2、最小方差性 前提:样本相同、用不同的方法估计参数, 可以找到若千个不同的估计式 日标:努力寻求其抽样分布具有最小方差的估计 式——最小方差准则,或称最佳性准贝 (见图1.3) 既是无偏的同时又具有最小方差的估计式,称为 最佳无偏估计式
2、最小方差性 前提：样本相同、用不同的方法估计参数， 可以找到若干个不同的估计式 目标: 努力寻求其抽样分布具有最小方差的估计 式—— 最小方差准则，或称最佳性准则 （见图1.3） 既是无偏的同时又具有最小方差的估计式，称为 最佳无偏估计式
概 fB 度 f(B”) 估计值 图13
1 概 率 密 度 估计值 图1.3 ( ) ^ f ( ) * f
3、均方误差(MSE) 均方误差(简记作MSE)是参数估计值与参数真实值离 差平方的期望 MSE(B=E(B-B) 均方误差与方差的关系:(自己证明) MSE(B)=EB-E(B+E(B)-B (均方误差) (方差) (偏倚的平方) 性质: 均方误差是方差与偏倚的平方之和,包含 了两个方面的因素,当在较小偏倚和较小方差 二者不可得兼”时,需要进行权衡与折衷,可 用均方误差
3、均方误差（MSE） 均方误差（简记作MSE）是参数估计值与参数真实值离 差平方的期望 均方误差与方差的关系：(自己证明) （均方误差） （方差） （偏倚的平方） 性质： 均方误差是方差与偏倚的平方之和，包含 了两个方面的因素,当在较小偏倚和较小方差 “二者不可得兼”时，需要进行权衡与折衷，可 用均方误差。 * * 2 MSE( ) = E( − ) * * * 2 * 2 MSE( ) = E{ − E( )} +{E( ) − }