概率论与数理统计——笔记

Search

SearchSearch
      • 1.概率论部分
      • 2.样本与抽样分布
      • 3.参数估计
      • 4.假设检验
      • 5.回归分析
      • F分布
      • t分布
      • 中心极限定理
      • 二重积分
      • 二项分布
      • 优效性
      • 伯努利分布
      • 估计量的评价标准
      • 假设检验
      • 克拉默-拉奥下界
      • 最小二乘法
      • 分位数和百分位点
      • 区间估计
      • 协方差
      • 卡方分布
      • 参数估计
      • 同分布性
      • 回归分析
      • 均匀分布
      • 基本分布
      • 备择假设
      • 常用统计量
      • 总体和样本的定义
      • 方差分析
      • 无偏性
      • 显著性差异
      • 显著性水平
      • 显著性水平α和抽样分布的α 分位数关系
      • 期望、方差
      • 极大似然估计
      • 极大似然估计法的原理、计算
      • 标准化
      • 标准正态分布表
      • 概率密度函数
      • 正偏斜性
      • 正态分布
      • 正态总体的抽样分布
      • 独立性
      • 矩估计
      • 矩估计法的原理、计算
      • 累积分布函数
      • 线性组合
      • 统计检验值
      • 统计量和观测值
      • 置信区间
      • 联合概率分布
      • 自由度
      • 补充
      • 边缘概率分布
      • 零假设
    • 重要知识点
      • 1.概率论部分
      • 2.样本与抽样分布
      • 3.参数估计
      • 4.假设检验
      • 5.回归分析
      • F分布
      • t分布
      • 中心极限定理
      • 二重积分
      • 二项分布
      • 优效性
      • 伯努利分布
      • 估计量的评价标准
      • 假设检验
      • 克拉默-拉奥下界
      • 最小二乘法
      • 分位数和百分位点
      • 区间估计
      • 协方差
      • 卡方分布
      • 参数估计
      • 同分布性
      • 回归分析
      • 均匀分布
      • 基本分布
      • 备择假设
      • 常用统计量
      • 总体和样本的定义
      • 方差分析
      • 无偏性
      • 显著性差异
      • 显著性水平
      • 显著性水平α和抽样分布的α 分位数关系
      • 期望、方差
      • 极大似然估计
      • 极大似然估计法的原理、计算
      • 标准化
      • 标准正态分布表
      • 概率密度函数
      • 正偏斜性
      • 正态分布
      • 正态总体的抽样分布
      • 独立性
      • 矩估计
      • 矩估计法的原理、计算
      • 累积分布函数
      • 线性组合
      • 统计检验值
      • 统计量和观测值
      • 置信区间
      • 联合概率分布
      • 自由度
      • 补充
      • 边缘概率分布
      • 零假设
    • 重要知识点
Home

>

参考

>

无偏性

无偏性

Nov 08, 2023, 1 min read

  • 一个估计量被称为无偏的,如果它的期望值等于被估计的真实参数值。数学上,假设 θ 是我们想要估计的参数,而 θ^ 是这个参数的估计量,那么估计量 θ^ 是无偏的,当且仅当 E(θ^)=θ。
    • 无偏性意味着,如果我们多次从总体中抽取样本并计算估计量,那么这些估计值的平均值将等于真实的参数值。换句话说,无偏估计量不会系统地高估或低估参数。

关系图谱

反向链接

  • 优效性
  • 极大似然估计

Created with Ean, © 2023

  • GitHub