什么是无偏估计？

无偏估计（Unbiased Estimation）是统计学中的一个重要概念，指的是估计量的期望值等于被估计参数的真实值。具体来说，如果用一个估计量（通常是一个统计量）来估计某个参数，那么这个估计量的期望值应该等于该参数的真实值。

数学定义

设 $\theta$ 是要估计的参数，$\hat{\theta }$ 是 $\theta$ 的一个估计量。如果满足以下条件：

$$E(\hat{\theta })=\theta$$

其中 $E(\hat{\theta })$ 表示估计量 $\hat{\theta }$ 的期望值，那么 $\hat{\theta }$ 就是 $\theta$ 的一个无偏估计。

例子

假设有一个随机样本 $X_1,X_2,\dots ,X_n$ 来自均值为 $\mu$、方差为 ${\sigma }^2$ 的正态分布 $N(\mu ,{\sigma }^2)$。

• 样本均值 $\bar{X}=\frac{1}{n}{\sum }_{i=1}^n{X}_i$ 是总体均值 $\mu$ 的无偏估计，因为：

$$E(\bar{X})=\mu$$

• 样本方差 $S^2=\frac{1}{n-1}{\sum }_{i=1}^n(X_i-\bar{X}{)}^2$ 是总体方差 ${\sigma }^2$ 的无偏估计，因为：

$$E(S^2)={\sigma }^2$$

有偏估计

如果一个估计量的期望值不等于被估计参数的真实值，那么这个估计量就是有偏的。例如，样本方差 $S^2$ 的另一种形式 $\frac{1}{n}{\sum }_{i=1}^n(X_i-\bar{X}{)}^2$ 是有偏的，因为的期望值不等于 ${\sigma }^2$。

重要性

无偏估计在统计推断中非常重要，因为确保了估计量的平均值（在多次重复抽样的情况下）会接近被估计参数的真实值。然而，无偏性并不是唯一重要的性质，估计量的方差（即估计的精度）也是需要考虑的因素。

总结

无偏估计是指估计量的期望值等于被估计参数的真实值。在统计学中是一个重要的概念，确保了估计量的平均表现接近真实值。