《概率论与数理统计》课程教学课件（讲稿）第七章 参数估计 第一节 参数估计的意义

4.1 研究对象及相关概率 4.2 贝叶斯决策 4.3 贝叶斯分类器的错误率 4.4 聂曼-皮尔逊决策 4.5 概率密度函数的参数估计 4.6 概率密度函数的非参数估计 4.7 后验概率密度分类的势函数方法

6.1 参数估计的一般问题 6.2 一个总体参数的区间估计 6.3 样本量的确定

第一节 参数估计 第二节 假设检验的基本原理 第三节 几种常见的假设检验

统计推断是根据样本分布规律和概率理论，由样本结果去推断总体特征。它主要包括假设检验 （ test of hypothesis） 和参数估计（parametric estimation）两部分内容

一、二元离散选择模型的经济背景 二、二元离散选择模型 三、二元Probit离散选择模型及其参数估计 四、二元Logit离散选择模型及其参数估计

§5.1 虚拟变量模型 Dummy Variables Regression Models 一、虚拟变量的基本含义 二、虚拟变量的引入 三、虚拟变量的设置原则 §5.2 滞后变量模型 Lagged Variables Regression Models 一、滞后变量模型 二、分布滞后模型的参数估计 三、自回归模型的参数估计 四、格兰杰因果关系检验 §5.3 模型设定偏误问题 Model Specification Error(Bias) 一、模型设定偏误的类型 二、模型设定偏误的后果 三、模型设定偏误的检验

几个重要概念 几种重要的单方程需求函数模型及其参数估计 线性支出系统需求函数模型及其参数估计 几种需求函数模型系统 建立与应用需求函数模型中的几个问题

一、参数估计在统计方法中的地位

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