大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全家桶1年46,售后保障稳定
现实中常常有这样的问题,比如,想知道全体女性的身高均值 ,但是没有办法把每个女性都进行测量,只有抽样一些女性来估计全体女性的身高:
那么根据抽样数据怎么进行推断?什么样的推断方法可以称为“好”?
1 无偏性
比如说我们采样到的女性身高分别为:
那么:
是对 不错的一个估计,为什么?因为它是无偏估计。
首先,真正的全体女性的身高均值 ,我们是不知道,只有上帝才知道,在图中就画为虚线:
我们通过采样计算出 :
会发现,不同采样得到的 是围绕 左右波动的:
这有点像打靶,只要命中在靶心周围,还算不错的成绩:
如果用以下式子去估计方差 :
根据“为什么样本方差的分母是 n-1?”的解释,就会产生偏差:
这个偏差经过计算,就是:
这种偏差就好像瞄准镜歪了,是系统性的:
就此而言,无偏估计要好于有偏估计。
2 有效性
打靶的时候,右边的成绩肯定更优秀:
进行估计的时候也是,估计量越靠近目标,效果越“好”。这个“靠近”可以用方差来衡量。
比如,仍然对 进行估计,方差越小,估计量的分布越接近 :
有效估计和无偏估计是不相关的:
举个例子,从 中抽出10个样本:
下面两个都是无偏估计量:
但是后者比前者方差小,后者更有效。
并且在现实中不一定非要选无偏估计量,比如:
如果能接受点误差,我倒觉得选择右边这个估计量更好。
3 一致性
之前说了,如果用以下式子去估计方差 :
会有一个偏差:
可以看到,随着采样个数 的增加,这个偏差会越来越小。那么这个估计就是“一致”的。
如果样本数够多,其实这种有偏但是一致的估计量也是可以选的。
4 总结
判断一个估计量“好坏”,至少可以从以下三个方面来考虑:
-
无偏
-
有效
-
一致
实际操作中,要找到满足三个方面的量有时候并不容易,可以根据情况进行取舍。
文章的最新版本在(可能会有后续更新):如何理解无偏估计量?
发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/201092.html原文链接:https://javaforall.cn
【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛
【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...