(整理)参数估计方法.
第三讲 参数估计 (1)
L( x1 , x2 , x3;q ) =ˆ Pq { X1 = x1 , X 2 = x2 , X 3 = x3 }
= Pq { X1 = x1 }Pq { X 2 = x2 }Pq { X 3 = x3 }
= p( x1;q ) p( x2;q ) p( x3;q ) = q x1 (1 − q )1− x1q x2 (1 − q )1− x2 q x3 (1 − q )1− x3
其它
其中 −1
是未知参数,
X1,X2,…,Xn是取自X的样本,求参数 的矩估计.
解:
数学期望
是一阶
1
=
= E(X
( + 1)
)
1
1
= x( 0
x +1dx
+ =
1)
x dx +1
原点矩由矩估计法,
X
=
0
+1
+2
总体矩
样本矩
+2
从中解得 ˆ = 2 X − 1 , 即为 的矩估计.
Gauss
Fisher
最大似然法的基本思想
先看一个简单例子： 某位同学与一位猎人一起外 出打猎 . 一只野兔从前方窜过 . 只听一声枪响，野兔应声倒下 . 如果要你推测，是谁打中的呢？ 你会如何想呢?
你就会想，只发一枪便打中, 猎人命中的概率 一般大于这位同学命中的概率 . 看来这一枪是猎人 射中的 .
最大似然估计法就是用使L(q )达到最大值的qˆ去估计q . 称qˆ为q 的最大似然估计（MLE）.
怎样求最大似然估计呢？ 因为lnx是x 的严格单增函数，lnL与L有相同的极大值点， 故一般只需求lnL的极大值点即可----令其一阶偏导为0，得到 似然方程（组），求解即可。
数理统计： 参数估计方法
引例
设总体 X 服从参数为 的指数分布， 未知，
X1 , X 2 , , X n 是来自X的样本, x1 , x2 , , xn 是
相应的样本值，求 的矩估计量和矩估计值.
解 因为 E( X ) 所以 用样本矩替换总体矩, 得 的矩估计量
ˆ
1 n
n i 1
Xi
X
(
x)
1
e
x
,
x0
0,
其他.
但参数 未知。已知参数的取值范围,记为 。
给出样本的一组观察值，如何推断总体的分布?
【思路】给出 的估计，则得到对总体分布的推断。
【方法】根据一定的原则，从 中找到一个值(点) 作为的 估计。
点估计
2
点估计定义
设总体 X 的分布函数 F ( x; ) 的形式为已知,
的估计量.
4
二、估计量的评选标准 1. 无偏性
定义 若 X1, X 2 ,, X n 为总体 X 的一个样本，
是包含在总体 X 的分布中的待估参数, 若估计量ˆ ˆ( X1 , X 2 ,, X n )的数学期望 E(ˆ) 存在, 且对于任意 有
E(ˆ) 则称ˆ 是 的无偏估计量,否则称为有偏的.
(2) lim S 2 2 a.s. (强大数定律) n
即样本方差是总体方差2的强相合估计， 也是相合估计.
