估计量:函数
估计值:函数的值
估计量的标准:无偏性 有效性 一致性
矩法
极大似然估计
独立出现的概率相乘 使连乘积最大
牛顿-拉夫逊算法:score function收敛即可
期望最大化算法:两次期望最大化的差值收敛即可
存在的问题:local最大化(而非global最大化)
贝叶斯估计
边际概率 P(A) 联合概率 P(A∩B) 条件概率 P(B|A)
P(B|A)=P(A∩B)/P(A)
马尔科夫链蒙特卡洛算法:2条马尔科夫链
认为θ是一个分布
根据关于θ的先验信息校正先验分布
先验信息可以补充样本量小的问题
重抽样方法
独立同分布
总体无限大 个体被抽到的概率相同(有放回)