第一节参数的最小二乘估计 第二节单因素方差分析的最小二乘估计 第三节二因素方差分析(不考虑交互作用)的最小二乘估计 第四节二因素方差分析(有交互作用时)的最小二乘估计

一、普通最小二乘估计 *二、最大或然估计 *三、矩估计 四、参数估计量的性质 五、样本容量问题 六、估计实例

前面讨论了参数的点估计,它是用样本算出的一个值去估计未知参数即点估计值仅仅 是未知参数的一个近似值,它没有给出这个近似值的误差范围 例如,在估计某湖泊中鱼的数量的问题中,若根据一个实际样本,利用最大似然估计法 估计出鱼的数量为50000条,这种估计结果使用起来把握不大实际上鱼的数量的真值可 能大于50000条,也可能小于50000条且可能偏差较大 若能给出一个估计区间,让我们能较大把握地(其程度可用概率来度量之)相信鱼的数量 的真值被含在这个区间内,这样的估计显然更有实用价值

 矩估计(The Method of Moments)  极大似然估计（The Method of Maximum Likelihood）  估计量的评选标准  区间估计

参数估计，通俗地说，就是根据抽样结果来合理地、科学地估计总体的参数很可能是什么？或者在什么范围。点估计：根据样本数据算出一个单一的估计值，用来估计总体的参数值。区间估计：计算抽样平均误差，指出估计的可信程度，进而在点估计的基础上，确定总体参数的所在范围或区间

矩阵特征值估计  特征值界的估计  盖尔圆法

点估计、区间估计和标准误 总体平均数的估计 标准差与方差的区间估计

一、参数估计量的区间估计 二、预测值的区间估计

一、参数估计量的区间估计—不做介绍 二、预测值的区间估计

 §7.1 点估计  §7.2 基于截尾样本的最大似然估计  §7.3 估计量的评选标准  §7.4 区间估计  §7.5 正态总体均值和方差的区间估计  §7.6 (0－1)分布参数的区间估计  §7.7 单侧置信区间