定义：无偏估计量是指待估计参数的估计量的期望值等于参数本身。内容： 无偏估计量是样本平均数这一随机变量,其数学期望等于总体的被估计参数,即等于总体平均数，所以称其为无偏估计量。例如，虽然各个可能样本的样本平均数具有随机性,可能等于总体平均数,也可能不等于总体平均数，但是平均起来看,样本平均数的平均数(数学期望)一定等于总体平均数。这种性质在数理统计中叫做无偏性，具有这一性质的估计量
原创
2022-03-20 16:16:31
482阅读
定义：无偏估计量是指待估计参数的估计量的期望值等于参数本身。内容： 无偏估计量是样本平均数这一随机变量,其数学期望等于总体的被估计参数,即等于总体平均数，所以称其为无偏估计量。例如，虽然各个可能样本的样本平均数具有随机性,可能等于总体平均数,也可能不等于总体平均数，但是平均起来看,样本平均数的平均数(数学期望)一定等于总体平均数。这种性质在数理统计中叫做无偏性，具有这一性质的估计量
原创
2021-05-20 23:17:21
701阅读
论读书
睁开眼，书在面前
闭上眼，书在心里
转载
2020-02-16 10:50:00
63阅读
2评论
目录1、问：自由度是什么？怎样确定？2、问：正态分布检验中自由度问题3、问：t检验4、问：统计学意义（P值） 5、问：如何判定结果具有真实的显著性6、问：所有的检验统计都是正态分布的吗？7、问：假设检验的内涵及步骤8、问：卡方检验的结果，值是越大越好，还是越小越好？9、问：在比较两组数据的率是否相同时，二项分布和卡方检验有什么不同？10、问：如何比较两组数据之间的差异性1、问：自由度是什
1.小样本的最小二乘估计（OLS） 变量需满足以下条件（假定） （1）线性假定 变量间的影响成线下关系 （2）严格外生性 给定解释变量后 随机项扰动的条件期望为0 即扰动项需要与各解释变量无关 （3）不存在严格的多重共线性 （4）同方差，无自相关。扰动项的方差相同，且各扰动项协方差都为02.小样本的最小二乘估计（OLS）的性质 （1）线性性：OLS估计量为解释变量和被解释变量的线性组合 （2）无偏
转载
2023-10-20 23:37:32
415阅读
背景最近要统计业务数据的波动情况，对于异常的波动进行报警。于是就需要找到过往业务数据的波动范围和规律，异常波动一般来说都是一些特殊情况，出现频率较低，因此用正态分布的置信区间来划定阈值是一个很好的方法。比如，数据的95%置信区间是1.1到2.2，那么不在这个范围内的可能性大约为5%，这种情况需要进行报警来查看。重拾正态分布上面这个思路很好，但是由于对正态分布已经很久不使用，已经不知道该怎么使用了。
无偏估计量通俗易懂理解一、总结一句话总结：概率论中的无偏估计中的偏就是机器学习中我们常常遇见的偏差bias，方差也是对应的 二、无偏估计量通俗易懂理解（转） 现实中常常有这样的问题，比如，想知道全体女性的身高均值，但是没有办法把每个女性都进行测量，只有抽样一些女性来估计全体女性的身高：那么根据抽样数据怎么进行推断？什么样的推断方法可以称为“好”？1 无偏性比如说我们采样到的女性身高分别为：那么：
转载
2020-11-07 23:26:00
484阅读
2评论
R语言计算线性回归的最小二乘估计全称：线性回归的最小二乘法（OLS回归），ordinary least square，字面翻译：普通最小平方；内容：包括三个部分：简单线性回归、多项式回归、多元线性回归；原理：最小二乘法，即使回归函数与实际值之差的平方和最小，来找出线性表达式的各个参数；R语言实现函数：lm()
使用方法：fit<-lm(y~x1+x2……+xn,data)表达式说明如下：符号
转载
2023-06-25 13:41:47
349阅读
对总体参数进行估计的方式多种多样，为了评判估计量的优劣，我们需要借助一些评
原创
2022-01-12 11:04:55
432阅读
协方差定义随机变量X、Y 的协方差Cov(X,Y):Cov(X,Y) = E[(X-E(X))(Y-E(Y))]
= E[XY] - E[Y]E[X]从直观上来看，协方差表示的是两个变量总体误差的期望。意义表示两个变量的变化趋势一致性大小。如果X与Y是统计独立的，那么二者之间的协方差就是0。但是，反过来并不成立。即如果X与Y的协方差为0，二者并不一定是统计独立的。性质（1）C
1.背景介绍随着数据量的增加，人工智能和机器学习技术在各个领域的应用也不断扩大。估计量和分类算法是这些领域中最常见
原创
2024-01-08 12:27:09
131阅读
对总体参数进行估计的方式多种多样，为了评判估计量的优劣，我们需要借助一些评选标准。这些乱七八糟的符号 我觉得参数估计总是人为地设计各种门坎，里面参杂着各种符号，一会儿是X，一会儿是x；一会儿是θ，一会儿是θ(X)；还有诸如“总体参数”、“待估计参数”这类名词，究竟是几个意思？ 有必要先理清这些符号。 我们用全国18~50岁的男性身高为例，所有18~50岁的男性是总体。在...
