两个估计，两个参数的矩估计似然估计会考吗

1，两个参数的矩估计似然估计会考吗

求二个参数的估计时，就是先求个EX=u，然后求EX2(平方)既二阶原点矩=xi的平方的平均值，（公式不好打）就可以求出，似然的二参数没细想，不过感觉好像不会考二元的，以前考了一次好像还都是给出了一个参数的数值求另一个参数。

两个参数的矩估计似然估计会考吗

2，紧急求助数三概率似然估计和点估计怎么求啊

一般是考 1.求所给随机变量的期望，使其等于样本均值，然后得到矩估计。 2.根据所给的分布，写出似然函数，并且利用高数的驻点是极值点的说法，求似然函数的极值。找到这个点，就是似然值了

一般是考 1.求所给随机变量的期望，使其等于样本均值，然后得到矩估计。2.根据所给的分布，写出似然函数，并且利用高数的驻点是极值点的说法，求似然函数的极值。找到这个点，就是似然值了

就是知道分布，但里面含有未知参数；用这两种方法来估计参数的取值。

紧急求助数三概率似然估计和点估计怎么求啊

3，矩估计和极大似然估计要怎么理解啊理解不了求指教啊

你好！对了看见你前面有个帖子这里给你说下简单随机样本中的任意子样本都独立并与总样本X同分布但是抽样的N不一定同分布！一定要注意哈！因为随机抽样可以抽一个也可以抽两个不要搞混淆了仅代表个人观点，不喜勿喷，谢谢。

对了看见你前面有个帖子这里给你说下简单随机样本中的任意子样本都独立并与总样本X同分布但是抽样的N不一定同分布！一定要注意哈！因为随机抽样可以抽一个也可以抽两个不要搞混淆了

极大似然估计简单些我指的是运算1.找到概率密度或者概率分布 2.构造函数L(需要估计得值)=概率分布或者概率密度的连乘形式，未知数底数为i，从1乘到n3.lnL（需要估计的值）=ln概率分布或者概率密度的连乘形式。4.求3的关于需要估计的值的倒数。5.令4等于0.求出你需要估计的值，即为最大似然估计几乎所有最大似然估计都是如此步骤。可以死记硬背。。。。

矩估计和极大似然估计要怎么理解啊理解不了求指教啊

4，怎么用spss来计算这个公式

步骤1：将Pj对数转换，菜单Transform——Compute，目标变量自己设置一个新变量名用来保存对数转换的结果，表达式中为LN(Pj)或者LG10（Pj），完成点击OK。步骤2：建立回归模型，菜单Analyze——Regression——linear 因变量(dependent)窗口中放入Eij，自变量（independent）窗口放入Pj，点击OK在output窗口的coefficient窗口中可以看到系数（B对应的这列数据），Constant代表的是ai，下面一个则是bi。当然，上面给出的只是线性回归分析的一般过程来求解参数a和b，至于这个模型是否有效，需要看一个模型的相关检验，大致可以看下： 1.决定系数R（约接近1效果越好）； 2.另外看下方差分析（ANOVA），sig值越小越好（一般起码小于0.05） 3.最后看下两个估计出来的参数a和b是否显著，看coefficient中的sig值（越小越好，小于0.05）如果模型能满足上面三项检验，一般模型和参数都有意义，否则要考虑对模型进一步调整，或者考虑其他方式。上海神州培训中心

