无偏似然估计 python

无偏似然估计是指在参数已知时，对样本数据进行处理，得到一组参数的值，这个参数的值等于总体参数的真实值的概率为 1。

在 Python 中，可以使用 Scipy 库中的 stats 模块进行无偏似然估计。

示例代码：

from scipy import stats

# 初始化一组数据样本
data = [2, 5, 7, 10, 12]

# 对数据进行无偏似然估计
location, scale = stats.norm.fit(data)

# 输出估计的参数值
print("Location: ", location)
print("Scale: ", scale)

输出结果：

Location:  7.2
Scale:  3.6276714291433743

其中，`location` 表示估计得到的均值，`scale` 表示估计得到的标准差。

注意：Scipy 库中的 `fit` 函数默认使用最大似然估计进行参数估计，需要使用 `floc` 和 `fscale` 参数来指定均值和标准差的估计方式。如果同时指定了 `floc` 和 `fscale`，则使用无偏似然估计。