无偏估计(Unbiased Estimator)「建议收藏」

大家好，又见面了，我是你们的朋友全栈君。

无偏估计是参数的样本估计量的期望值等于参数的真实值。

一个简单的例子（https://www.zhihu.com/question/22983179/answer/23470969）：

比如我要对某个学校一个年级的上千个学生估计他们的平均水平（真实值，上帝才知道的数字），那么我决定抽样来计算。

我抽出一个10个人的样本，可以计算出一个均值。那么如果我下次重新抽样，抽到的10个人可能就不一样了，那么这个从样本里面计算出来的均值可能就变了，对不对？

因为这个均值是随着我抽样变化的，而我抽出哪10个人来计算这个数字是随机的，那么这个均值也是随机的。但是这个均值也会服从一个规律（一个分布），那就是如果我抽很多次样本，计算出很多个这样的均值，这么多均值们的平均数应该接近上帝才知道的真实平均水平。

如果你能理解“样本均值”其实也是一个 随机变量，那么就可以理解为这个随机变量的 期望是真实值，所以 无偏（这是无偏的定义）；而它又是一个随机变量，只是 估计而不精确地等于，所以是无偏估计量。

为什么分母从n变成n-1之后，就从【有偏估计】变成了【无偏估计】？

发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/167636.html原文链接：https://javaforall.cn