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

 §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

基本概念 用点估计来估计总体参数,即使是无偏有效 的估计量,也会由于样本的随机性,从一个 样本算得估计量的值不一定恰是所要估计 的参数真值.而且,即使真正相等,由于参数 值本身是未知的,也无从肯定这种相等.到 底二者相差多少呢?这个问题换一种提法就 是,根据估计量的分布,在一定的可靠程度 下,指出被估计的总体参数所在的可能数值 范围.这就是参数的区间估计问题

§6.1 点估计的几种方法 §6.2 点估计的评价标准 §6.3 最小方差无偏估计 §6.4 贝叶斯估计 §6.5 区间估计

7.3区间估计 引例已知X~N(μ,1) μ的无偏、有效点估计为 常数 随机变量 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

第一节比估计的一般形式 第二节分层比估计 第三节回归估计的一般形式 第四节分层回归估计

问题1极大似然估计具有不变性,矩估计 是否也具有? 答否

Part 2 kn-近邻估计 Part 3 k-近邻规则 Part 4 距离度量

中国科学技术大学：《数理统计》课程教学资源（课件讲义）第六讲 点估计方法（三）一致最小方差无偏估计

中国科学技术大学：《数理统计》课程教学资源（课件讲义）第五讲 点估计方法（二）极大似然估计方法