第 6 章 参数估计¶
Abstract
统计推断的第一步是「估计」——用样本数据去猜测总体参数。但这个猜测不是随意的,而是有严格的数学保障。
本章将介绍点估计、区间估计、极大似然估计等核心方法,让你理解「置信区间」到底意味着什么,以及如何用 Bootstrap 方法应对复杂情况。
+-----------------------------------------------------------------+
| 总体 (Population) |
| 未知参数 θ (e.g., 均值 μ) |
+-----------------------------------------------------------------+
|
| <-- 抽样 (Sampling)
V
+-----------------------------------------------------------------+
| 样本 (Sample) |
| 已知数据 x₁, x₂, ..., xₙ |
+-----------------------------------------------------------------+
|
| <-- 估计 (Estimation)
V
+-----------------------------------------------------------------+
| 样本统计量 / 估计量 θ̂ |
+-----------------------------------------------------------------+
|
+---------------------+---------------------+---------------------+
| | | |
V V V V
+---------------------+ +---------------------+ +---------------------+ +---------------------+
| 点估计 (Point) | | 区间估计 (Interval) | | 极大似然估计 (MLE) | | Bootstrap (自助法)|
| θ̂ = 5.2 | | [下限, 上限] | | ^ 似然函数 L(θ|x) | | 从样本中重复抽样 |
| (单一数值) | | 置信水平: 95% | | | _.-^-. | | -> 多个 θ̂* |
+---------------------+ +---------------------+ | | .' | '. | | -> 构建分布 |
| +-----|---|-----|--> θ | |
| θ̂_MLE | | |
+---------------------+ +---------------------+
^ 概率密度
| _.-'''''-._
| .' '.
| / \
+---|-----------------|-------------------> θ̂
| 下限 上限
<-- 置信区间 -->