擦，回答过了，不知道啊

5，如何用计算器计算方差

1、首先，开启电子计算器，按一下“ON"左侧的“MODE/SET UP”键。2、在跳出的三个模式中选择"2：STAT”，即按数字键2。3、在跳出的界面中选择“1：1-VAR”，即按数字键1。4、需要输入想要运算的数字。例如想要计算标准差的数值有：2,4,1.4,2.1,4，那么就在计算器中输入“2=，4=，1.4=，2.1=，4=”这样就可以将数字录入到计算器中。5、录入数字后，按键“AC”，然后选择“shift",再按数字键”1“。在跳出的选项栏中选择”5：Var“，即按数字键5。6、然后计算器显示界面中出现四个选项，按数字键4就可以得到标准差。7、求得了标准差后，我们只需算所得数的平方，如下图所示。8、这样计算出来就是方差值，如下图所示。扩展资料方差统计学的意义：当数据分布比较分散（即数据在平均数附近波动较大）时，各个数据与平均数的差的平方和较大，方差就较大；当数据分布比较集中时，各个数据与平均数的差的平方和较小。因此方差越大，数据的波动越大；方差越小，数据的波动就越小。 [6] 样本中各数据与样本平均数的差的平方和的平均数叫做样本方差；样本方差的算术平方根叫做样本标准差。样本方差和样本标准差都是衡量一个样本波动大小的量，样本方差或样本标准差越大，样本数据的波动就越大。方差和标准差是测算离散趋势最重要、最常用的指标。方差是各变量值与其均值离差平方的平均数，它是测算数值型数据离散程度的最重要的方法。参考资料来源：百度百科-方差参考资料来源：百度百科-计算器参考资料来源：百度百科-科学计算器

1、打开计算器之后，点击右上角的MODE键。2、选择SD，这里是“1”，按下面键盘的数字1就可以了。3、最上面有一个SD就表示可以开始录入程序了，输入一个数字之后然后点M+就录入成功了。4、点击左上角的“SHIFT”键，然后按一下2，就可以选择函数。5、第一个是平均数，第二个是总体标准差，第三个是样本标准差。6、第二个计算的总体标准差，平方之后也可以变成样本标准差。

[八年级]三类计算器计算方差、标准差的方法目前许多班级正在学习关于数据的处理，其中计算数据的方差（标准差）笔算十分繁琐，书上介绍的使用计算器计算数据的方差（标准差）的方法也因为计算器型号的差异而显得十分不实用。为了将各位同学从繁琐的案件中解脱出来和保护计算器的寿命，在下特地对市面上的三种主流计算器进行研究，县将研究成果——三类计算器计算方差（标准差）的方法公布如下：本文以计算样本数据1，2，3，4，5的标准差（方差）为例，加“[]”表示按钮。第一类：CASIO型这种机型的特点是计算器上部有“CAISO”字样；双行显示；测试机型详细型号数据为“CAISO fx-82MS 学生用计算器 S-V.P.A.M.”1.开机之后按[MODE]，[2]进入统计模式；2.依次按[1]，[M+]，[2]，[M+]，……，[4]，[M+]，5，[M+]，输入数据；3.按[SHIFT]，[2]，[2]，[=]即求出该样本的标准差，需要方差的话只需要将结果平方即可。第二类：KENKO型这种机型的特点是计算器上部有“KENKO字样；双行显示；测试机型详细型号数据为“KENKO(R) Scientific calculator S-V.P.A.M.”1.开机之后按[MODE]，[2]进入统计模式；2.依次按[1]，[M+]，[2]，[M+]，……，[4]，[M+]，5，[M+]，输入数据；3.按[SHIFT]，[2]，[=]即求出该样本的标准差，需要方差的话只需要将结果平方即可。注：部分此类机型需要在第三步，开头再按一下[1]才可以，即需要系数。第三类：a·max型这种机型的特点是计算器上部有“a·max”字样；双行显示；测试机型详细型号数据为“江苏省共创教育发展有限公司总经销 a·max（TM） SC-809a”1.开机之后按[MODE]，[1]进入统计模式；2.依次按[1]，[M+]，[2]，[M+]，……，[4]，[M+]，5，[M+]，输入数据；3.按[RCL]，[÷]即求出该样本的标准差，需要方差的话只需要将结果平方即可。以上为本人的一些心得，希望各位能提出建议和意见计算器的统计功能：一、进入统计计算功能状态类型1：按ON/C键，再按2ndF键，再按ON/C键，进入统计计算功能状态。液晶显示器上显示：STAT。类型2：找MODE键，打开计算器，按“MODE”键，再找表示进入统计计算功能的标记“SD”的某一键（·、2、3、…）二、清除已存贮的不需要的数据类型1：不需要类型2：按第二功能键（SHIFT或INV）再按AC键三、输入数据1.单个数据（未分组）按x1再按“DATA”，按x2再按“DATA”，…，按xn再按“DATA”直至全部数据输入完毕。2.分组数据设xi为各组组中值,fi为各组频数按x1×f1，再按“DATA”，按x2×f2，再按“DATA”，…按xn×fn，再按“DATA”，直至全部数据输入完毕。四、获取指标1.平均数类型1是在计算器的右侧直接按“ ”键；类型2是在计算器的下侧倒数第二行，先按第二功能键（SHIFT或INV）再按“ ”键；1.标准差类型1是在计算器的右侧先按第二功能键（2ndF）,再按“ ”键；类型2是在计算器的下侧倒数第二行，先按第二功能键（SHIFT或INV）再按“ ”键；五、注意事项1. 输入数据以后，只要不清除（关机或按清除键）可以任意次的使用，与其它数据进行计算。2. 以上介绍的方法不适用于一切计算器，注意自己使用的计算器操作方法，同学之间、师生之间可以研究。

