区间估计的背景: 对于一个量,如某工件的长通过测量和计算 得到它的一个近似值在工程技术上还要同餘出 这个近似值的误差也就是说给出一个区间-E, a+E,量a一定落入这个区间时于参数的估计世 有类似的问题点估计仅仅给出了参数一个估计 值,有时还需要知道它的性程度这就需要给出 个区间并且说明这个区间以衾的概率包含参 数的真值这就是区间估计

上一节我们看到,对于总体X的同一个 未知参数,由于采用的估计方法不同,可 能会产生多个不同的估计量.这就提出一 个问题,当总体的一个参数存在不同的估 计量时,究竟采用哪一个好呢?或者说怎 工 工样评价一个估计量的统计性能呢?下面给 出几个常用的评价准则

§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

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

1 概率密度估计 2 最大似然估计 例 1 均值和方差的无偏与有偏估计 什么是高斯分布 ML 的全局最优？ 二元函数局部最优条件 例 2 3 最大后验概率估计 例 3 4 贝叶斯估计 例 4 5 期望最大化 EM EM 在高斯混合模型中的应用

Part 1 经验估值法 Part 2 相对估值法 Part 3 绝对估值法 Part 4 风险资本法 Part 5 DEVA法 Part 6 期权定价法

经验估值法 相对估值法 绝对估值法 风险资本法 DEVA法 期权定价法

 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

极大似然估计的求法 —选择参数的估计量,使实验结果具有最大概率 估计量的几个评选标准 ·样本原点矩是总体原点矩的无偏估计量; 无偏性——E()=·样本方差是总体方差的无偏估计量; ·无偏估计量的函数未必是无偏估计量

譬如,在估计湖中鱼数的问题中,若 我们根据一个实际样本,得到鱼数N的极 大似然估计为1000条 实际上,N的真值可能大于1000条, 也可能小于1000条. 若我们能给出一个区间,在此区间 内我们合理地相信N的真值位于其中. 这样对鱼数的估计就有把握多了