12
C. 样本标准差
其观察值:
S
S2
1 n1
n i 1
Xi
X
2
;
s
1 n1
n i 1
( xi
参数估计的一般步骤
参数估计的一般步骤引言：参数估计是统计学中一项重要的任务，它用于根据样本数据来推断总体参数的值。
参数估计的一般步骤包括确定估计方法、选择样本、计算估计值和进行推断。
本文将详细介绍参数估计的一般步骤，并以人类的视角进行描述，使读者更好地理解和应用这些步骤。
一、确定估计方法在参数估计中，首先需要确定合适的估计方法。
估计方法可以分为点估计和区间估计两种。
点估计方法通过单个数值来估计参数的值，例如最大似然估计和矩估计。
区间估计方法则通过一个区间来估计参数的范围，例如置信区间估计。
选择合适的估计方法是参数估计的第一步。
二、选择样本在确定了估计方法后，接下来需要选择合适的样本进行参数估计。
样本应当具有代表性，能够反映总体的特征。
为了保证样本的代表性，可以使用随机抽样方法来选择样本。
通过合理选择样本，可以减小估计误差，提高参数估计的准确性。
三、计算估计值在选择好样本后，需要计算参数的估计值。
对于点估计方法，可以使用最大似然估计或矩估计等方法来计算参数的估计值。
对于区间估计方法，可以使用置信区间估计来计算参数的范围。
计算估计值时，需要根据样本数据和估计方法进行相应的计算，确保估计结果的准确性。
四、进行推断在计算得到估计值后，需要进行推断，即根据估计值对总体参数进行推断。
对于点估计方法，可以直接使用估计值作为总体参数的估计值。
对于区间估计方法，可以使用置信区间来表示总体参数的范围。
通过推断可以了解总体参数的可能取值范围，帮助做出正确的决策和预测。
总结：参数估计的一般步骤包括确定估计方法、选择样本、计算估计值和进行推断。
在进行参数估计时，需要选择合适的估计方法和样本，计算出估计值，并进行相应的推断。
参数估计在统计学中扮演着重要的角色，它帮助我们根据样本数据来推断总体参数的值，从而更好地了解和应用统计学。
通过本文的介绍，希望读者能够更好地理解和应用参数估计的一般步骤。
概率论与数理参数估计
概率论与数理参数估计参数估计是概率论与数理统计中的一个重要问题，其目标是根据样本数据推断总体的未知参数。
参数估计分为点估计和区间估计两种方法。
点估计是通过样本计算得到总体未知参数的一个估计值。
常见的点估计方法有最大似然估计和矩估计。
最大似然估计是通过观察到的样本数据，选择使得观察到的样本数据出现的概率最大的未知参数值作为估计值。
矩估计是通过样本的矩（均值、方差等统计量），与总体矩进行对应，建立样本矩与总体矩之间的方程组，并求解未知参数。
这两种方法都可以给出参数的点估计值，但是其性质和效果不尽相同。
最大似然估计具有渐近正态性和不变性，但是可能存在偏差较大的问题；矩估计简单且易于计算，但是可能存在方程组无解的情况。
区间估计是给出参数估计结果的一个范围，表示对未知参数值的不确定性。
常见的区间估计方法有置信区间和预测区间。
置信区间是指给定的置信水平下，总体参数的真值落在一些区间内的概率。
置信区间的计算依赖于样本的分布和样本量。
预测区间是对一个新的观察值进行预测的区间，它比置信区间要宽一些，以充分考虑不确定性。
在参数估计过程中，需要注意样本的选取和样本量的确定。
样本是总体的一个子集，必须能够代表总体的特征才能得到准确的估计结果。
样本量的确定是通过统计方法和实际需求来确定的，要保证估计结果的可靠性。
参数估计在实际应用中有着广泛的应用。
例如，在医学领域中，通过对病人的样本数据进行统计分析，可以推断患者患其中一种疾病的概率，进而进行治疗和预防措施的制定。
在金融领域中，可以通过对股票的历史价格进行统计分析，推断未来股价的变动趋势，从而进行投资决策和风险评估。
在市场调研中，可以通过对消费者的问卷调查数据进行统计分析，推断消费者的偏好和需求，为企业的市场开发和产品设计提供依据。
综上所述，概率论与数理统计中的参数估计是一门重要的学科，通过对样本数据的统计分析，可以推断总体的未知参数，并对不确定性进行评估。
参数估计在实际应用中有着广泛的应用，对于科学研究和决策制定具有重要的意义。
统计学中的统计模型和参数估计
统计学中的统计模型和参数估计统计学是一门研究数据收集、整理、分析和解释的学科。
