首页 > TAG信息列表 > 参数估计

非参数估计：核密度估计KDE

https://blog.csdn.net/pipisorry/article/details/53635895 核密度估计Kernel Density Estimation(KDE)概述密度估计的问题由给定样本集合求解随机变量的分布密度函数问题是概率统计学的基本问题之一。解决这一问题的方法包括参数估计和非参数估计。 参数估计参数估计又可分为参

市场风险_VaR_非参数估计

--- title: 市场风险_VaR_非参数估计 tags: '市场风险,VaR值估计,非参数估计' category: /市场风险/VaR值估计/非参数估计 renderNumberedHeading: true grammar_cjkRuby: true --- [toc] # 1. Historical Simulation ## 1.1 假设 - the near future will be sufficiently like th

R语言极值理论：希尔HILL统计量尾部指数参数估计可视化

原文链接：http://tecdat.cn/?p=26277  原文出处：拓端数据部落公众号 极值理论对样本尾部分布的极值指数的估计方法主要有两类：半参数方法和全 参数方法，前者主要是基于分布尾部的 Hill 估计量，后者则主要基于广义帕累托分布。 尾部指数的希尔HILL统计量估计。更具体地说，我们看到如果

参数估计

参数估计 假设随机变量服从某种概率分布 \(p(x)\),但这种分布的参数\( \theta\)是未知的，比如假设 \(p(x)\) 服从一维正态分布，\(p(x) \sim N(\mu,\sigma^2)\),其中\(\mu\)和\(\sigma\)是未知的。需要根据一组服从此概率分布的样本来估计出概率分布的参数，这就是参数估计。对于已知概

威布尔分布参数估计

什么是威布尔分布 在对设备的故障进行分析时，如果能够找到故障的规律，并将这些规律用数学模型表述出来，从而便于人们对设备的运行趋势有足够判断，这样的过程称为可靠性分析。通常情况下，这些数学模型为某些故障概率，带有一些未知参数，通过对参数的估计得到准确的参数。威布尔分布函

BMS系统充放电 SOC SOH控制模型: 电池的CCCV 充电控制 电压平衡策略

BMS系统充放电 SOC SOH控制模型: 电池的CCCV 充电控制 电压平衡策略（包括温度热量影响)； 电池冷却系统 仿真 ； 电池参数估计； SOC参数估计、SOH参数估计（卡尔曼滤波）； 非常适合电池系统建模原理 和控制策略 study 的需要4150625660023245Lucky_Joey

二、参数估计

1. 点估计与优良性    点估计 　　总体 X 的分布函数形式已知，但它的一个或多个参数未知，借助总体的一个样本来估计总体未知参数的值的问题称为点估计。 　　点估计问题就是要构建一个适当的统计量 θ-hat（X1、.. 、Xn），用它的观察值 θ-hat (x1、.. 、 xn)来估计未知参数 θ。 　

统计学笔记2

几个概率加起来等于1 分布函数的导数，称为密度函数，性质： 积分为概率？ 正态分布 大数定律 二项分布，近似正态分布 参数估计 参数估计思想和理念 ** **

数理统计手写笔记

1基本概念与抽样分布 2参数估计 3假设检验 4方差分析 5回归分析

概率论：参数估计——点估计

首先，我们要知道点估计是什么： 简单来讲，点估计一般就是拿出很多样本来，拿他们的均值和方差之类的当成参数。   简单来说，参数空间就是这个分布的参数可以的取值。     先学习矩估计法：   还记得变量的矩是什么吗？就是E(x^k)。   可以看到，平均数就是总体期望的矩估计（k=1版本的矩）

多元统计分析03：多元正态分布的参数估计

目录Chapter 3 多元正态分布的参数估计一、随机阵的正态分布Part 1：随机阵及其运算Part 2：随机阵的正态分布二、多元正态分布的参数估计Part 1：基本统计量Part 2：似然函数Part 3：极大似然估计三、参数估计的性质Part 1：基本统计量的性质Part 2：极大似然估计的性质 Chapter 3 多元正态分布

2021-10-14

参数估计（矩估计和最大似然估计）

python参数估计（一个总体比例）

比例（成数）的区间估计 这里只讨论大样本情况下的总体比例的估计问题。 当样本容量足够大时，样本比例p的抽样分布可用正态分布近似。 p的数学期望等于总体的比例 π \pi π 公式：

