推断性统计部分(二)---参数估计
来源:互联网 发布:mp3剪辑软件 编辑:程序博客网 时间:2024/04/29 10:44
推断性统计部分(二)—参数估计
标签(空格分隔): 概率论与数理统计
参数估计包含两大部分,点估计及区间估计,点估计,是估计参数点的值,一个确定的值,区间估计就是估计参数的范围。
点估计
分为矩估计法及最大似然估计法两种,矩估计法的原理就是样本的k阶矩依概率收敛于相应的总体矩,然后建立方程组求解参数;最大似然估计就是利用利用样本的联合分布律建立似然函数,然后对各个参数进行求导得到似然函数的极值点,从而求出参数的最大似然估计值。下面进行细讲。
矩估计法:
一般使用是一阶矩及二阶矩来进行计算,容易知道它们分别收敛于总体的
对于任意总体X,若它的均值
最大似然估计法:
来自总体的的样本
因此,求最大值的问题就可以归结为微分求极值问题了,通常可以从方程
若存在多个参数的情况,则通过对每一个参数进行求导,组成方程组来求解。
但最大似然函数除了简单情况外,往往没有有限函数形式的解,这需要乃至数值方法求近似值,常用算法是牛顿-拉弗森(Newton-Raphson)算法或拟牛顿算法(未做相关了解)。
关于截尾样本的最大似然估计:分为定数截尾和定时截尾,定数截尾就加一个组合
估计量的评选标准:
分为无偏性、有效性和相合性三个,简单介绍一下。
无偏性:估计量的期望存在,若
有效性:若
相合性:当样本容量
区间估计
所有的估计都是估计未知参数,点估计则是估计具体的某一个数值,而区间估计,则是估计这个参数有多大的概率(置信水平:1-
有时候,我们不关注它到底有多大,只关注它到底多小,比如元件寿命,不关注它有多小,只关注它有多大,比如杂质含量。这样,就引出了单侧置信区间的概念,同样,也是估计这个参数有多大的概率(1-
对于置信区间的基本计算方法如下:
1、判断是否正态总体
2、找到枢轴量(简单的说,就是一个关于随机变量X及参数
3、利用枢轴量的分布求出置信水平
关于置信区间枢轴量(
而卡方分布和F分布的两上枢轴量也是一个比例,它同样由两个分布双侧或单侧的比例确定,又因方差无负值,所以这个双侧和单侧是由小于某一个正值和大于某一个正值给出,不像正态分布和t分布一有正负值。
于是,各种情况的置信区间求解如下图:
- 推断性统计部分(二)---参数估计
- 推断性统计部分(三)---假设检验
- 推断性统计部分(四)---简单方差分析
- 推断性统计部分(五)---简单回归分析
- 统计学习(二):统计推断
- 推断性统计部分(一)---样本与分布的关系及其检验统计量
- 推断性统计学(一,二)
- 统计推断(第二章)
- 统计推断(第三章)
- 统计推断(第四章)
- 统计推断(第五章)
- 统计推断(第六章)
- 统计推断(statistical inference)
- 贝叶斯推断 2. 统计推断
- 参数估计与统计抽样
- (七)两个总体的统计推断和关于总体方差的统计推断
- 统计推断week1
- 统计推断week2
- Yii 自定义model验证规则
- datagrid实现行的上移和下移
- 这几天配置的vim
- 下拉刷新崩溃
- 机器人操作系统ROS Indigo 入门学习(18)——ROS wiki导航
- 推断性统计部分(二)---参数估计
- 堆栈
- 关于node.js的学习07
- int main(int argc,char* argv[])详解
- You are attempting to build with the incorrect version of java.
- wireshark抓包常见提示含义解析
- cell根据文本长度来自动调整cell高度
- Spring入门学习之Spring MVC(part 1)
- 老生常谈--设计模式