构造似然函数 $L(θ)$
取对数： $lnL(θ)$
求导，计算极值
解方程，得到 $θ$

最后编辑于：2019.10.19 11:42:46

人面猴
序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 220,884评论 6赞 513
死咒
序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 94,212评论 3赞 395
救了他两次的神仙让他今天三更去死
文/潘晓璐我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
开封第一讲书人阅读 167,351评论 0赞 360
道士缉凶录：失踪的卖姜人
文/不坏的土叔我叫张陵，是天一观的道长。经常有香客问我，道长，这世上最难降的妖魔是什么？我笑而不...
开封第一讲书人阅读 59,412评论 1赞 294
港岛之恋（遗憾婚礼）
正文为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 68,438评论 6赞 397
恶毒庶女顶嫁案：这布局不是一般人想出来的
文/花漫我一把揭开白布。她就那样静静地躺着，像睡着了一般。火红的嫁衣衬着肌肤如雪。梳的纹丝不乱的头发上，一...
开封第一讲书人阅读 52,127评论 1赞 308
城市分裂传说
那天，我揣着相机与录音，去河边找鬼。笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。我是一名探鬼主播，决...
沈念sama阅读 40,714评论 3赞 420
双鸳鸯连环套：你想象不到人心有多黑
文/苍兰香墨我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
开封第一讲书人阅读 39,636评论 0赞 276
万荣杀人案实录
序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 46,173评论 1赞 319
护林员之死
正文独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋以下内容为张勋视角年9月15日...
茶点故事阅读 38,264评论 3赞 339
白月光启示录
正文我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 40,402评论 1赞 352
活死人
序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 36,073评论 5赞 347
日本核电站爆炸内幕
正文年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 41,763评论 3赞 332
男人毒药：我在死后第九天来索命
文/蒙蒙一、第九天我趴在偏房一处隐蔽的房顶上张望。院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 32,253评论 0赞 23
一桩弑父案，背后竟有这般阴谋
文/苍兰香墨我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。一阵脚步声响...
开封第一讲书人阅读 33,382评论 1赞 271
情欲美人皮
我被黑心中介骗来泰国打工，没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。一个月前我还...
沈念sama阅读 48,749评论 3赞 375
代替公主和亲
正文我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 45,403评论 2赞 358

参数估计

提出背景

理解矩

估计方法

矩估计法

极大似然估计 (参数估计的一种 )

推荐阅读更多精彩内容