发布网友 发布时间:2024-10-23 03:58
共4个回答
热心网友 时间:8分钟前
^记Yi=x(i+1)-xi~N(0,2σ^2) i=1...n-1
所以S^2(y)=1/(n-2) ∑(Yi-Y)^2 且E[S^2(y)]=2σ^2(这里Y为Yi的期望) Y=∑Yi/n-1=xn-x1/n-1
即1/(n-2)*[E(∑(yi)^2-(n-1)Y^2)]=2σ^2
所以E(yi)^2-(n-1)E(Y^2)=2(n-2)σ^2
代入就可以了。
扩展资料:
无偏估计只涉及一阶矩(均值),虽然计算简便,但往往会出现一个参数的无偏估计有多个,而无法确定哪个估计量好。因此,无偏性的作用在于可以把重复估计中的各次误差通过平均来消除。这并不意味着该估计量在一次使用时并能获得良好的结果。在具体问题中,无偏性是否合理,应当结合具体情况来考虑。在有些问题中,无偏性的要求可能会导出不同的结果来。
参考资料来源:百度百科-无偏估计量
热心网友 时间:7分钟前
我也要做了
热心网友 时间:6分钟前
记Yi=x(i+1)-xi~N(0,2σ^2) i=1...n-1
所以S^2(y)=1/(n-2) ∑(Yi-Y)^2 且E[S^2(y)]=2σ^2(这里Y为Yi的期望) Y=∑Yi/n-1=xn-x1/n-1
即1/(n-2)*[E(∑(yi)^2-(n-1)Y^2)]=2σ^2
所以E(yi)^2-(n-1)E(Y^2)=2(n-2)σ^2
代入就可以了。
扩展资料
要确定一个估计量的好坏,就不能仅仅依据某次抽样的结果来衡量,而必须由大量抽样的结果来衡量。对此,一个自然而基本的衡量标准是要求估计量无系统偏差。
也就是说,尽管在一次抽样中得到的估计值不一定恰好等于待估参数的真值,但在大量重复抽样时,所得到的估计值平均起来应与待估参数的真值相同。
换句话说,希望估计量的均值(数学期望)应等于未知参数的真值,这就是所谓无偏性(Unbiasedness)的要求。数学期望等于被估计的量的统计估计量称为无偏估计量。
热心网友 时间:5分钟前
记Yi=x(i+1)-xi~N(0,2σ^2) i=1...n-1