返回目录：office365
参数估计parameter estimation从整体提取的样本估计包括在整体分布中的未知参数的方法。这是统计推论的基本形式，是数理统计学的重要分支，分为点估计和区间估计两个部分。估计量的评价基准：（1）无偏差、（2）一致性、（3）有效性、（4）充分性。点估计是从样本估计整体分布中包括的未知参数或未知参数的函数。通常，它们是总体特征值，如数学预期的色散和相关系数。点估计问题是生成仅依赖于样本的量的估计，作为未知参数或未知参数的函数。例如，设定几个产品的废弃率。θ。估计θ，从这些产品中随机抽出n个检查，用X记录其中的废品个数，用X/n估计。θ，这是一个要点。在构造点推测中经常使用的方法是①矩估计法。在样本矩中估计整体的平均值。②最大似然推测法。1912年英国统计学家R.A.费希尔提出，利用样本分布密度结构似然函数求出参数的最大似然估计。③最小二乘法主要用于线性统计模型中的参数估计问题。④贝叶斯推测法。贝叶斯从学派（参照贝叶斯统计）的观点提出的推定法。由于可以估计未知参数的估计量多，所以产生了如何选择好的估计量的问题。首先要针对优良性制定标准。这个准则不是唯一的，可以根据实际问题和理论研究的方便性来选择。优秀的标准有两种。一个是小样本的基准，即样品尺寸固定时的优秀基准。另一类是大样本标准，即当样本尺寸接近无限时的优良标准。最重要的小样本的优良标准是不偏颇和与之相关联的一致最小分散的偏差，其次是允许基准，使最大基准最小化，有最佳的同变基准等。大样本的优良标准包括适应性、最佳渐近正态估计、渐近效应估计等。区间估计基于所提取的样本，基于一定的准确度和精度的请求，建立适当的间隔，以估计整个分布的未知参数或参数的函数的真实值的所在范围。例如，人们经常说的是把握了百分之几的有价值的范围，也就是区间估计的最简单的应用。1934年统计学家J.奈曼创立了严格的区间推定理论。求经常使用的三种方法。①利用已知的采样分布。②利用区间估计和临时检查的联络。③利用大的样品理论。