均方误差（mean-sqare error)
对估计量 θ ^ \hat{\theta} θ^而言，其均方误差MSE( θ ^ \hat{\theta} θ^)衡量了估计量 θ ^ \hat{\theta} θ^与参数真值 θ \theta θ间的距离，是评价一个估计好坏的最常用标准。 M S E ( θ ^ ) = E { ( θ ^ − θ ) 2 } = v a r ( θ ^ ) + b 2 ( θ ^ ) MSE(\hat{\theta})=E\{(\hat{\theta}-\theta)^2\}\\ =var(\hat{\theta})+b^2(\hat{\theta}) MSE(θ^)=E{(θ^−θ)2}=var(θ^)+b2(θ^)
其中，估计量的方差为：
v
a
r
(
θ
^
)
=
E
{
(
θ
^
−
E
(
θ
^
)
)
2
}
var(\hat{\theta})=E\{(\hat{\theta}-E(\hat{\theta}))^2\}
var(θ^)=E{(θ^−E(θ^))2}
偏倚为：
b
(
θ
^
)
=
E
(
θ
^
)
−
θ
b(\hat{\theta})=E(\hat{\theta})-\theta
b(θ^)=E(θ^)−θ
有偏估计：
b
(
θ
^
)
≠
0
b(\hat{\theta})\neq0
b(θ^)=0
无偏估计：
b
(
θ
^
)
=
0
b(\hat{\theta})=0
b(θ^)=0，此时均方误差即为方差。
注：均方误差的概念用于参数点估计，方差的概念则应用于所有随机变量。
8万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
