X¯X¯相对E (X¯)E(X¯)?

机器算法验证 意思是 期望值
2022-04-06 23:04:36

我在这里找不到这个问题,所以我要问这个:

  • 和有什么区别E(X¯)(预期值X酒吧)和实际X¯? 我对这两个概念很困惑。怎么来的X¯是正态分布的估计量之一(另一个是S2) 然后有什么意义E(X¯)?

  • 我的另一个问题是,两者之间的关系是什么?X¯E(μ^) ? 我知道 mu 是一个真正的意思,但那是什么E(μ^)?

    我将不胜感激对这些概念的任何解释,并且由于我只是数学统计的初学者,我正在努力使用符号,所以任何简化的解释都将不胜感激!

    然后,我刚刚发现还有一个期望值σ2这,为什么撒谎,完全让我大吃一惊!所以我怀疑我正在为预期值的整个概念以及它与总体、样本分布和抽样分布的关系而苦苦挣扎,所以我绝对会感谢对预期值的解释X¯有鉴于此。

1个回答

首先,X¯不是正态分布的估计量真正的意思μ(以及真实的方差σ2) 是正态分布的参数。X¯是一个估计量μ这种区别是极其重要的。

听起来您的困惑源于不了解估算器本身具有分布。

假设你有一个真实的平均值μ你试着估计什么是真实的μ是。您可以通过实验获取数据并计算X¯. X¯不一定相等μ; 换句话说,存在差异X¯. 所以虽然真实μ或许10, 您的X¯或许10.1, 或者9.7或其他一些价值。所以你应该想到E(X¯)作为均值估计量的均值所以自从E(X¯)=μ,我们知道我们对样本均值的实现(X¯) 将从周围的分布中得出μ.

插入会很棒E(X¯)到正态分布,因为它等于μ,但我们不知道是什么E(X¯)是因为数据只能告诉我们实现X¯.

至于你的第二个问题,有时人们会写μ^是平均值X¯. 帽子表示μ^是一个估计量μ,这是什么X¯是。

和上面一样,E(σ^2)(注意帽子)是估计量的期望值σ^2,它是参数的估计量σ2正如你在上面写的。