點估計值計算方法

① 三點估演算法 公式是什麼

活動歷時均值(或估計值)=(樂觀估計+4×最可能估計+悲觀估計)/6

活動歷時標准差=(悲觀估計值 - 樂觀估計值)/6

所謂三點估計法就是把施工時間劃分為樂觀時間、最可能時間、悲觀時間，也就是工作順利情況下的時間為a，最可能時間，就是完成某道工序的最可能完成時間m，最悲觀的時間就是工作進行不利所用時間b。

使用三點估演算法做工時估算的主要步驟如下：

①專家根據經驗，通過三點估演算法，確定每個活動工時的樂觀估算值，悲觀估算值，和最可能估算值；

②計算各活動工時的期望和方差（期望即貝塔分布計算結果，標准差 = （悲觀估計時間-樂觀估計時間）/6，方差 =標准差的平方）；

③將各活動工時的期望值相加，得出項目總工時的期望值E(Project)；

④將各活動工時的方差相加，再開平方，得出項目總工時的標准差SE(Project)；

⑤根據E(Project)和SE(Project)計算項目的完工概率：

項目總工時為E(Project) ± SE(Project)的概率為68%；

項目總工時為E(Project) ± 2*SE(Project)的概率為95%；

項目總工時為E(Project) ± 3*SE(Project)的概率為99.7%。

通常使用概率95%的總工時作為項目總工時。

以上內容參考網路-三點估計法

② 點估計的估計法

最大似然估計法
此法作為一種重要而普遍的點估計法，由英國統計學家R.A.費希爾在1912年提出。後來在他1921年和1925年的工作中又加以發展。設樣本X=(X1,X2，…，Xn）的分布密度為L(X，θ），若固定X
而將L視為θ的函數，則稱為似然函數，當X是簡單隨機樣本時，它等於ƒ(X1，θ）ƒ(X2，θ）…ƒ(Xn，θ），其中，ƒ(X，θ）是總體分布的密度函數或概率函數（見概率分布）。一經得到樣本值x，就確定（x），然後使用估計g（θ），這就是g（θ）的最大似然估計。例如，不難證明，前面為估計正態分布N（μ，σ2）中的參數μ和σ^2而提出的估計量和2，就是μ和σ^2的最大似然估計。
最小二乘估計法
這個重要的估計方法是由德國數學家C.F.高斯在1799～1809年和法國數學家A.-M.勒讓德在1806年提出，並由俄國數學家Α.Α.馬爾可夫在1900年加以發展。它主要用於線性統計模型中的參數估計問題。貝葉斯估計法 是基於「貝葉斯學派」的觀點而提出的估計法（見貝葉斯統計）。

③ 計算銷售費用錯報金額的點估計值

差額估計抽樣的計算公式如下:
平均錯報=樣本實際金額與賬面金額的差額÷樣本規模
推斷的總體錯報=平均錯報×總體規模
銷售費用錯報金額的點估計值=（3600000-4000000）/200*4000= -8000000

④ 人數點估計值怎麼算

常用方法有矩估計法、順序統計量法、最大似然法、最小二乘法等。
樣本標准差：(x1-xba)平方+(x2-xba)平方+...(xn-xba)平方，然後除以(n-1)，然後開根號。
人數，漢語詞語，讀音為rén shù，意思是人的總數，一個對人數量的數額。通常使用數字來具體統計，有時也用一個大概的范圍來估計。

⑤ 總體均值的點的估計怎麼算

點估計的問題就是要構造一個適合的統計量t（X1，X2…Xn),用它的觀察值t（x1,x2…xn）作為未知參數t的近似值.一般有矩估計法和最大似然估計法
舉個例子吧：某炸葯廠，一天發生著火現象的次數X是一個隨機變數，假設它服從以t>0為參數的泊松分布，參數t為未知，現有以下的樣本值，試估計參數t.
著火次數k 0 1 2 3 4 5 6
發生k次著火的天數nk 75 90 54 22 6 2 1
解：因為服從泊松分布，所以t=樣本均值，樣本均值=[0*75+1*90+2*54+3*22+4*6+5*2+6*1]/250=1.22

