2011年统计师考试统计实务学习：参数的点估计

-
点估计又称定值估计，是一种对未知的总体参数进行估计的统计方法，其估计结果是一个具体数值。
　　点估计问题的严格数学表达式如下：设总体X的分布函数F 形式为已知，是待估参数，是X的一个样本，是相应的一个样本观察值，通过构造一个适当的统计量（），用它的观察值（）来估计未知参数。我们称（）为的估计量，称（）为的估计值，在不致混淆的情况下统称为估计，并都简记为。需要注意的是，由于估计量是样本的函数，因此对于不同的样本，估计值往往是不同的。
　　点估计的优点在于它能够提供总体参数的具体估计值，其表达更直观、简练，并可以作为行动决策的数量依据。但其不足之处也是很明显：点估计所提供的信息量比较少，尤其不能提供估计的误差和把握程度方面的信息，比如说，误差会有多大，有多大把握可以保证结果正确等，这些信息在决策中往往是非常重要的。
　　点估计的方法主要有矩估计法、似然法及贝叶斯法等。
　　1．矩估计法
　　矩估计法首先在1849年由英国统计学家皮尔逊提出，它有简单易行的优点。用样本的矩作为相应（同类、同阶）总体矩的估计方法称为矩估计法。
　　在统计学中，矩是指以期望值为基础而定义的数字特征。矩分原点矩和中心矩两种。
　　设X为随机变量，对于任意正整数k，称E（Xk）为随机变量X的k阶原点矩，称E[X-E（X）]k为以E（X）为中心的k阶中心矩。当k=1时，E[X-E（X）]= ，当k=2时，E[X-E（X）]2= ，于是说总体X的一阶原点矩（总体均值）为 =EX，二阶中心矩为 =DX，（即：总体的一阶原点矩就是数学期望，二阶中心矩则是方差）
　　1．似然估计法
　　似然估计法是费歇在1912年提出的。从理论上看，它是参数点估计中最重要的方法，具有优良的数学性质，应用十分广泛。似然估计法是建立在似然原理基础上的求估计量的方法。
　　（1）似然原理来
　　似然原理的直观想法是：将在试验中概率的事件推断为最可能出现的事件。
　　一般地，如果总体分布中未知参数可供选择的估计有，对于任意x，恒有：成立。其中是中的某一个，是异于中任一估计，由于使概率）为，故应选作为的估计。满足上式的称为待估参数的似然估计。这就是似然原理的基本思想。
　　（2）似然估计法简介（略）
　　2．估计量的评选标准
　　在参数估计中，我们用样本估计量作为总体参数的估计。实际上，用于估计的估计量在很多情况下不只一个，例如：我们可以用样本均值作为总体均值的估计量，也可以用样本中位数作为总体均值的估计量等等。