1702655412
1702655413
1702655414
的取值作为θ的估计值，称为θ的点估计量。它是一个随机变量。将样本观测值代入估计量，就可得到一个具体数值，这个数值称为θ的点估计值。
1702655415
1702655416
点估计的特点：
1702655417
1702655418
●将样本的估计量的某个取值直接作为总体参数的估计值。
1702655419
1702655420
●无法给出估计值接近总体参数程度的信息。
1702655421
1702655422
1.矩估计
1702655423
1702655424
在了解矩估计法之前，先明了替换原理。替换原理是指用样本矩及其函数去替换相应的总体矩及其函数。而矩估计法的实质就是用经验分布函数去替换总体分布。即矩估计法是一种用样本矩来代替总体矩，从而得到总体分布中参数的一种估计。
1702655425
1702655426
假定（x1，x2，……，xn）是来自总体X的一个样本，根据大数定律，对任意ε＞0，有
1702655427
1702655428
1702655429
1702655430
1702655431
并且对于任何k，只要E（Xk）存在，同样有
1702655432
1702655433
1702655434
1702655435
1702655436
如上，为了得到总体分布中的参数，用样本矩来代替总体矩，这就是矩估计法。
1702655437
1702655438
因为在建立矩估计方程时，选取一些总体矩用相应样本矩代替//带有一定的随意性，所以，矩估计法虽然简单易行，不需要事先知道总体分布，但当总体类型已知时，没有充分利用分布提供的信息。一般情况下，矩估计量不具有唯一性。
1702655439
1702655440
2.最大似然估计
1702655441
1702655442
最大似然估计是在总体类型已知的条件下使用的一种参数估计方法。
1702655443
1702655444
最大似然法的基本思想：一次试验就出现的事件有较大的概率。
1702655445
1702655446
假定总体x属离散型，其分布律为P（x；θ），Θ是参数θ可能取值的参数空间，x1，x2，……，xn是样本，将样本的联合分布律看成θ的函数，用L（θ；x1，x2，……，xn）表示，简记为L（θ），
1702655447
1702655448
L（θ）=L（θ；x1，x2，……，xn）=P（x1；θ）·P（x2；θ）·……·P（xn；θ）
1702655449
1702655450
称为样本的似然函数。
1702655451
1702655452
假定总体x为连续型，其概率密度为f（x；θ），Θ是参数θ可能取值的参数空间，x1，x2，……，xn是样本，将样本的联合密度函数看成θ的函数，用L（θ；x1，x2，……，xn）表示，简记为L（θ），
1702655453
1702655454
L（θ）=L（θ；x1，……，xn）=f（x1；θ）·f（x2；θ）·……·f（xn；θ）
1702655455
1702655456
仍称为样本的似然函数。
1702655457
1702655458
1702655459
1702655460
1702655461
Excel统计分析与应用大全 [:1702652420]