统计学入门-第二章 参数估计:正态分布均值的区间估计
在前面两节中,我们学习了矩估计和极大似然估计,它们有一个共同特点,就是得到的都是点估计量(Point Estimate)。例如,使用样本均值
对总体均值 进行估计,得到的是一个具体的数值,这就是点估计的意思。点估计的优点很明显,那就是简单易懂。以股票收益率为例,某股票的长期平均收益率是 ,但是很遗憾 是未知参数。因此,我们需要用样本均值 去估计它。为此,我们计算了过去200个交易日的收益率均值,发现 。请问:如果你现在投资该股票, 是你对未来长期收益率的预期吗?答:不是的。为什么?因为我对该股票未来收益率的长期预期应该是 。在目前的模型假设下, 是一个固定的参数,跟样本无关。但是, 是一个统计量,会受到所用数据的影响。比如,使用199个交易日或者201个交易日所得到的 会有所不同。所以这里的 仅仅是对 的一个估计。前面提到,只要是估计就会有误差。只要有误差,就意味着真实的 ,大概率不是 。因此,如果我们只关注点估计 ,那么该估计量的估计误差就被彻底忽略了。另一方面, 作为一个合理估计(例如:矩估计),我们相信它距离真值 ,不应该“太远”,应该保持一个虽然随机但是合理的距离。但是,什么样的距离才是合适的距离呢?能否根据这个距离,构造一个以 为中心,大小合适的区间呢?我们希望该区间能够以很大的可能性覆盖真值 ,这个区间就是我们要构造的区间估计(Interval Estimate),区间估计中一种最重要的方法就是置信区间(Confidence Interval)。
- 2022-08-03
- 阅读719
- 下载0
- 14页
- docx