在统计学中，统计模型和参数估计是两个核心概念，它们在数据分析和决策制定中起着至关重要的作用。
本文将介绍统计模型和参数估计的概念、应用以及常用方法。
一、统计模型的概念和应用统计模型是一种用来描述数据观察结果和概率论假设之间关系的数学表达式。
它是基于概率论的理论框架，通过建立数学模型来描述现实世界中的随机现象和变量之间的关系。
统计模型可以帮助我们理解和解释观测数据，预测未来事件的可能性，并进行决策制定。
它在各个领域都有广泛的应用，如经济学、医学、社会科学等。
例如，在经济学中，我们可以利用统计模型来预测股票市场的走势；在医学领域，统计模型可以用来研究疾病的发病机制。
二、参数估计的概念和方法参数估计是利用已知数据来估计统计模型中的未知参数的过程。
统计模型中的参数是用来描述总体的特征，而参数估计的目的就是通过样本数据来推断总体参数的取值。
常用的参数估计方法有最大似然估计和最小二乘估计。
最大似然估计是基于样本观察到的数据来选择使样本观察到的数据出现的概率最大的参数值。
最小二乘估计则是通过最小化观测值与预测值之间的差异来估计模型的参数值。
参数估计的结果可以用来进行统计推断，如假设检验和置信区间估计。
假设检验可以用来判断某个参数是否与给定的理论值相等；置信区间估计可以用来估计参数的取值范围。
三、统计模型和参数估计的例子为了更好地理解统计模型和参数估计的应用，以下将给出一个简单的例子：假设我们对一群学生的身高进行调查，并希望利用收集到的数据建立一个统计模型来描述该群体的身高分布。
我们可以选择一个正态分布模型，并利用样本数据来估计正态分布模型的参数，如均值和标准差。
根据收集到的样本数据计算得到样本均值和样本标准差，然后利用最大似然估计方法来估计总体均值和总体标准差。
最后，根据参数估计的结果，我们可以进行统计推断，如判断某个学生是否属于身高异常的范围。
统计基础知识学习之参数估计
总体总量、总体平均数、总体成数、总 体方差和标准差
总体平均数：是总体所研究标志的平均值， 用 表示。 X 例如：研究某县102个行政村的人均纯收入， 那么该县每个村的纯收入之和除以该县常 住人口数得到的平均数就是总体平均数。
X=
∑x
i =1
i
n
其中：xi为每个村的纯收入，n为该县常住人口数。
总体总量、总体平均数、总体成数、总 体方差和标准差
参数估计
二00八年六月 八年六月
主要内容
总体参数 统计量 估计的理论依据 统计误差 点估计 区间估计
一、参数估计的概念
估计就是根据从样本中收集的信息对总 体未知量进行推断的过程。参数估计就是 根据随机抽样调查得来的样本数据，对未 知的总体水平、结构、规模等数量特征进 行估计，即样本指标估计总体指标。
中心极限定理的意义
只要是服从正态分布，我们就有可能 开展抽样调查。 中心极限定理为点估计和区间估计奠 定了理论基础 。 我们就可以用样本代替总体，用样本 值来推断总体数。
二、统计误差
●统计误差是指统计数据与客观实际数量之
间的差异。 间的差异。
（一）登记误差和代表性误差
1、登记误差 登记误差又称工作误差，是指在调查、整理工作 中，由于各种主观原因引起的误差。 例如：由于指标含义不清、口径不同而造成的误 差；在登记、计算、抄写上有差错造成的误差。
2、样本指标
●样本指标是根据样本各单位标志值计算的综合
指标。 ●常用的样本指标有样本平均数、样本成数、样 本方差和样本标准差。
●样本指标一般用小写字母表示。
x
（三）参数估计的理论基础
●大数定律：
它说明：如果被研究的总体是由大 量的相互独立的随机因素组成，而且 每个因素对总体的影响都相对小，那 么对这些大量因素加以综合平均，因 素的个别影响将相互抵消，而呈现出 其共同作用的影响，使总体具有稳定 的性质。
模型参数的估计和推断方法
模型参数的估计和推断方法模型参数的估计和推断方法是统计学中的重要内容，它通过对样本数据进行分析，从而对总体模型的参数进行估计和推断。
在实际应用中，模型参数的估计和推断方法可以帮助我们更好地了解数据背后的规律，为决策和预测提供依据。
二、模型参数估计模型参数估计是指利用样本数据来估计总体模型参数的方法。
常用的估计方法有：1.点估计：用一个具体的数值来估计参数，如用样本均值来估计总体均值。
