为什么样本方差的分母是n-1?为什么它又叫做无偏估计?
为什么样本方差的分母是n-1?最简单的原因,是因为因为均值已经用了n个数的平均来做估计在求方差时,只有(n-1)个数和 均值信息 是不相关的。而你的第n个数已经可以由前(n-1)个数和均值 来唯一确定,实际上没有信息量。所以在计算方差时,只除以(n-1)。 那么更严格的证明呢?请耐心的看下去。 样本方差计算公式里分母为 的目的是为了让方差的估计是无偏的。 无偏的估计(unbiased estimator)比有偏估计(biased estimator)更好是符合直觉的,尽管有的统计学家认为让mean square error即MSE最小才更有意义,这个问题我们不在这里探讨;不符合直觉的是,为什么分母必须得是 而不是才能使得该估计无偏。 首先,我们假定随机变量的数学期望是已知的,然而方差未知。在这个条件下,根据方差的定义我们有 由此可得 因此 是方差的一个无偏估计,注意式中的分母不偏不倚正好是!这个结果符合直觉,并且在数学上也是显而易见的。 现在,我们考虑随机变量 的数学期望是未知 的情形。这时,我们会倾向于无脑直接用样本均值 替换掉上面式子中的 。这样做有什么后果呢?后果就是,如果直接使用 作为估计,那么你会倾向于低估方差! 这是因为: 换言之,除非正好,否则我们一定有 而不等式右边的那位才是的对方差的“正确”估计! 这个不等式说明了,为什么直接使用 会导致对方差的低估。 那么