正态分布方差的矩估计和似然估计
请问这道求极大似然估计值的方差的题怎么做？
请问这道求极大似然估计值的方差的题怎么做？
最大似然估计核心思想是根据满足样本观测值的最大可能性来估计参数，已知样本的分布，通过求解似然函数最大值来得出最佳参数，估计的参数有较好的无偏性
矩估计是用样本的一阶矩二阶距等来估计参数，有多少个参数，就用多少个矩(EX、EX2一直到EX)来联立求解
二者有可能不一样比如最简单的均匀分布［0，θ］，最大似然为最大次序统计量，而矩估计为两倍均值
指数分布的矩估计等于多少？
矩估计值公式：E（X）样本均值/样本均量，求矩估值的方法：最简单的矩估计法是用一阶样本原点矩来估计总体的期望而用二阶样本中心矩来估计总体的方差
矩估计量和最大似然的区别？
矩估计和最大似然估计关系
并不是所有的分布，用矩估计和极大似然估计得到的参数值都是一样的，一般对于单参数的指数分布族，poisson分布，指数分布，bernoulli分布，矩估计和极大似然是相等的，因为1阶矩就是充分完备的统计量。两参数的指数分布族就要复杂一点了，正态分布的话，均值的估计是一样的，方差的极大似然估计分母为n，矩估计一般指的是无偏化修正之后的S^2，分母为n-1。一般极大似然估计要优于矩估计！
分布函数的逆函数是密度函数吗？
函数名以pdf三个字符结尾的函数用来计算常见连续分布的密度函数值或离散分布的概率函数值，函数名以cdf三个字符结尾的函数用来计算常见分布的分布函数值，函数名以inv三个字符结尾的函数用来计算常见分布的逆概率分布函数值，函数名以rnd三个字符结尾的函数用来生成常见分布的随机数，函数名以fit三个字符结尾的函数用来求常见分布的参数的最大似然估计和置信区间，函数名以stat四个字符结尾的函数用来计算常见分布的期望和方差，函数名以like四个字符结尾的函数用来计算常见分布的负对数似然函数值。
因此分布函数的逆函数是密度函数