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

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

2.1.1 随机抽样 2.1.2 无偏点估计 2.1.3 μ的u估计 2.1.4 σ2的χ2估计 2.1.5 μ的t估计

从本章起我们开始介绍统计推断它是数理统计的一个重要组 成部分。所谓统计推断就是利用样本(子样)提供的信息对总体的 某些统计特性进行估计和判断,从而认识总体。统计推断分为两大 类,一类是参数估计,另一类是假设检验。本章介绍参数估计

前面讨论的简单随机抽样和分层抽样，我们所关心的参 数都是单指标的，给出的估计量也是线性形式。这一章我们 将要讨论比较复杂的情况，我们关心的参数不再是单指标的 而是两个或两个以上的指标。此时，遇到的统计量不再是线 性形式，往往呈现出非线性形式，比如两个变量之比，或呈 现变量之间的回归关系

前面讨论的简单随机抽样和分层抽样,我们所关心的参 数都是单指标的,给出的估计量也是线性形式。这一章我们 将要讨论比较复杂的情况,我们关心的参数不再是单指标的 而是两个或两个以上的指标。此时,遇到的统计量不再是线 性形式,往往呈现出非线性形式,比如两个变量之比,或呈 现变量之间的回归关系

西安电子科技大学：《概率论与数理统计》课程教学课件（讲稿）第七章 参数估计 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

不同样本算得的μ的估计值不同, 因此除了给出μ的点估计外还希望根据 所给的样本确定一个随机区间,使其包含 参数真值的概率达到指定的要求

§7.1 参数估计的一般问题 §7.2 一个总体参数的区间估计 §7.3 两个总体参数的区间估计 §7.4 样本容量的确定

7.1 参数估计的一般问题 7.2 一个总体参数的区间估计 7.3 两个总体参数的区间估计 7.4 样本量的确定