Machine Learning | estimaciones puntuales de los parámetros y preguntas básicas (estimación puntual y por intervalos) | 5 minutos Introducción | Comisión estudiará las notas (XXII)

estimación puntual parámetros

• Antecedentes: La evaluación estadística de un estudio de la naturaleza y calidad de la inferencia estadística, depende totalmente de la naturaleza de la distribución de muestreo

• El problema fundamental de la inferencia estadística

  (1) El parámetro problema de estimación: la función de distribución de la forma X generalmente conocido, pero uno o más parámetros desconocidos, necesidad de ser estimado por medio de la cual la muestra X

  (2) problema prueba de hipótesis: la forma general de la función de distribución de X es completamente desconocido, o sólo conocen la forma, pero no saben sus parámetros, con el fin de inferir las características generales de algunos desconocidos, hizo ciertas suposiciones acerca de la general

problema de la estimación de parámetros

• Implementación: suponiendo que la distribución de la población en la forma de conocido, desconocido o sólo unos pocos parámetros, utilizando la información obtenida de la muestra total para estimar la función general de ciertos parámetros o cierto parámetro.

• Formulación general (definir): Hay una población estadística, la función de distribución global $F (x, \ theta)$ , en la que $\ theta$ es el parámetro desconocido ( $\ theta$ pueden ser vectores). Ahora de la muestra total, la muestra fue de $X_1, X_2, ..., X_n$, Debe ser en base a los parámetros de la muestra $\ theta$ para hacer estimaciones o cálculos $\ theta$ es una función conocida $g (\ theta)$ . Tal problema se llama estimación de parámetros.

• Estimación de parámetros de dos formas: punto y la estimación del intervalo

  por ejemplo, si queremos estimar la altura media de un equipo de chicos. (Suponiendo que la altura se distribuye normalmente $N (\ mu, 0,1 ^ 2)$)

  Ahora seleccione de la capacidad total de la muestra 5, nuestra tarea es encontrar la media de la población estimada en base a una muestra seleccionada (número 5). Y toda esta información está compuesta por el número 5.

  Se proporciona este número 5: 1,65 1,67 1,68 1,78 1,69

  estimación $\ mu$ es 1,68, que es laestimación puntual

  estimación $\ mu$ es el interior intervalo [1.57,1.84], que esla estimación del intervalo.