目录

  • 随机事件与概率
    • ● 随机事件与样本空间
    • ● 概率定义及其性质、等可能(古典)概型
    • ● 条件概率、全概率公式、贝叶斯公式
    • ● 事件的独立性
  • 随机变量及其分布
    • ● 随机变量
    • ● 离散型随机变量
    • ● 随机变量的分布函数
    • ● 连续型随机变量
    • ● 随机变量函数的分布
  • 二维随机变量及其分布
    • ● 二维随机变量
    • ● 二维离散型随机变量
    • ● 二维连续型随机变量
    • ● 边缘分布
    • ● 二维随机变量的独立性
    • ● 二维随机变量函数的分布
  • 随机变量的数字特征
    • ● 数学期望
    • ● 方差
    • ● 协方差、相关系数和矩
  • 大数定律与中心极限定理
    • ● 大数定律
    • ● 中心极限定理
  • 数理统计基本概念
    • ● 样本数据的整理与显示
    • ● 统计量及其分布
  • 参数估计
    • ● 点估计的评价标准
    • ● 点估计得几种方法
      • ● 区间估计
  • 假设检验
    • ● 假设检验的基本思想与概念
    • ● 正态总体参数假设检验
  • 期末复习提纲
    • ● 期末复习
  • 期末试卷
    • ● 概率论与数理统计课程期末试卷
点估计的评价标准
  • 1 知识内容
  • 2 讲义
  • 3 测验
  • 4 练习
  • 5 案例

内容

点估计优良性的评价方法:无偏性,有效性

(1)无偏性:设是θ的两个估计量,都是样本的X1,X2,…,Xn函数. 若的分布密度曲线为f1(x),f2(x),(如下图),从图中看到,的取值分布在θ的两侧且,这时是θ的无偏估计量。这说明无偏估计作为θ的估计虽然在具体使用中可能有偏差,但平均说来偏差为0(没有系统偏差)。 

(2)有效性:是比较两个无偏估计哪一个更好,基于无偏性的意义,我们希望得到的无偏估计量的方差(分散性)越小越好,即有效性。