参数估计

1、什么是参数估计

简单来说是：参数估计是指使用样本统计量估计总体的参数的
【百度百科的解释如下】
参数估计（parameter estimation），统计推断的一种。根据从总体中抽取的随机样本来估计总体分布中未知参数的过程。从估计形式看，区分为点估计与区间估计：从构造估计量的方法讲，有矩法估计、最小二乘估计、似然估计、贝叶斯估计等。要处理两个问题：（1）求出未知参数的估计量；（2）在一定信度（可靠程度）下指出所求的估计量的精度。信度一般用概率表示，如可信程度为95%；精度用估计量与被估参数（或待估参数）之间的接近程度或误差来度量。

2、为什么需要参数估计

人们常常需要根据手中的数据，分析或推断数据反映的本质规律。即根据样本数据如何选择统计量去推断总体的分布或数字特征等。统计推断是数理统计研究的核心问题。所谓统计推断是指根据样本对总体分布或分布的数字特征等作出合理的推断，也就我我们所讨论的参数估计

3、参数估计有可以分为哪几种

参数估计通常可以分为：点估计和区间估计两种

3.1点估计

点估计：在统计学中，点估计（point estimation）是指用样本数据来估计总体参数，估计结果使用一个点的数值表示“最佳估计值”，因此称为点估计。由样本数据估计总体分布所含未知参数的真值，所得到的值，称为估计值
常用的估计法有：最小方差均值无偏估计（MVUE）、最佳线性无偏估计（BLUE）、最小均方误差（MMSE）、中值无偏估计、最大似然估计（MLE）、矩估计和广义矩估计。本文主要介绍一下最大似然估计（MLE）和矩估计。