“人们得到的矩估计就是用事件嘚频率估计事件的概率” 这句话我该如何理解??
“随机变量的一些参数往往本身就是随机变量的矩或者是某些矩的函数”?
2.到底什么是矩估计?? 利用矩估计做出的估计比点估计更精确吗?
随机变量的矩和 估计有什么联系?
X服从某种已知分布如正态分布E(λ),但是其中的一个或多个参数为未知如何根据抽取的样本估计出未知参数的值,就是参数的点估计要解决的问题
Ak?=n1?∑i=1n?Xik?依概率收敛到总体k阶原点矩(大数定律)。矩估计法就是用样本的各阶矩来估计总体的相应矩
x1?,x2?,...,xn?为相应的样本观测值,并设总体θ1?,θ2?,...,θk?嘚矩估计的计算步骤如下:
假设有一个随机试验可能发生的事件有多种若在一次试验中某一事件发生叻,便认为该事件发生的概率相对最大反过来说,对于概率不同的几个事件在试验之前,我们可以推断概率大的事件为即将发生的事件这是合乎情理的。
极大似然估计的计算步骤:
θ不可微时,不适用与极大似然估计法
几个重要分布的矩估计量和极大似然估计量:
对于同一个未知参数,用不同的估计方法得到的点估计量可能是不同的为判别“最佳估计量”,一般有如下三个标准:无偏性、有效性和一致性(相合性)
E(θ^)?θ称为:以θ的估计的系统误差,无偏估计的实际意义就是无系統误差
θ^2?有效。当样本容量θ的所有无偏估计量中
一致性(相合性): 概念:对于估计量θ^就越接近于所求未知参数的真值。否则我們有理由怀疑这个估计量θ^是否合适,基于这一点我们引入一致性的概念
“人们得到的矩估计就是用事件嘚频率估计事件的概率” 这句话我该如何理解??
“随机变量的一些参数往往本身就是随机变量的矩或者是某些矩的函数”?
2.到底什么是矩估计?? 利用矩估计做出的估计比点估计更精确吗?
随机变量的矩和 估计有什么联系?