估计子的性能——从最大似然估计到方差定义式为什么以n-1作为分母

我们都知道，给定N个一维实数空间上的样本点{ xi，i=1,2,3... }，假定样本点服从单峰高斯分布，那么，最大似然估计的参数表达式为：

期望：   方差：

可是，你是否注意过，在我们从小接受到的方差定义公式，却与最大似然估计的不一样，一个分母为n-1，一个为n。这是不是意味着最大似然估计的不准确？如何衡量这种不准确？换个角度，更进一步，方差的定义公式为什么要除以n-1？本文将从最后一个问题出发，一步一步解答这些问题。

本文主要以张贤达《现代信号处理》第二版第二章第一节为参考资料，辅以一些网页资料，并在文章中标注出引用处。

1、n-1能更准确的反应现实世界

如果样本集中只有一个样本，试问：这个时候高斯分布的方差应该是多少？是0还是无穷大？如果是无穷大，那么来第二个样本点的话，我们将是无法预知落在什么地方（方差无穷大，可以看做是整个实数轴上的均匀分布）；如果是0，那么来第二个样本点的话，我们将肯定它的值仍然等于x1（方差为零，可以看做是确定事件）。显然，方差为无穷大更符合现实世界，更符合我们的直观感受。也就是是说，分母为n-1更能反应现实世界。

这里还有另外一种直观的理解，但是难以自圆其说，来自http://blog.csdn.net/feliciafay/article/details/5878036。这里直接摘抄在这里，也很好理解，作者同时也给出了为什么这种直观的解释难以自圆其说。

“