點上方超級數學建模可加關注
傳播數學幹貨,學會理性的方式去思考問題
為什麼樣本方差(sample variance)的分母是 n-1?
上面有答案解釋得很明确,即樣本方差計算公式裡分母為的目的是為了讓方差的估計是無偏的。無偏的估計(unbiased estimator)比有偏估計(biased estimator)更好是符合直覺的,盡管有的統計學家認為讓mean square error即MSE最小才更有意義,這個問題我們不在這裡探讨;不符合直覺的是,為什麼分母必須得是而不是才能使得該估計無偏。我相信這是題主真正困惑的地方。
要回答這個問題,偷懶的辦法是讓困惑的題主去看下面這個等式的數學證明:
但是這個答案顯然不夠直觀(教材裡面統計學家像變魔法似的不知怎麼就得到了上面這個等式)。
下面我将提供一個略微更友善一點的解釋。
==================================================================
===================== 答案的分割線 ===================================
==================================================================
首先,我們假定随機變量
的數學期望是已知的,然而方差
未知。在這個條件下,根據方差的定義我們有
由此可得
因此
是方差的一個無偏估計,注意式中的分母不偏不倚正好是!
這個結果符合直覺,并且在數學上也是顯而易見的。
現在,我們考慮随機變量的數學期望是未知的情形。這時,我們會傾向于無腦直接用樣本均值
替換掉上面式子中的。這樣做有什麼後果呢?後果就是,
如果直接使用
作為估計,那麼你會傾向于低估方差!
這是因為:
換言之,除非正好
,否則我們一定有
而不等式右邊的那位才是的對方差的“正确”估計!
這個不等式說明了,為什麼直接使用會導緻對方差的低估。
那麼,在不知道随機變量真實數學期望的前提下,如何“正确”的估計方差呢?答案是把上式中的分母換成,通過這種方法把原來的偏小的估計“放大”一點點,我們就能獲得對方差的正确估計了:
至于為什麼分母是 而不是
或者别的什麼數,最好還是去看真正的數學證明,因為數學證明的根本目的就是告訴人們“為什麼”;暫時我沒有辦法給出更“初等”的解釋了。
via:魏天聞(知乎)
商務、表白請zxn19921018
,更多精彩资讯请关注tft每日頭條,我们将持续为您更新最新资讯!