点估计问题的一般提法如下:设总体X的分布 函数F(x,)的形式为已知,0是待估参数 X1,X2,Xn是X的一个样本,x1,x2,xn是相应 的一个样本值。点估计问题就是要构造一个适当 的统计量(X1X2…Xn)用它的观察值(x1,x2,…x) 作为未知参数的近似值。我们称O(X1,X2…Xn) 为θ的估计量,称θ(x1,x2…,xn)0的估计值。 由于估计量是样本的函数,因此对于不同的样本 值,0的估计值一般是不相同的。 如例1,我们用样本均值来估计总体均值。即有估计 量=A=n∑X,n=40估计值==n2x=2 下面介绍两种常用的构造估计量的方法:矩估计法和 最大似然估计法。点估计问题的一般提法如下:设总体X的分布 函数F(x,θ) 的形式为已知, θ 是待估参数。 X1 ,X2 ,┅,Xn 是X的一个样本，x1 ,x2 ,┅,xn 是相应 的一个样本值。点估计问题就是要构造一个适当 的统计量 ，用它的观察值 作为未知参数θ的近似值。我们称 为θ的估计量，称 为θ的估计值。 由于估计量是样本的函数，因此对于不同的样本 值， θ的估计值一般是不相同的。 如例1，我们用样本均值来估计总体均值。即有估计 量 估计值 下面介绍两种常用的构造估计量的方法：矩估计法和 最大似然 估计法。 ( , , , ) ˆ  X1 X2  Xn ( , , , ) ˆ  X1 X2  Xn ( , , , ) ˆ 1 2 n  x x  x ( , , , ) ˆ 1 2 n  x x  x , 40 1 ˆ ˆ 1 = =  = = X n n n k   k 2 1 ˆ ˆ 1 = =  = = n k k x n  