2.区间估计：给出参数估计的一个范围，如给出总体均值的95%置信区间。
三、模型参数推断模型参数推断是指利用样本数据对总体模型参数进行假设检验和置信区间的估计。
常用的推断方法有：1.假设检验：通过设定零假设和备择假设，利用样本数据判断总体参数是否显著不同于某个假设值。
2.置信区间：给出总体参数的一个估计范围，并计算出该估计的置信概率。
四、估计和推断方法的选择在进行模型参数的估计和推断时，需要根据具体问题、数据特点和需求来选择合适的估计和推断方法。
常用的方法有：1.最小二乘法：适用于线性回归模型参数的估计。
2.最大似然估计：适用于概率模型参数的估计。
3.贝叶斯估计：根据先验知识和样本数据来估计参数。
模型参数的估计和推断方法是统计学中的重要内容，通过对样本数据进行分析，可以对总体模型的参数进行估计和推断。
在实际应用中，需要根据具体问题、数据特点和需求来选择合适的估计和推断方法。
掌握这些方法可以帮助我们更好地了解数据背后的规律，为决策和预测提供依据。
习题及方法：1.习题：对于一个正态分布的总体，已知均值为10，标准差为2，从该总体中随机抽取一个容量为100的样本，样本均值为12，求样本标准差的最小二乘估计值。
解题方法：首先计算样本方差，样本方差 = (样本均值 - 总体均值)^2 / (样本容量 - 1) = (12 - 10)^2 / (100 - 1) = 4 / 99。
然后求样本标准差，样本标准差= √样本方差= √(4 / 99) ≈ 0.2。
第六章 参数值的估计
第六章 参数值的估计 第一节 参数估计的一般问题一、估计量与估计值参数估计就是用样本统计量去估计总体参数，如用X 估计μ，用S2估计2σ，用p 估计π等。
总体参数可以笼统地用一个符号θ表示。
参数估计中，用来估计总体参数的统计量的名称，称为估计量，用θ表示，如样本均值、样本比例等就是估计量。
用来估计总体参数时计算出来的估计量的具体数值，叫做估计值。
二、点估计与区间估计——参数估计的两种方法 1、点估计用样本估计量θ的值直接作为总体参数θ的估计量值。
2、区间估计它是在点估计基础上，给出总体参数估计的一个区间，由此可以衡量点估计值可靠性的度量。
这个区间通常是由样本统计量加减抽样误差而得到。
以样本均值的区间估计来说明区间估计原理：根据样本均值的抽样分布可知，重复抽样或无限总体抽样情况下，样本均值，由此可知，样本均值落在总体均值两侧各为一个标准误差范围内的概率为0.6827，两个标准误差范围0.9545，三个标准误差范围0.9973，并可计算出样本均值落在μ的两侧任何一个标准误差范围内的概率（根据已知的μ，σ计算）。
但实际估计时，μ是未知的，因而不再是估计样本均值落在某一范围内的概率，而只能根据已设定的概率计算这个范围的大小。
例如：约有95%的样本均值会落在距μ的两个标准误差范围内，即约有95%的样本均值所构造的两个标准误差的区间会包括μ。
在区间估计中，由样本统计量所构造的总体参数的估计区间，称为置信区间，区间的最小值为置信下限，最大值为置信上限。
例如，抽取了1000个样本，根据每个样本构造一个置信区间，其中有95％的区间包含了真实的总体参数，而5%的没有包括，则称95％为置信水平／置信系数。
构造置信区间时，可以用所希望的值作为置信水平，常用的置信水平是90％，95％，99％，见下表：α称为显著性水平，表示用置信区间估计的不可靠的概率，1-为置信水平。
如何解释置信区间：如用95%的置信水平得到某班学生考试成绩的置信区间为（60，80），即在多次抽样中有95%的样本得到的区间包含了总体真实平均成绩，（60，80）这个区间有95%的可能性属于这些包括真实平均成绩的区间内的一个。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第七章 参数估计第一节 基本概念1、概念网络图{}⎪⎪⎪⎭⎪⎪⎪⎬⎫⎪⎪⎪⎩⎪⎪⎪⎨⎧⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧→⎭⎬⎫⎩⎨⎧单正态总体的区间估计区间估计一致性有效性无偏性估计量的评选标准极大似然估计矩估计点估计从样本推断总体2、重要公式和结论例7．1：设总体),(~b a U X ，求对a, b 的矩估计量。
