最小方差无偏估计和有效估计是在某种意义下的最 优估计,两者既有区别又有密切的关系。如果求出 参数θ的一个估计量θ,判别其是否为最小方差无偏 估计或有效估计,显然具有重要的意义。倘若能直 接求出参数θ的最小方差无偏估计或有效估计,则 将更加令人满意,本节将研究这些问题

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

二、寻求估计量的方法 1.矩估计法 2.极大似然法 3.最小二乘法 4.贝叶斯方法 这里我们主要介绍前面两种方法

对二维rv.除每个rv各自的概率特 性外,相互之间可能还有某种联系 怎样用一个数去反映这种联系? 数E(-(X)[-E(Y) 便反映了r.v.X,Y之间的某种关系

什么是参数估计? 参数是刻画总体某方面概率特性的数量 当此数量未知时,从总体抽出一个样本, 用某种方法对这个未知参数进行估计就 是参数估计

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

一、总体可分为有限类，且总体分布不含未知参数 二、总体可分为有限类，但总体分布中含有未知参数 三、总体为连续分布的情形

问题已知随机变量X的密度函数fx(x) 或分布律 求随机因变量Yg()的密度函数 f(y或分布律

一、事件的独立性 例1已知袋中有5只红球,3只白球从袋中有放回地取球两次每次取1球设第i次

一、高敬型随机变量的概 二、种常见高型随机变量及其分布