无偏估计
在概率论和数量统计中学习过无偏估计,最近在学习论文时也经常提到无偏估计。 关于无偏估计我知道,但还存在一些问题:
1 )整体期望的无偏估计为样本平均值x-,整体方差的无偏估计为样本方差S^2,为什么需要样本方差除以n-1而不是n;
2 )样品在整个过程中是怎样的采样过程,是恢复样品、随机采样还是不恢复等。
为了解决这个问题,首先让我们回想一下什么是不偏不倚的估计:
无偏估计是指参数的样本估计的期望值等于参数的真实值。 当估计量的数学期望与估计参数相等时,将其称为无偏估计。
将a'=g(x1,X2,Xn )作为未知参数a的一点估计量,如果满足a '的话
e(a )=
A
将a '称为a的无偏估计,否则称为无偏估计。
注:无偏估计是系统误差为零的估计。
公式a'=g(X1,X2,Xn )中的x1,X2,Xn一般是一次采样的结果,如何采样的过程并不清楚,为什么a '是a的无偏估计经过自己查阅的资料和理解,实际无偏估计量可以理解如下。
简单的理解是,无偏估计量是指在样本中进行n次随机采样,每次采样计算某个参数的点估计量,进行n次计算,得到n个点估计量,然后对n个点估计量计算期望,得到的值和应该估计的总体参数
你能举个例子吗? 在实际应用中不知道整体,所以只有样品,这个可以举个例子吗? 嗯,是的假设总容量为3,样本容量为2,将总体方差的无偏估计作为样本方差,然后尝试将样本方差除以n-1,而不是n。
上图是手工计算的两个例子,表明总体方差的无偏估计量是样本方差,总体方差除以n,样本方差除以n-1。 因为上面的示例是基于通用化的,所以以下是为matlab编写的代码:
%
%总容量可以改变,采样容量为固定2
% clc;
% clear;
无偏估计验证
% %%总容量
% M=7;
% %%样本容量
% N=2;
% %填充第一列
% %填充循环次数
% for t=1:M^(N-1 )
%for i=1:M
%sample1(I-1 ) m ^ (n-1 ) t )=i;
%end
% end
% Sample1'
% %将填充第二列
% for t=1:M
%for i=1:M
%sample2(m*(t-1 ) I )=i;
%end
% end
% Sample2'
% Sample=[Sample1',Sample2']
%slenght=length(sample );
% for s=1:sLenght
%subsample=sample(s, ) ) ) )。
%STDsample(s )=var ) subsample,1;
% end
%STDsample=var(sample ' );
%STDsamplee=sum(STDsample )/M^N
% Total=1:M;
%STDtotale=var(total,1 ) )。
总容量可以改变,样本容量为固定3
% clc;
% clear;
无偏估计验证
% %%总容量
% M=7;
% %%样本容量
% N=3;
% %填充第一列
% %填充循环次数
% for t=1:M^(N-1 )
%for i=1:M
%sample1(I-1 ) m ^ (n-1 ) t )=i;
%end
% end
% Sample1'
% %将填充第二列
% for t=1:M
%for i=1:M
%for j=1:M
%sample2(m*m* ) t-1 ) i-1 ) *M j )=i;
%end
%end
% end
% Sample2'
%%将填充第三列
% for t=1:M^2
%for i=1:M
%sample3(m*(t-1 ) I )=i;
%end
% end
% Sample=[Sample1',Sample2',Sample3']
%STDsample=var(sample ' );
%STDsamplee=sum(STDsample )/M^N
% Total=1:M;
%STDtotale=var(total,1 ) )。
总容量可以改变,样本容量为固定3
% clc;
% clear;
无偏估计验证
% %%总容量
% M=4;
% %%样本容量
% N=3;
% %填充第一列
% %填充循环次数
% for t=1:M^0
%for i=1:M
%for j=1:M^2
%sample1(m^3*(t-1 ) i-1 ) *M^2 j )=i;
%end
%end
% end
% Sample1'
% %将填充第二列
% for t=1:M^1
%for i=1:M
%for j=1:M^1
%sample2(m^2*(t-1 ) j ) I-1 ) *M )=i;
%end
%end
% end
% Sample2'
%%将填充第三列
% for t=1:M^2
%for i=1:M
%for j=1:M^0
%sample3(m^1*(t-1 ) i-1 ) *M^0 j )=i;
%end
%end
% end
% Sample=[Sample1',Sample2',Sample3']
%STDsample=var(sample ' );
%STDsamplee=sum(STDsample )/M^N
% Total=1:M;
%STDtotale=var(total,1 ) )。
清除
%%无偏估计验证
%%的总容量
M=5;
%%样本容量
N=2;
%结构抽样的过程矩阵for
index=1:Nfor
t=1:M^(index-1 )
for i=1:M
forj=1:m^(n-index ) )。
sample(m^(index1) ) t-1 ) i-1 ) ) m^ ) n-index ) j,index )=i;
结束
结束
结束
结束
计算%每行的方差
varsample=var(sample ' );
%计算样本方差varSampleE=
sum (var sample (/m ^ n total=1: m;
%计算整体的方差
varTotalE=
var (总的,1 ) )。