章节20：经典统计的介绍 Lec. 20: An introduction t
数学大学
章节20：经典统计的介绍
概率论——不确定性的科学 · 单元8：极限定理和经典统计 Unit 8: Limit theorems and c
按 空格/→ 演示下一步
全部页面点击任意一页，跳回舞台从这页播放
数学大学
章节20：经典统计的介绍
概率论——不确定性的科学 · 单元8：极限定理和经典统计 Unit 8: Limit theorems and c
The sample mean and some
统计的语言：样本均值既是随机变量（估计量），也是算出的数（估计值）。
估计量
样本均值的公式，是随机变量
估计值
代入样本后得到的具体数字
Confidence intervals
置信区间：给参数圈一个「大概率罩住真值」的随机区间。
随机区间
区间端点是统计量，随样本变动
95% 含义
重复抽样的长期覆盖率，不是单次概率
Confidence intervals for
均值置信区间：x̄ ± z·σ/√n，σ 已知且 n 大时由 CLT 支撑。
公式
z 取 1.96 对应 95% 置信
宽度
与 √n 成反比，加样本即收窄
Other natural estimators
其他自然估计量：样本方差、比例估计等，各有偏差与方差的权衡。
样本方差
除以 n−1 修正后无偏
评价标准
无偏性、一致性、有效性三看
Maximum likelihood estim
最大似然估计：选让已见数据出现概率最大的参数值。
似然函数
把 PMF/PDF 视为参数的函数
求解
取对数求导令为零，解出 MLE
Maximum likelihood estim
MLE 例题：正态的 μ 估出为样本均值，指数的 λ 估为倒数样本均值。
正态
μ 的 MLE 是 x̄，σ² 是样本二阶矩
指数
λ 的 MLE 是 1/x̄
本节要点
- ✓估计量是公式，估计值是数字
- ✓置信区间是随机区间，谈覆盖率
- ✓均值区间 = x̄ ± z·σ/√n
- ✓MLE：让数据出现概率最大
延伸主题：算一次均值的置信区间求正态方差的 MLE
课后思考
先自己回答，再展开参考答案——能讲出来才算真懂。
1「95% 置信」到底在说什么？
参考答案置信区间是随机的：这句话说的是构造区间的方法——重复抽样无数次，约 95% 次算出的区间会罩住真参数。对已经算出的一个区间，谈「真值在其中的概率」并不符合频率解释。
2MLE 与矩估计各有什么优劣？
参考答案MLE 用满整个分布形状的信息，通常更有效且有一致性，但需求导并可能无闭式；矩估计只对齐各阶矩，计算简便，往往作为初值或对照。两者在小样本下可能给出不同答案。
3置信区间的宽度由哪些因素决定？
参考答案三个旋钮：置信水平（越高越宽）、样本量（越大越窄）、数据波动（σ 越大越宽）。设计的本质是三者的折中——想窄就得花更多样本或接受更低置信。