⑥ 點估計的求法

三點估計法不是求三點的平均值，是統計學中參數估計里的求頻率曲線參數的估計方法。
三點法是在已知的皮爾遜Ⅲ型曲線上任取三點，其坐標為（xp1，p1）、（xp2，p2）和（xp3，p3），可以建立3個方程，聯解便可得到3個統計參數。
先按經驗頻率點子繪出經驗頻率曲線，並假定它近似代表皮爾遜Ⅲ型曲線。在此曲線上取3個點：中間的點 一般都取曲線50％位置，另兩點則取對稱值，即 ，一般多在曲線上的5％~50％~95％位置取點；相應有xp1、xp2、xp3三個值。

⑦ 點估計的步驟

最流行的兩種：
1常用的點估計有兩種：矩估計法和最大似然估計法
2矩估計法：隨機變數X的概率函數（即概率密度或概率分布）中含有待估參數β1，β2，…，βk，假設 X的前k階矩存在，即ui=E(X^i)，i=1,2，…，k 。以樣本矩Ai代替總體矩：Ai=ui，i=1,2，，…，k，解這k個方程，求得的βi的結果即為它的矩估計量（值）
K Pearson的 矩估計
矩估計法, 也稱「矩法估計」，就是利用樣本矩來估計總體中相應的參數. 最簡單的矩估計法是用一階樣本原點矩來估計總體的期望而用二階樣本中心矩來估計總體的方差.

RA Fisher的 最大似然估計
最大似然法（Maximum Likelihood，ML）也稱為最大概似估計，也叫極大似然估計，是一種具有理論性的點估計法，此方法的基本思想是：當從模型總體隨機抽取n組樣本觀測值後，最合理的參數估計量應該使得從模型中抽取該n組樣本觀測值的概率最大，而不是像最小二乘估計法旨在得到使得模型能最好地擬合樣本數據的參數估計量。

⑧ 什麼叫點估計和區間估計

點估計（point estimation）是用樣本統計量來估計總體參數，因為樣本統計量為數軸上某一點值，估計的結果也以一個點的數值表示，所以稱為點估計。點估計和區間估計屬於總體參數估計問題。

區間估計（interval estimate）是在點估計的基礎上，給出總體參數估計的一個區間范圍，該區間通常由樣本統計量加減估計誤差得到。與點估計不同，進行區間估計時，根據樣本統計量的抽樣分布可以對樣本統計量與總體參數的接近程度給出一個概率度量。

(8)點估計值計算方法擴展閱讀

常見形式

簡介

區間估計，區間估計的區間上、下界通常形式為：「點估計±誤差」

「總體均值」的區間估計

符號假設

總體均值：μ

總體方差：σ

樣本均值：x* =(1/n）×Σ（Xi)

樣本方差：s* =(1/(n-1））×Σ（Xi-x*)^2

置信水平：1-α

⑨ 請問點估計值的計算公式是什麼

樣本標准差：(x1-xba)平方+(x2-xba)平方+...(xn-xba)平方，然後除以(n-1)，然後開根號。總體標准差：(x1-xba)平方+(x2-xba)平方+...(xn-xba)平方，然後除以(n)，然後開根號。

當母群的性質不清楚時，我們須利用某一量數作為估計數，以幫助了解母數的性質。如：樣本平均數乃是母群平均數μ的估計數。當我們只用一個特定的值，亦即數線上的一個點，作為估計值以估計母數時，就叫做點估計。

點估計目的是依據樣本X=(X1、X2…Xi)估計總體分布所含的未知參數θ或θ的函數g(θ)。一般θ或g(θ)是總體的某個特徵值，如數學期望、方差、相關系數等。

點估計的常用方法有矩估計法、順序統計量法、最大似然法、最小二乘法等。

(9)點估計值計算方法擴展閱讀：

參數估計的一種形式。目的是依據樣本X=(X1、X2…Xn)估計總體分布所含的未知參數θ或θ的函數g(θ）。一般θ或g(θ)是總體的某個特徵值，如數學期望、方差、相關系數（見相關分析）等。θ或g(θ）通常取實數或k維實向量為值。

點估計問題就是要構造一個只依賴於樣本X的量抭(X)，作為g(θ)的估計值。抭(X)稱為g(θ)的估計量。因為k維實向量可表為k維歐幾里得空間的一個點，故稱這樣的估計為點估計。

例如，設一批產品的廢品率為θ，為估計θ，從這批產品中隨機地抽出n個作檢查，以X記其中的廢品個數，用X/n估計θ，就是一個點估計。又如用樣本方差（見統計量）估計總體分布的方差，或用樣本相關系數估計總體分布的相關系數，都是常見的點估計。