| 先把問題完整的描述下。 如果已知隨機變量的期望為,那么可以如下計算方差: 上面的式子需要知道的具體分布是什么(在現(xiàn)實應用中往往不知道準確分布),計算起來也比較復雜。 所以實踐中常常采樣之后,用下面這個來近似: 其實現(xiàn)實中,往往連的期望也不清楚,只知道樣本的均值: 那么可以這么來計算: 那這里就有兩個問題了: 
 我們來仔細分析下細節(jié),就可以弄清楚這兩個問題。 舉個例子,假設服從這么一個正態(tài)分布: 即,,圖形如下: 當然,現(xiàn)實中往往并不清楚服從的分布是什么,具體參數(shù)又是什么?所以我用虛線來表明我們并不是真正知道的分布: 很幸運的,我們知道,因此對采樣,并通過: 來估計。某次采樣計算出來的: 看起來比要小。采樣具有隨機性,我們多采樣幾次,會圍繞上下波動: 用作為的一個估計量,算是可以接受的選擇。 很容易算出: 因此,根據(jù)中心極限定理,的采樣均值會服從的正態(tài)分布: 這也就是所謂的無偏估計量。從這個分布來看,選擇作為估計量確實可以接受。 更多的情況,我們不知道是多少的,只能計算出。不同的采樣對應不同的: 對于某次采樣而言,當時,下式取得最小值: 我們也是比較容易從圖像中觀察出這一點,只要偏離,該值就會增大: 所以可知: 可推出: 進而推出: 如果用下面這個式子來估計: 那么采樣均值會服從一個偏離的正態(tài)分布: 可見,此分布傾向于低估。 具體小了多少,我們可以來算下: 其中: 所以我們接著算下去: 其中: 所以: 也就是說,低估了,進行一下調整: 因此使用下面這個式子進行估計,得到的就是無偏估計: | 
|  | 
來自: taotao_2016 > 《數(shù)學》