知道联合概率密度怎么求二阶矩
如何进行点值估计？
如何进行点值估计？
点估计（point estimation）是用样本统计量来估计总体参数，因为样本统计量为数轴上某一点值，估计的结果也以一个点的数值表示，所以称为点估计。点估计和区间估计属于总体参数估计问题。何为总体参数统计，当在研究中从样本获得一组数据后，如何通过这组信息，对总体特征进行估计，也就是如何从局部结果推论总体的情况，称为总体参数估计。
基本信息
外文名
point estimation
学科
高等数学
目录
构造方法
的方法，旨是用样本矩的
函数估计总体矩的同一函数。例如，若总体分布服从正态分布，其中μ是总体均值，是总体方差，未知参数可记为。（）称为变异系数，它是总体的一阶原点矩（即均值）μ与二阶中心矩（即方差）σ^2的函数。设有样本，其一阶样本原点矩为，二阶样本中心矩为，而用估计 ，就是一个典型的矩估计方法。
估计法
最大似然估计法
此法作为一种重要而普遍的点估计法，由英国统计学家R.A.费希尔在1912年提出。后来在他1921年和1925年的工作中又加以发展。设样本 的分布密度为，若固定X
而将L视为θ的函数，则称为似然函数，当X是简单随机样本时，它等于，其中，是总体分布的密度函数或概率函数（见概率分布）。一经得到样本值x，就确定（x），然后使用估计g（θ），这就是g（θ）的最大似然估计。例如，不难证明，前面为估计正态分布 中的参数μ和而提出的估计量和2，就是μ和的最大似然估计。
最小二乘估计法
这个重要的估计方法是由德国数学家C.F.高斯在1799～1809年和法国数学家A.-M.勒让德在1806年提出，并由俄国数学家Α.Α.马尔可夫在1900年加以发展。它主要用于线性统计模型中的参
k阶样本矩是什么？
1，原点矩，是随机变量到原点的距离（这里假设原点即为零点）。2，中心矩则类似于方差，先要得出样本的期望即均值，然后计算出随机变量到样本均值的一种距离，与方差不同的是，这里所说的距离不再是平方就能构建出来的，而是k次方。
一，二阶中心距，也叫作方差，它告诉我们一个随机变量在它均值附近波动的大小，方差越大,波动性越大。方差也相当于机械运动中以重心为转轴的转动惯量。
二，三阶中心距告诉我们一个随机密度函数向左或向右偏斜的程度。
三，在均值不为零的情况下，原点距只有纯数学意义。
四，A1,一阶矩就是 E(X),即样本均值。具体说来就是A1(西格玛Xi)/n ----（1）
A2,二阶矩就是 E(X^2)即样本平方均值 ,具体说来就是 A2(西格玛Xi^2)/n-----(2)
Ak,K阶矩就是 E(X^k)即样本K次方的均值,具体说来就是 Ak(西格玛Xi^k)/n，-----(3)
五，矩估计法大概步骤如下：
1 根据分布律或者分布函数，概率函数，计算EX或者EX2,其中含有未知参数a。
2 令 样本的一阶矩A1等于EX（二阶矩A2等于EX^2)。
3 由2得到 a的表达式子，此式子中含有A1(A2,...),而A1,A2表达式如上(1),(2)，（3）所示.
该含有 A1,A2,..Ak的表达式称为估计量，如果把样本具体值带入，即可得a的估计值。