对于采样自 X X X的独立同分布样本 x i : i ∈ [ 1 , n ] x_i: i\in[1,n] xi:i∈[1,n]，用样本方差 s 2 s^2 s2去估计 X X X的方差 σ 2 \sigma^2 σ2，为什么要除以 n − 1 n-1 n−1而不是 n n n?
- 证明用
n
n
n除得到的估计
σ
^
2
=
σ
2
−
E
[
(
X
ˉ
−
μ
)
2
]
\hat\sigma^2=\sigma^2-E[(\bar X-\mu)^2]
σ^2=σ2−E[(Xˉ−μ)2]，和无偏估计相比偏小。
直观解释：因为真实分布的方差计算了所有小概率的样本，样本范围更“广“；而采样的时候对于某些小概率样本点没有采到，所以采得的样本分布更”集中“，所以方差也更”小“。
https://blog.csdn.net/Hearthougan/article/details/77859173
https://www.zhihu.com/question/20099757/answer/26586088 - 证明
E
[
(
X
ˉ
−
μ
)
2
]
=
v
a
r
(
X
ˉ
)
=
v
a
r
(
∑
X
i
n
)
=
1
n
2
∑
v
a
r
(
X
i
)
=
1
n
σ
2
E[(\bar X-\mu)^2]=var(\bar X)=var(\dfrac{\sum X_i}{n})=\dfrac{1}{n^2}\sum var(X_i)=\dfrac{1}{n}\sigma^2
E[(Xˉ−μ)2]=var(Xˉ)=var(n∑Xi)=n21∑var(Xi)=n1σ2
https://math.stackexchange.com/questions/1363505/prove-that-e-overlinex-mu2-frac1n-sigma2 - 对于第1步得到的最初估计 σ ^ 2 \hat\sigma^2 σ^2，乘上一个放缩因子 n n − 1 \dfrac{n}{n-1} n−1n，得到无偏估计。
然后去看花书5.4节就能看明白了。
298
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
