估計量變異數

本頁導覽
  1. 數學敘述
  2. 代表公式(精確 TeX)
  3. 成立條件
  4. 符號作用域
  5. 直觀、定義與常見誤解
  6. 已採用的推導導讀
  7. 前置知識
  8. 驗證界線
  9. 下一個義務
  10. 同源結構化資料

估計量變異數逐theta衡量sampling law相對自身期望的二次離差,不等同偏誤或MSE。

mko-estimator-variance · definition · v0.10.0

數學敘述

sampling law、support與mean全部綁同一theta,精確核Var_theta(T)=E_theta[(T-E_thetaT)^2]=E_theta[T^2]-(E_thetaT)^2。零變異只代表該theta下幾乎必然常數,不代表等於theta或無偏。

代表公式(精確 TeX)

V_theta(T)=E_theta(T^2)-E_theta(T)^2

成立條件

  • 共同有限樣本空間、完整逐theta exact laws與同一total statistic。
  • 所有二次矩有限且以exact rational arithmetic計算。

符號作用域

  • V_theta — 估計量變異數
  • T — 估計量

直觀、定義與常見誤解

variance是theta-indexed family。

二次矩identity可作精確交叉核對。

variance單獨不推unbiased、consistency或MSE。

把零variance當成無偏,或把variance直接稱為MSE。

已採用的推導導讀

同law二次矩與中心矩交叉核對

原始 MKO 保留;導讀有自己的追加式修訂與驗證界線,不代表新 Lean 證明。

前置知識

驗證界線

只處理完整有限sampling laws;跨樣本大小一致性另需序列模型。

not_formalized

這不表示內容錯誤;只表示尚未登錄可重播的計算或形式證據。

下一個義務

加入MSE與有效性比較。

同源結構化資料

本頁與互動版共用同一個物件與既有語言 edition;未新增證明或人工審定。

原始 MKO JSON · 純文字 Markdown