[转] 如何理解无偏估计量？

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μ ，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 μ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μ ，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μ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 σ²：

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μ进行估计，方差越小，估计量的分布越接近 μ：

 

有效估计和无偏估计是不相关的：

 

举个例子，从N(μ,σ²)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 σ²：

 

会有一个偏差：

 

可以看到，随着采样个数n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。
---------------------

转自：https://blog.csdn.net/ccnt_2012/article/details/82715415