原创
2021-06-07 16:57:06
564阅读
这两个函数主要提供，基于字典的访问局部变量和全局变量的方式。 python 使用叫做名字空间的东西来记录变量的轨迹。名字空间是一个字典 ，它的键就是字符串形式的变量名字，它的值就是变量的实际值。名字空间可以像 Python 的 dictionary 一样进行访问。 在一个 Python 程序中的任何一个地方，都存在几个可用的名字空间。 每个函数都有着自已的名字空间，叫做局部名字空间，它记录了函数的
转载
2024-04-16 10:10:37
10阅读
统计的基本任务是以样本推断总体，在很多场合下，总体分布的形式是已知的，需要求得未知参数，这就是数理统计的参数估计问题。参数估计分为两种：一种是点估计，一种是区间估计。前者是用一个适当的统计量作为参数的近似，我们将统计量的样本值称为该参数的估计值；后者是用统计量两个值所界定的区间来指出真实参数值的大致范围。本文主要讲点估计中的极大似然估计。点估计的矩估计和区间估计以后再说。 极大似然估计(Maxim
转载
2024-03-28 12:18:31
62阅读
R语言中的加权最小二乘估计量（WLS）是一种在建模时处理异方差性问题的有效方法。通过Wald检验，我们可以用来检验模型参数的显著性。本文将详细介绍如何在R语言中进行WLS的Wald检验，整体内容分为环境准备、集成步骤、配置详解、实战应用、排错指南和生态扩展六个部分。
## 环境准备
首先需要确保R及相关包的版本兼容性。以下是技术栈兼容性表：
| 组件 | 版本
020 Г函数在正态分布数学期望及方差公式推导的应用；矩估计量、最大似然估计量习题；评价标准之无偏性
原创
2017-12-05 07:41:32
157阅读
简单来说，它主要用来把所有特征值范围映射至同样的范围里面如（0,1）、（-1,1）、（-0.5,0.5）等。 Feature scaling (数据规范化) 是数据挖掘或机器学习常用到的步骤，这个步骤有时对算法的效率和准确率都会产生巨大的影响。 对精度的影响：很明显，这个步骤的必要性要依赖于数据特征的特性，如果有>=2特征，并且不同特征间的值变化范围差异大，那就很有必要使用Featu
转载
2024-06-05 22:31:10
24阅读
误差：就是每个估计值与真实值的差均方误差：它是"误差"的平方的期望值，也就是多个样本的时候，均方误差等于每个样本的误差平方再乘以该样本出现的概率的和。最小均方误差估计就是指估计参数时要使得估计出来的模型和真实值之间的误差平方期望值最小方差：方差是描述随机变量的离散程度，是变量离期望值的距离，数据与平均数之差平方和的平均数标准差：标准差=方差的算术平方根协方差：如果两个变量的变化趋势一致，也就是说如
转载
2024-04-29 15:42:47
208阅读
本文对M.S.Bos et al.在《Geodetic Time Series Analysis in Earth Science》一书中所提到的于最小二乘法，加权最小二乘法以及极大似然估计法进行了概括，并总结出为什么极大似然估计是最佳估计！（我也是初学者，可以在学术问题上喷我，积极接受意见！）1、原汁原味请参考Bos(2020)第二章；2、同时给出我认为其他博主写的好的文章链接；3、主要针对于G
转载
2024-04-25 13:16:22
397阅读
凡是搞计量经济的，都关注这个号了稿件：econometrics666@126.com所有计量经济圈方法论丛的code程序,宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.关于DID双重差分法，我们引荐了1.DID运用经典文献，强制性许可:来自对敌贸易法的证据，2.连续DID经典文献,土豆成就了旧世界的文明，3.截面数据DID讲述,截面做双重差分政策评估的范式，4.RDD经典文献,
原创
2021-03-29 00:00:15
4172阅读
