样本方差与无偏估计


参考文章:如何理解无偏估计量? by 马同学

样本方差

问题背景

首先,对于随机变量 X X X的期望为 μ \mu μ,其方差为 σ 2 \sigma^2 σ2

如果已知随机变量X的期望为 μ \mu μ,那么可以如下计算方差 σ 2 \sigma^2 σ2
Case 1: 分布和期望均已知
↑Case 1: 分布和期望均已知

不过,对于上式,首先需要知道 X X X的具体分布。因而我们实践中常常采样之后,常采用如下方式近似估计方差:
Case 2: 分布未知,期望已知
↑Case 2: 分布未知,期望已知

然而,实际中我们对期望也是未知的(Case 3),只能通过样本得到均值 X ˉ \bar X Xˉ,那么我们可以通过样本方差公式计算 S 2 S^2 S2
在这里插入图片描述
在这里插入图片描述

S 2 S^2 S2的近似作用

首先,我们从Case 2开始分析。

对于某一 σ 2 = 1. 4 2 = 1.96 \sigma^2=1.4^2=1.96 σ2=1.42</

  • 8
    点赞
  • 37
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值