参数估计

目录 1  点估计的概念与无偏性2  矩估计及相合性3  最大似然估计与EM算法3.1  最大似然估计（MLE，maximum likelihood estimation）3.2  EM算法（Expectation-maximization algorithm）4  最小方差无偏估计4.1  均方误差（MSE，mean square error）4.2  最小方差无偏估计5  有

拓端tecdat|R语言拟合扩展的Rasch模型分析试题质量

原文链接：http://tecdat.cn/?p=23068  原文出处：拓端数据部落公众号 Rasch 分析是获得客观的、最基本的累加型测量值（兼顾分析模型中的标准误和质量控制如拟合统计值）的一种分析方法，适用于通过随机观测有序、分级类反应获得的数据分析。 Rasch 模型是如何处理数据的呢？ 在Rasch 模

研究生课程——learning from data——lecture1:introduction

inference： 深度学习一般分为训练和在线推断两个部分，大家平时经常关注的多为训练阶段，也就是搜索和求解模型最优参数的阶段。而当模型参数已经求解出来，如何使用模型，以及在在线环境中部署模型，也是非常重要的。（此内容来自深度学习在线推断技术） bayesian estimation ： the core approa

数据科学的四种参数估计方法

摘 要 文章从概率、统计这两大基本概念入手，通过构造一个基本问题，利用四种参数的估计方法及其思路分别对问题进行分析与解答，从而厘清四种方法各自的特征以及之间的差异之处。 关键词 极大似然估计 最大后验估计 贝叶斯估计 最小二乘估计 1. 什么是概率？ 1.1 概率与统计 “概率

概率论与数理统计(7):参数估计

概率论与数理统计(7):参数估计 引入： 理论依据： 文章目录 概率论与数理统计(7):参数估计引入：理论依据： 一.点估计1.矩估计2.极大似然估计定义：似然函数定义：极大似然估计 二.点估计的优良性准则引入 1.无偏性2.有效性3.一致性 三.区间估计引入： 定义：置信区间定义：区间估计

Logistic 回归模型的参数估计为什么不能采用最小二乘法？

　　logistic回归模型的参数估计问题，是可以用最小二乘方法的思想进行求解的，但和经典的（或者说用在经典线性回归的参数估计问题）最小二乘法不同，是用的是“迭代重加权最小二乘法”（IRLS, Iteratively Reweighted Least Squares）。本质上不能使用经典的最小二乘法的原因在于，logistic回归

分位数回归, Oaxaca分解, Quaids模型, 非参数估计程序

可有偿投稿计量经济圈，计量相关则可 邮箱：econometrics666@sina.cn 所有计量经济圈方法论丛的do文件, 微观数据库和各种软件都放在社群里.完整版本do file将会与下一篇文章的do file放进我们的微观计量研究小组. 计量经济圈经济社会等数据库合集, 社科研究者的大米(继续) 今天，我们

EM-EKF参数估计算法

最大期望算法（Expectation-maximization algorithm，又译期望最大化算法）在统计中被用于寻找，依赖于不可观察的隐性变量的概率模型中，参数的最大似然估计。在统计计算中，最大期望（EM）算法是在概率模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐性变量。最

参数估计

                                                                             

数理统计4：均匀分布的参数估计，次序统计量的分布，Beta分布

接下来我们就对除了正态分布以外的常用参数分布族进行参数估计，具体对连续型分布有指数分布、均匀分布，对离散型分布有二项分布、泊松分布几何分布。 今天的主要内容是均匀分布的参数估计，内容比较简单，读者应尝试一边阅读，一边独立推导出本文的结论。由于本系列为我独自完成的，缺少审阅

正态分布与参数估计

title: 正态分布与参数估计 categories: 杂项 tags:学习 正态分布与参数估计 Untitled 预处理 clear rng(6331); mu = 1; sigma = 1; 真实概率密度曲线： fplot(@(x) exp(-(x-mu).^2./(2*sigma))./(sqrt(2*pi)*si

数理统计：参数估计

learning why, thinking what, then forgetting how. 随着时间的流逝，知识总会被遗忘和被沉淀，我们无法选择去遗忘那一部分，但是我们可以选择去沉淀那一部分。 教材为：《数理统计（孙海燕等）》 第二章 参数估计 在解决实际问题中，当确定了总体的分布族后，我们要从样本来推断总体