点估计的估计法

Question

如题所述

Answer 1

最大似然估计法
此法作为一种重要而普遍的点估计法，由英国统计学家R.A.费希尔在1912年提出。后来在他1921年和1925年的工作中又加以发展。设样本X=(X1,X2，…，Xn）的分布密度为L(X，θ），若固定X
而将L视为θ的函数，则称为似然函数，当X是简单随机样本时，它等于ƒ(X1，θ）ƒ(X2，θ）…ƒ(Xn，θ），其中，ƒ(X，θ）是总体分布的密度函数或概率函数（见概率分布）。一经得到样本值x，就确定（x），然后使用估计g（θ），这就是g（θ）的最大似然估计。例如，不难证明，前面为估计正态分布N（μ，σ2）中的参数μ和σ^2而提出的估计量和2，就是μ和σ^2的最大似然估计。
最小二乘估计法
这个重要的估计方法是由德国数学家C.F.高斯在1799～1809年和法国数学家A.-M.勒让德在1806年提出，并由俄国数学家Α.Α.马尔可夫在1900年加以发展。它主要用于线性统计模型中的参数估计问题。　贝叶斯估计法 　是基于“贝叶斯学派”的观点而提出的估计法（见贝叶斯统计）。