6，什么叫点估计和区间估计

点估计（point estimation）是用样本统计量来估计总体参数，因为样本统计量为数轴上某一点值，估计的结果也以一个点的数值表示，所以称为点估计。点估计和区间估计属于总体参数估计问题。区间估计（interval estimate）是在点估计的基础上，给出总体参数估计的一个区间范围，该区间通常由样本统计量加减估计误差得到。与点估计不同，进行区间估计时，根据样本统计量的抽样分布可以对样本统计量与总体参数的接近程度给出一个概率度量。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。点估计的精确程度用置信区间表示。区间估计，是参数估计的一种形式。1934年，由统计学家J.奈曼所创立的一种严格的区间估计理论。置信系数是这个理论中最为基本的概念。通过从总体中抽取的样本，根据一定的正确度与精确度的要求，构造出适当的区间，以作为总体的分布参数(或参数的函数)的真值所在范围的估计。扩展资料:点估计的估计法（1）最大似然估计法设样本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?(X1，θ）?(X2，θ）…?(Xn，θ），其中，?(X，θ）是总体分布的密度函数或概率函数（见概率分布）。中的参数μ和而提出的估计量和2，就是μ和的最大似然估计。（2）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）。区间估计的置信区间对所考虑的置信区间（或上、下限）加上某种一般性限制，在这个前提下寻找最优者。无偏性是经常用的限制之一，如果一个置信区间（上、下限）包含真值θ的概总不小于包含任何假值θ┡的概率，则称该置信区间（上、下限）是无偏的。同变性（见统计决策理论）也是一个常用的限制。参考资料来源：搜狗百科区间估计参考资料来源：搜狗百科点估计

