如果我没记错的话，随着样本量的减少，mu 会表现出积极的偏见，而 tau 会表现出消极的偏见。Sigma 将根据其他参数的真实值表现出正偏差或负偏差。这篇论文比较了两种拟合前高斯的方法，从图中我可能会避免低于 40 个观察值。

由于参数是使用最大似然法估计的，因此您有

$$\sqrt{n}(\hat\theta -\theta)\to N(0,I_{\theta}^{-1}),$$

在哪里$I_{\theta}$是Fisher 信息矩阵，并且$\theta$是相关参数的向量。因此

$$Var(\hat\theta-\theta)\approx 1/nI_{\theta}^{-1}$$

如果你计算过$I_{\theta}^{-1}$你怀疑 true 的近似值$\theta$，这会给你一个近似方差的概念。然后，您可以计算出最少的点数。这不是完美的解决方案，但根据经验，它可能会起作用。