问题1极大似然估计具有不变性,矩估计是否也具有? 答否 例如服从反射正态分布,其p.d.f为现用矩法分别对和作估计

问题1数学期望定义中 为何要求绝对收敛? 我们通过一个期望不存在的例子 来说明这个问题 设X的分布律为P=P(X=x)=1/2 其中x=(-1)21kk=1,2…

1点估计 设总体X的分布函数F(x)的形式为已知,θ是待估参数。 X1…Xn是X的一个样本,x1…xn是相应的样本值。 点估计问题: 构造一个适当的统计量(X1…,Xn),用它的观察值 0(x1,…xn)来估计未知参数 我们称(X1,…,Xn)为0的估计量;称0(x1,xn) 为θ估计值

第四章随机变量的数字特征 4-3.几种重要随机变量的数学期望及方差 1两点分布

通常求出随机变量的分布并不是一件容易的事,而人们更关心的是用一些数字来表示随机变量的特点,这些与随机变量有关的数字,就是随机变量的数字特征.最常用的数字特征为数学期望,方差和相关系数

高效编码的主要方法是尽可能去除信源中的冗余成份 ,从而以最少的数码率传递最大的信息量。冗余度存在于像素间的相关性及像素值出现概率的不均等性之中,对于有记忆性信源来说首先要去除像素间的相关性,从而达到压缩数码率的目的。对于无记忆性信源来说,像素间没有相关性,可以利用像素灰度值出现概率的不均等性,采用 某种编码方法,也可以达到压缩数码率的目的。这种根据像素灰度值出现概率的分布特性而进行的压缩编码叫统计编码

参数估计方法是处理实际问题时最常用的方法。当总体的某些参数未知(一般要求分布类型已知)时,从样本出发构造适当的统计量,作为未知参数的估计量。当取得一组观察值后,以相应的统计量的观察值作为未知参数的估计值,并讨论估计值对真值进行估计的可靠性