例7．2：设n x x x ,,,,21 是总体的一个样本，试证（1）;2110351321x x x ++=∧μ （2）;12541313212x x x ++=∧μ（3）.12143313213x x x -+=∧μ都是总体均值u 的无偏估计，并比较有效性。
例7．3：设n x x x ,,,,21 是取自总体),(~2σμN X 的样本，试证∑=--=ni i x x n S 122)(11 是2σ的相合估计量。
第二节 重点考核点矩估计和极大似然估计；估计量的优劣；区间估计第三节 常见题型1、矩估计和极大似然估计例7．4：设0),,0(~>θθU X ，求θ的最大似然估计量及矩估计量。
例7．5：设总体X 的密度函数为⎪⎩⎪⎨⎧≥=--.,0,1)(/)(其他μθθμx e x f x其中θ>0, θ,μ为未知参数，n X X X ,,,21 为取自X 的样本。
试求θ,μ的极大似然估计量。
2、估计量的优劣例7．6：设n 个随机变量n x x x ,,,21 独立同分布，,)(11,1,)(122121∑∑==--===n i i n i i x x n S x n x x D σ 则（A ）S 是σ的无偏估计量；（B ）S 是σ的最大似然估计量； （C ）S 是σ的相合估计量；（D ）x S 与2相互独立。
例7．7：设总体X 的密度函数为⎪⎩⎪⎨⎧<<-=,,0,0),(6)(3其他θθθx x xx fn X X X ,,,21 是取自X 的简单随机样本。
（1） 求θ的矩估计量∧θ；（2） 求∧θ的方差D （∧θ）；（3） 讨论∧θ的无偏性和一致性（相合性）。
3、区间估计例7．8：从一批钉子中随机抽取16枚，测得其长度（单位：cm ）为2.14, 2.10, 2.13, 2.15, 2.13, 2.12, 2.13, 2.10 2.15, 2.12, 2.14, 2.10, 2.13, 2.11, 2.14, 2.11假设钉子的长度X 服从正态分布),(2σμN ,在下列两种情况下分别求总体均值μ的置信度为90%的置信区间。
（1） 已知σ=0.01. （2） σ未知.例7．9：为了解灯泡使用时数的均值μ及标准差σ，测量10个灯泡，得x =1500小时，S=20小时。
如果已知灯泡的使用时数服从正态分布，求μ和σ的95%的置信区间。
例7．10：设总体X ～N （3.4, 62），从中抽取容量为n 的样本，若要求其样本均值x 位于区间[1.4, 5.4]内的概率不小于0.95，问样本容量n 至少应取多大？第四节 历年真题数学一：1（97，5分）设总体X 的概率密度为⎩⎨⎧<<+=其他,010)1()(x x x f θθ其中n X X X ,,,.121 是未知参数->θ是来自总体X 的一个容量为n 的简单随机样本，分别用矩估计法和极大似然估计法求θ的估计量。
2（99，6分） 设总体X 的概率密度为⎪⎩⎪⎨⎧<<-=其他）（,00)(63θθθx x xx fn X X X ,,,21 是取自总体X 的简单随机样本。
（1） 求θ的矩估计量θ；（2） 求D （θ）。
3（00，6分） 设某种元件的使用寿命X 的概率密度为⎩⎨⎧≤>=--θθθθx x e x f x ,02);()(2 其中θ>0为未知参数。
又设X x x x n 是,,,21 的一组样本观测值，求参数θ的最大似然估计值。
4（02，7分）设总体X 的概率分别为θθθθθ21)1(2321022--p X其中θ（0<θ<21）是未知参数，利用总体X 的如下样本值 3， 1， 3， 0， 3， 1， 2， 3求θ的矩估计值和最大似然估计值。
5（03，4分）已知一批零件的长度X （单位：cm ）服从正态分布)1,(μN ，从中随机地抽取16个零件，得到长度的平均值为40cm ，则μ的置信度为0.95 的置信区间是。
（注：标准正态分布函数值95.0)645.1(,975.0)96.1(=Φ=Φ）6（03，8分）设总体X 的概率密度为⎩⎨⎧≤>=--θθθx x e x f x ,02)()(2 其中θ>0是未知参数，从总体X 中抽取简单随机样本n X X X ,,,21 ，记^θ=min （n X X X ,,,21 ）。
