热门问题
时间线
聊天
视角
点估计
統計學名詞 来自维基百科,自由的百科全书
Remove ads
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。
估计法
目前有多种估计法可供选择,每种估计法都有不同属性。
贝叶斯点估计
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:
以下几种计算统计迭代法与贝叶斯分析有密切联系:
Remove ads
点估计的属性
- 估计量的偏差
- Rao-Cramér界
参见
- 预测推断
- 归纳(哲学)
- 统计哲学
- 算法推断
参考文献
扩展阅读
Wikiwand - on
Seamless Wikipedia browsing. On steroids.
Remove ads