点估计
- 总体分布
, , 根据 构造一个统计量 作为 的点估计
矩估计
- 求总体的各阶原点矩
- 解得
- 用样本矩代替总体矩的矩估计
- 相合性:
为已知的连续函数,
极大似然估计
为连续性随机不变量,密度函数为 , 样本 落在点 的领域的概率近似为- 似然函数
- 极大似然估计值
: - 极大似然估计量
- 对数似然函数
- 不变性原则:
为 的极大似然估计, 有单值反函数,则
EM
- 对数边际似然:
- 变分函数:
为 上的分布 - 证据下界
时,对数边际似然与下界相等
- EM 算法
- Expectation: 固定
,寻找 使- 理想分布:
推断问题
- 理想分布:
- Maximization: 固定
,寻找参数最大化证据下界
- Expectation: 固定
- 信息论视角:
估计量的评价标准
- 无偏性
为 的估计量, 为 的取值范围,若 , 则 为 的无偏估计- 渐进无偏估计:
时无偏 - 正态分布的矩估计和极大似然估计:
- 均方误差准则
值越小越好- 偏差:
- 偏差:
- 一致性(相合性)
区间估计
是 的置信度为 的置信区间:- 置信下限
- 置信上限
- 置信度
- 置信下限
为 的置信度为 的单侧置信区间:- 枢轴变量法
- 枢轴变量:
分布已知 - 根据分布找到两个常数
使得 - 利用
求解
- 枢轴变量:
- 正态分布 (置信度
) 已知:枢轴变量 未知:枢轴变量
未知: 已知
已知: 未知:
未知:
- 非正态总体均值 大样本法
未知:用 代替