Numpy 什么时候更喜欢偏差估计而不是无偏估计
我今天才发现numpy的方差函数默认返回偏差方差估计(即除以N而不是N-1)。我有两个问题Numpy 什么时候更喜欢偏差估计而不是无偏估计,numpy,statistics,Numpy,Statistics,我今天才发现numpy的方差函数默认返回偏差方差估计(即除以N而不是N-1)。我有两个问题 如果一个人正在处理一个样本,有没有一个好的理由选择有偏差的估计?我知道,随着n的增加,无偏估计收敛到无穷总体方差,这是为什么。是否有实际的理由选择有偏差的估计 为什么numpy默认这种行为 要使用的正确除数取决于您正在执行的操作。例如: 如果您准确地知道分布的平均值,并在计算方差时使用该准确的平均值,则正确的除数为N 如果从样本中估计一个参数,比如平均值,那么要使用的正确(无偏)除数是N-1 如果估计两
要使用的正确除数取决于您正在执行的操作。例如:
- 如果您准确地知道分布的平均值,并在计算方差时使用该准确的平均值,则正确的除数为N
- 如果从样本中估计一个参数,比如平均值,那么要使用的正确(无偏)除数是
N-1
- 如果估计两个参数,比如截距和斜率,并使用这两个估计值计算方差,那么要使用的正确(无偏)除数是
N-2