点估计（point estimation）是用样本统计量来估计总体参数，因为样本统计量为数轴上某一点值，估计的结果也以一个点的数值表示，所以称为点估计。区间估计（interval estimate）是在点估计的基础上，给出总体参数估计的一个区间范围，该区间通常由样本统计量加减估计误差得到。与点估计不同，进行区间估计时，根据样本统计量的抽样分布可以对样本统计量与总体参数的接近程度给出一个概率度量。点估计和区间估计是抽样推断的两种方法。点估计是在抽样推断中不考虑抽样误差，直接以抽样指标代替全及指标的一种推断方法。因为个别样本的抽样指标不等于全部指标，所以，用抽样指标直接代替全及指标，不可避免的会有误差。区间估计是抽样推断中根据抽样指标和抽样误差去估计全及指标的可能范围的一种推断方法。在从抽样指标推断全及指标时，用一定概率保证误差不超出某一给定范围。扩展资料在统计中，进行点估计的方法有多种，例如矩估计法、最小二乘法、极大似然法，其中极大似然估计又有很多改进的形式，比如限制极大似然等。SAS/STAT的PROC步中允许用户在进行参数估计的时候指定不同的参数估计方法。点估计的矩估计法是由皮尔逊（Pearson）提出的，它直观、简便，是用样本矩作为总体相关矩的估计，特别是在不知道总体分布的情况下，也可以对总体数学期望和方差进行估计。只要知道总体随机变量的一些矩存在，就可以做相应的矩估计。但是，当总体的参数不能表示成矩的函数时，就不能用矩估计；此外，矩估计常常没有利用总体分布函数所提供的信息，因此也很难保证它有优良的性质。点估计方法：极大似然估计1、极大似然估计的基本思想是，以使样本的出现获得最大概率的参数值作为未知参数的估计值。例如，如果某事件发生的概率为p，且p只能取0.01或0.9，现在，在连续两次实验中该事件都发生了，那么显然认为p=0.9是合理的.又如，两人向同一目标各发射一枪，一人击中目标，另一人没击中目标，认为击中目标者比没有击中目标者的射击技术好也是合理的。2、极大似然法可以简单的理解为在所有可能的选择中选择“看起来最像的”的值作为参数的估计，是参数估计用得最多的方法，最早是由高斯在1821年提出的，但现在一般将其归功于R.A.Fisher，因为Fisher在1922年再次提出了这种想法，并证明了它的一些性质，从而使得极大似然法得到了广泛应用。既然对于一个未知参数，可以提出不同的估计量，那么自然也就会涉及比较估计量好坏的问题。这样一来，就需要给出评定估计量好坏的标准了。无偏性、有效性和相合性是衡量一个参数估计好坏的三个基本标准。3、从理论上讲，当一个估计量的数学期望等于被估计参数的真实值时，我们说，这个估计量是无偏的；简单地讲，一个无偏的估计量是指，当反复抽取样本的次数足够大时，由这些样本计算出来的该估计量的均值可以无限接近被估计参数的真实值。无偏估计的实际意义就说无系统误差。对估计量来说，除了要求它无偏、方差较小外，还要求它当样本容量n增大时，它将越来越接近于被估计参数的真实值，这个要求是很自然的，因为当n越大时，得到的关于总体的信息就越多。这个标准叫做相合性，也叫做一致性。相合性是对一个估计量的基本要求，若估计量不具有相合性，那么不论将样本容量n如何扩大，都不能将参数估计得足够准确，这样的估计量是不可取的。在大样本场合下，极大似然法一般都具备这三个性质。参考资料来源：搜狗百科-区间估计参考资料来源：搜狗百科-点估计

点估计是利用样本数据对未知参数进行估计得到的是一个具体的数据而区间估计是通过样本数据估计未知参数在置信度下的最可能的存在区间得到的结果是一个区间

点估计（point estimation）是用样本统计量来估计总体参数，因为样本统计量为数轴上某一点值，估计的结果也以一个点的数值表示，所以称为点估计。点估计和区间估计属于总体参数估计问题。区间估计（interval estimate）是在点估计的基础上，给出总体参数估计的一个区间范围，该区间通常由样本统计量加减估计误差得到。与点估计不同，进行区间估计时，根据样本统计量的抽样分布可以对样本统计量与总体参数的接近程度给出一个概率度量。扩展资料常见形式简介区间估计，区间估计的区间上、下界通常形式为：“点估计±误差”“总体均值”的区间估计符号假设总体均值：μ总体方差：σ样本均值：x* =(1/n）×Σ（Xi)样本方差：s* =(1/(n-1））×Σ（Xi-x*)^2置信水平：1-α参考资料：搜狗百科区间估计搜狗百科点估计

这些都是数理统计中的术语。对于一个随机变量，可以进行这两种估计。点估计，即是给出该变量可能取的一个值。区间估计就是说给出该变量可能取值的一个区间

文章TAG：两个估计参数数的两个估计