6 关系: 卡尔·皮尔逊,广义矩估计,统计学,随机变量,概率分布,期望值。
卡尔·皮尔逊
卡尔·皮尔逊(Karl Pearson,),英国数学家和自由思想家。.
新!!: 矩估计和卡尔·皮尔逊 · 查看更多 »
广义矩估计
广义矩估计(Generalized method of moments,縮寫為GMM)是统计学和计量经济学中常用的一种半参数估计方法,Lars Peter Hansen1982年根据Karl Pearson 1894年發明的矩估计(method of moments)发展而来。GMM的發明是Hansen得到2013年諾貝爾經濟學獎的原因之一。 GMM的产生主要使用時機是最小二乘法的严格假设条件不成立時(例:解釋變數與誤差項有相關性),並且不知道資料的機率分布,以致不能使用最大似然估计時,GMM方法的宽松假设使得它在计量经济学(Econometrics)中得到广泛应用。 GMM估計法具有一致性、漸近常態分布,有效率等性質。.
统计学
统计学是在資料分析的基础上,研究测定、收集、整理、归纳和分析反映數據資料,以便给出正确訊息的科學。這一门学科自17世纪中叶产生并逐步发展起来,它廣泛地應用在各門學科,從自然科学、社會科學到人文學科,甚至被用於工商業及政府的情報決策。隨著大数据(Big Data)時代來臨,統計的面貌也逐漸改變,與資訊、計算等領域密切結合,是資料科學(Data Science)中的重要主軸之一。 譬如自一組數據中,可以摘要並且描述這份數據的集中和離散情形,這個用法稱作為描述統計學。另外,觀察者以數據的形態,建立出一個用以解釋其隨機性和不確定性的數學模型,以之來推論研究中的步驟及母體,這種用法被稱做推論統計學。這兩種用法都可以被稱作為應用統計學。數理統計學则是討論背後的理論基礎的學科。.
随机变量
給定樣本空间(S, \mathbb),如果其上的實值函數 X:S \to \mathbb是\mathbb (實值)可測函數,则稱X為(實值)随机变量。初等概率論中通常不涉及到可測性的概念,而直接把任何X:S \to \mathbb的函數稱為随机变量。 如果X指定给概率空间S中每一个事件e有一个实数X(e),同时针对每一个实数r都有一个事件集合A_r与其相对应,其中A_r.
概率分布
概率分布(Wahrscheinlichkeitsverteilung,probability distribution)或簡稱分布,是概率論的一個概念。使用時可以有以下兩種含義:.
期望值
在概率论和统计学中,一个离散性随机变量的期望值(或数学期望、或均值,亦简称期望,物理学中称为期待值)是试验中每次可能的结果乘以其结果概率的总和。换句话说,期望值像是随机试验在同样的机会下重复多次,所有那些可能狀態平均的结果,便基本上等同“期望值”所期望的數。需要注意的是,期望值并不一定等同于常识中的“期望”——“期望值”也许与每一个结果都不相等。(换句话说,期望值是该变量输出值的平均数。期望值并不一定包含于变量的输出值集合裡。) 例如,掷一枚公平的六面骰子,其每次「點數」的期望值是3.5,计算如下: \operatorname(X)&.