点估计
外观
![本页使用了标题或全文手工转换](http://upload.wikimedia.org/wikipedia/commons/thumb/c/cd/Zh_conversion_icon_m.svg/35px-Zh_conversion_icon_m.svg.png)
在统计学中,点估计(英语:point estimation)是指以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实值,所得到的值,称为估计值。
点估计可以与区间估计形成对比:这种区间估计通常是在频率论推断的情况下的置信区间 ,或在贝叶斯推断的情况下的可信区间 。
估计法
[编辑]目前有多种估计法可供选择,每种估计法都有不同属性。
- 最小方差均值无偏估计 (MVUE),能够使平方误差损失函数的风险 (预期损失)最小化。
- 最佳线性无偏估计 (BLUE)
- 最小均方误差 (MMSE)
- 中值无偏估计 ,能够使绝对误差损失函数的风险最小化
- 最大似然估计 (MLE)
- 矩估计和广义矩估计
贝叶斯点估计
[编辑]贝叶斯推断通常基于后验分布 。 许多贝叶斯估计量是后验分布的集中趋势统计量,例如,它的均值,中位数或模式:
- 后均值 ,最小化平方误差损失函数的(后验) 风险 (预期损失);在贝叶斯估计中,风险是根据高斯观察到的后验分布来定义的。 [1]
- 后验中位数 ,最小化绝对值损失函数的后验风险,如拉普拉斯所观察到的。 [1] [2]
- 最大后验 ( MAP ),其发现最大的后验分布;对于统一的先验概率,MAP估计量与最大似然估计一致;
MAP估计具有良好的渐近性质,对于许多复杂问题,最大似然估计也存在局限性。 对于最大似然估计符合一致性的常规问题,最大似然估计的最终结果与MAP估计一致。 [3] [4] [5] 根据瓦尔德定理,贝叶斯估计是可以接受的。 [4] [6]
最小消息长度 ( MML )点估计基于贝叶斯信息理论 ,并不与后验分布直接相关。
贝叶斯滤波器存在以下特殊情况:
点估计的属性
[编辑]参见
[编辑]参考文献
[编辑]- ^ 1.0 1.1 Dodge, Yadolah (编). Statistical data analysis based on the L1-norm and related methods: Papers from the First International Conference held at Neuchâtel, August 31–September 4, 1987. Amsterdam: North-Holland Publishing Co. 1987.
- ^ Jaynes, E.T. Probability theory : the logic of science 5. print. Cambridge [u.a.]: Cambridge Univ. Press. 2007: 172. ISBN 978-0-521-59271-0.
- ^ Ferguson, Thomas S. A course in large sample theory. Chapman & Hall. 1996. ISBN 0-412-04371-8.
- ^ 4.0 4.1 Le Cam, Lucien. Asymptotic methods in statistical decision theory. Springer-Verlag. 1986. ISBN 0-387-96307-3.
- ^ Ferguson, Thomas S. An inconsistent maximum likelihood estimate. Journal of the American Statistical Association. 1982, 77 (380): 831–834. JSTOR 2287314. doi:10.1080/01621459.1982.10477894.
- ^ Lehmann, E.L.; Casella, G. Theory of Point Estimation, 2nd ed. Springer. 1998. ISBN 0-387-98502-6.
扩展阅读
[编辑]- Bickel, Peter J. & Doksum, Kjell A. Mathematical Statistics: Basic and Selected Topics I Second (updated printing 2007). Pearson Prentice-Hall. 2001.
- Lehmann, Erich. Theory of Point Estimation. 1983.
- Liese, Friedrich & Miescke, Klaus-J. Statistical Decision Theory: Estimation, Testing, and Selection. Springer. 2008.