（1） 求总体X 的分布函数F （x ）；（2）（3） 求统计量^θ的分布函数)(^x F θ；如果用^θ作为θ的估计量，讨论它是否具有无偏性。
7（04，9分） 设总体X 的分布函数为,1,1,0,11),(≤>⎪⎩⎪⎨⎧-=x x xx F ββ其中未知参数n X X X ,,,,121 >β为来自总体X 的简单随机样本，求：（I ） β的矩估计量；（II ） β的最大似然估计量.8．（06，9分）设总体X 的概率密度为()()⎪⎩⎪⎨⎧<<<≤-<<=其它是未知参数其中0,1021 1100,θθθθx x X Fn X X X ,,,21 为来自总体X 的简单随机样本，记N 为样本值n x x x ,,,21 中小于1的个数，求θ的最大似然估计。
数学三：1（91，5分）设总体X 的概率密度为⎪⎩⎪⎨⎧≤>=--0,00,),(1x x e ax x f x αλαλλ其中0,0>>αλ是未知参数是已知常数。
试根据来自总体X 的简单随机样本n X X X ,,21，求λ的最大似然估计量λ。
2（92，3分）设n 个随机变量n X X X ,,21独立同分布，∑∑==--===n i n i i X Xi n S X n X DX 122121)(11,1,σ，则 （A ）σ是S 的无偏估计量。
（B ）σ是S 的最大似然估计是。
（C ）σ是S 的相合估计量（即一致估计量）。
（D ）X S 与相互独立。
[ ]3（93，3分） 设总体X 的方差为1，根据来自X 的容量为100的简单随机样本，测得样本均值为5。
则X 的数学期望的置信度近似等于0.95的置信区间为 。
4（96，3分）设由来自正态总体)9.0,(~2μN X 容量为9的简单随机样本，得样本均值95.0.5的置信度为则未知参数μ=X 的置信区间是。
5（00，8分）设0.51, 1.25, 0.80, 2.00是来自总体X 的简单随机样本值。
已知Y =ln X 服从正态分布)1,(μN 。
（1） 求X 的数学期望EX （记EX 为b ）； （2） 求μ的置信度为0.95的置信区间；（3） 利用上述结果求b 的置信度为0.95的置信区间。
6（02，3分） 设总体X 的概率密度为⎩⎨⎧<≥=--θθθθx x e x f x 若若,0,);()( 则n X X X ,,21是来自总体X 的简单随机样本，则未知参数θ的矩估计量为。
7（04，13分） 设随机变量X 的分布函数为⎪⎩⎪⎨⎧≤>⎪⎭⎫ ⎝⎛-=，，，αx αx x αβαx F β0,1),,( 其中参数1,0>>βα. 设n X X X ,,,21 为来自总体X 的简单随机样本, (Ⅰ) 当1=α时, 求未知参数β的矩估计量; (Ⅱ) 当1=α时, 求未知参数β的最大似然估计量; (Ⅲ) 当2=β时, 求未知参数α的最大似然估计量.8．（05，4分）设一批零件的长度服从正态分布),(2σμN ，其中2,σμ均未知。
现从中随机抽取16个零件，测得样本均值)(20cm x =，样本标准差)(1cm s =，则μ的置信度为0.90的置信区间是 （A ）()()⎪⎭⎫ ⎝⎛+-164120,16412005.005.0t t精品文档精品文档 （B ）()()⎪⎭⎫ ⎝⎛+-164120,1641201.01.0t t （C ）()()⎪⎭⎫ ⎝⎛+-154120,15412005.005.0t t （D ）()()⎪⎭⎫ ⎝⎛+-154120,1541201.01.0t t 9．（05，13分）设()2,,,21>n X X X n 为来自总体),0(2σN 的简单随机样本，其样本均值为X 。
记X X Y i i -=，n i ,,2,1 =。
求：（I ）i Y 的方差i DY ，n i ,,2,1 =；（II ）1Y 与n Y 的协方差),(1n Y Y Cov 。
（III ）若21)(n Y Y c +是2σ的无偏估计量，求常数c 。
10．（06，13分）设总体X 的概率密度为()⎪⎩⎪⎨⎧<≤-<<=其它,021,110,,x x x f θθθ，其中θ是未知参数)10(<<θ，n X X X ,,,21 为来自总体的随机样本，记N 为样本值n X X X ,,,21 中小于1的个数，求：（I ）θ的矩估计；（II ）θ的最大似然估计。