【数理统计】参数估计及相关(点估计、矩估计法、最大似然估计、原点矩&中心距)

简介: 【数理统计】参数估计及相关(点估计、矩估计法、最大似然估计、原点矩&中心距)

1 基础知识


1.1 常见分布的期望和方差

image.png


1.2 对数运算法则

image.png

1.3 矩

参考第三篇链接文章,内含具体示例,值得一看!

616389cca63048c097a1a7daef943ead.png

image.png


2 点估计与矩估计


起初,我以为点估计和矩估计可能是相对的概念,其实矩估计方法是点估计中的一种,其原理就是构造样本和总体的矩,然后用样本的矩去估计总体的矩。


2.1 什么是点估计?

设总体 X的分布函数的形式已知,但它的一个或多个参数未知,借助于总体的一个样本来估计总体未知参数的值的问题称为参数的点估计问题。


2.2 矩估计法

image.png

例题

image.png


3 最大似然估计


极大似然估计,通俗理解来说,就是利用已知的样本结果信息,反推最具有可能(最大概率)导致这些样本结果出现的模型参数值!

换句话说,极大似然估计提供了一种给定观察数据来评估模型参数的方法,即:“模型已定,参数未知”。


3.1离散

image.png


3.2连续

image.png

image.png


3.3 例题

image.png

image.png


References

1、点估计及矩估计的一些理解_huguozhiengr的博客

2、参数估计(一).矩估计法 - 知乎 (zhihu.com)

3、概率论中的“矩”是什么意思

4、一文搞懂似然估计

目录
相关文章
|
6月前
技术心得:曲率计算公式推导
技术心得:曲率计算公式推导
85 0
|
7月前
|
算法 Python
R语言随机波动模型SV:马尔可夫蒙特卡罗法MCMC、正则化广义矩估计和准最大似然估计上证指数收益时间序列
R语言随机波动模型SV:马尔可夫蒙特卡罗法MCMC、正则化广义矩估计和准最大似然估计上证指数收益时间序列
|
7月前
|
数据可视化
R语言极值推断:广义帕累托分布GPD使用极大似然估计、轮廓似然估计、Delta法
R语言极值推断:广义帕累托分布GPD使用极大似然估计、轮廓似然估计、Delta法
|
7月前
R语言非线性方程数值分析生物降解、植物生长数据:多项式、渐近回归、米氏方程、逻辑曲线、Gompertz、Weibull曲线(下)
R语言非线性方程数值分析生物降解、植物生长数据:多项式、渐近回归、米氏方程、逻辑曲线、Gompertz、Weibull曲线
|
7月前
|
算法
R语言非线性方程数值分析生物降解、植物生长数据:多项式、渐近回归、米氏方程、逻辑曲线、Gompertz、Weibull曲线(上)
R语言非线性方程数值分析生物降解、植物生长数据:多项式、渐近回归、米氏方程、逻辑曲线、Gompertz、Weibull曲线
|
7月前
|
数据采集
R语言用线性模型进行臭氧预测: 加权泊松回归,普通最小二乘,加权负二项式模型,多重插补缺失值
R语言用线性模型进行臭氧预测: 加权泊松回归,普通最小二乘,加权负二项式模型,多重插补缺失值
|
机器学习/深度学习 算法
24 正态分布和最大熵
24 正态分布和最大熵
92 0
|
Serverless
第8章 概率统计——8.2 概率密度计算
第8章 概率统计——8.2 概率密度计算
|
机器学习/深度学习 决策智能
矩阵分析 (七) 矩阵特征值的估计
矩阵分析 (七) 矩阵特征值的估计
173 0
|
数据采集 算法 Python
[模型]拉格朗日插值法
[模型]拉格朗日插值法