无偏估计篇 第一站 车次表

无偏估计（Unbiased Estimator）

什么叫做无偏呢？如同它的名字一样，就是没有偏差。但到底是什么没有偏差呢？
设想这样一个情形，一个漫展上有一个抽奖活动，有放回的抽出彩球。

我想知道我有多大概率抽到一等奖，因此我信自己的欧气一回，拿出30块钱交给小姐姐，开始我的单发时刻。

---

---

然后，果然，没中奖。。。。
然后我心里有个小人会来咒骂的说，这里估计就没一等奖的球！这时，其实我就是在根据我一次抽奖的结果来估计一等奖的概率，那这样看我的估计肯定是有偏差的啊，那怎么叫无偏呢？

我不服，然后决定把一个月生活费全砸进去来估计这个一等奖概率，然后我就得到了更多的样本，从原先只有$X_1$，到现在有了$X_2,X_3,...,X_n$这些样本。根据大数定律，无论这个一等奖的概率$p$是多少，我都会有：
$$\frac{1}{n}\sum _{i=1}^n{X}_i\to E_p[X]=p,a.e.$$

到这里，大家大致也能领会到无偏的含义了，无偏只是能保证我估计量在进行估计时不会产生系统误差，即是说我的估计有时候会偏高，有时候会偏低，但是误差的平均值为0。平均值这一点，只有在大量重复时才能体现出来。

下面给出无偏估计的具体定义：

定义： 设样本$X$的分布依赖于参数$\theta$，$\theta$在参数空间$\Theta$内取值，$g(\theta )$是定义在 $\Theta$上的已知函数（取实数或实向量为值），$\hat{g}(X)$是$g(\theta )$的一个估计量。如果
$$E_{\theta }[\hat{g}(X)]=g(\theta ),\forall \theta \in \Theta$$
则称$\hat{g}(X)$为$g(\theta )$的一个无偏估计。

无偏估计的意义

既然有的估计是无偏的，有的估计是有偏的，那我选择无偏估计有哪些好处呢？

其实无偏估计占据主要地位，主要是因为以下原因：
1.无偏性的要求往往只涉及一阶矩（均值），数学上方便处理。
2.人们的心理偏向。

实际情形中，有时无偏性是有好处的，有时并不是多好。

栗子：
1.每次我根据无偏估计价格去买手办，有时候可能会亏，有时候可能小赚一把，但是从长期来看我是不赚不赔的。
2.每次我根据无偏估计量去做化学实验，因为每次都有些偏差，导致每次都不能成功。

车次表

无偏估计篇中，我们将会领略以下内容：

1.一致最小方差无偏估计（UMVUE）

2.零无偏估计法

3.充分—完备统计量法

4.C—R不等式法

---

文献参考：《数理统计学教程》（陈希孺）