有关参数估计，我们需要掌握了有两种，矩估计和极大似然估计。而我们往往只是单纯生硬的记忆他的计算方法，而很少从统计的角度考虑他的合理性。经过对一些书的学习，现从统计思想总结上述考虑。

[矩估计]：样本k阶原点矩作为总体k阶原点矩的一种估计方法，设总体x分布函数F(x),相应k阶原点矩ak=EX^k
从总体抽样本（X1,X2,X3......Xn）假设每次都有确切的观测值（x1,x2,x3,......xn)根据经验，我们可以认为被抽到的概率为1/n.相应的分布函数F~(x)=1/n.相应的k阶原点矩为阿Ak=1/n∑x^k.现将观测值还原为样本统计量，也就是经验分布函数和样本k阶原点矩。
经统计发现，当n趋向无穷时，经验分布函数F~(x)十分接近于总体分布函数F(x)。样本k阶原点矩，十分接近总体k阶矩ak。所以Ak作为ak的估计是有其合理性的。

[极大似然估计]：关键在于构造似然函数，达到最大值时θ(x1,x2...)的取值，用统计思想说明是。假如一个盒子内白黑球比有8:2，但谁多未知，如果有放回的抽了3次都是白球，那么按直观思想应该是白球占8成，设一次抽球结果X服从
B(1,θ)（θ=0.2或0.8）则，抽到三次白为P(X1=1,X2=1,X3=1)=θ^3(看作似然函数L(θ))代入θ的可能值当θ=0.2时为0.008。当θ=0.8时为0.512。所以当θ=0.8时L(θ)达到最大值，反过来当L(θ)达最大值时对应的θ是合理的。

由此看书以上两种参数估计的算法，从统计思想上来看是合理的.#