每日精学 158｜高斯样本均值估计方差

2026-09-25

← 技术专题 · 每日精学目录

雷达 · 通信 · 电子战　/　基础精学 158

独立高斯样本的算术均值仍服从高斯分布，其方差精确缩小到单样本方差的记录长度分之一。

实际记录只包含有限个采样值。由记录计算得到的数值与总体参数并不相同：前者受记录长度、噪声、边界约定及运算精度影响，后者属于给定模型的属性。建立可复核结论需要先固定输入含义、统计假设和归一化方式，再比较可计算量与理论量。

01
模型与符号

实值独立同分布高斯观测；未知均值恒定，噪声方差已知；不包含时间相关或系统偏差。

μ：总体均值（幅度）

σ²：单样本噪声方差（幅度平方）

$\widehat\mu$ ：均值估计（幅度）

02
从模型到公式

观测模型

均值与零均值噪声相加。

$x_n=\mu+v_n,\quad v_n\sim\mathcal N(0,\sigma^2)$

估计误差

减去未知常数，误差只由噪声均值构成。

$\widehat\mu=N^{-1}\sum_nx_n,\quad\widehat\mu-\mu=N^{-1}\sum_nv_n$

无偏性

线性期望立即消除零均值噪声。

$\mathrm E\widehat\mu=\mu$

方差求和

独立样本交叉协方差为零。

$\operatorname{var}(\widehat\mu)=N^{-2}\sum_n\sigma^2=\frac{\sigma^2}{N}$

精确分布

高斯变量线性组合仍为高斯，不需要渐近近似。

$Z=\frac{\widehat\mu-\mu}{\sigma/\sqrt N}\sim\mathcal N(0,1)$

均方误差

无偏性使均方误差等于方差，标准差仅按平方根下降。

$\mathrm E(\widehat\mu-\mu)^2=\frac{\sigma^2}{N},\quad\operatorname{std}(\widehat\mu)=\frac\sigma{\sqrt N}$

均值区间与单次测量波动

独立高斯样本均值仍为高斯，其标准化误差满足

$Z=\frac{\bar x-\mu}{\sigma/\sqrt N}\sim\mathcal N(0,1).$

因此已知总体方差时，可用标准正态分位数形成均值置信区间。

该区间的宽度随 N^−1/2 缩小，但单个未来测量的噪声并不随已经平均的样本数消失。未来独立样本 x_N+1 与已有均值之差方差为

$\operatorname{var}(x_{N+1}-\bar x)=\sigma^2(1+1/N).$

这区分了参数估计精度与预测单个观测的精度。

若总体方差未知，直接把样本标准差代入正态区间会改变覆盖性质，小样本应使用相应的 Student 分布假设。

03
物理含义

增加四倍独立样本才能将标准差减半。平均操作不会消除恒定校准误差；若每个输入都带相同偏置，该偏置在平均后完整保留。

04
固定参数算例

固定均值1.25、噪声标准差2，对长度4、16、64、256各重复6000次，比较估计偏差、实测方差和理论曲线，并以常数输入检查无噪声边界。数值脚本使用固定随机种子；

随机实验的判据采用有限容差，代数关系的判据采用浮点残差。图中同时展示参数变化趋势与对应误差，关键数值写入独立结果文件。

固定参数数值验证结果

量	数值
真实均值	1.25
噪声方差	4
repetitions	6000
N4 variance	1.01555050661
N256 variance	0.0153676231831
N256 theory variance	0.015625
max standardized bias	1.73033575448

图 1　高斯样本均值估计方差的固定参数数值验证

表中数值和图中曲线由 MATLAB 实际运行得到，随机种子为 20261077；运行版本与完整结果另存为独立文件。

05
数字实现的边界

SystemVerilog实现样本和、平方和及有效样本数的块统计；除以样本数在软件中完成。端口为16位有符号码，内部64位，同步复位，valid空拍保持状态；

按外部首尾标志进行块累加并在块尾输出。自检覆盖多组数据、空拍、边界和复位，仅验证所述整数子核，不代表完整算法的硬件验证。

独立自检程序已在 Icarus Verilog 13.0 中实际运行并通过。该结果不包含器件综合、静态时序分析或板级测试。

06
适用范围

用于直流电平估计、数字测量平均和接收链路噪声标定。采样相关性和基准漂移必须单独检查，不能仅以更长记录宣称精度提高。

07
工程上需要注意

非高斯样本的均值分布通常只在大样本下近似高斯。

未知方差的区间估计应引入方差估计与相应自由度。

有限精度实现必须区分输入量化、内部舍入和最终结果格式，不能仅依据浮点曲线估计硬件误差。

独立高斯假设给出均值误差的精确分布与平方根缩减规律，同时明确系统偏差不受平均抑制。

内容依据：每日精学第 158 课《高斯样本均值估计方差》。图表沿用原课固定参数数值结果，属于数值验证，不代表设备实测。

阅读7

写评论...

每日精学 158｜高斯样本均值估计方差

01模型与符号

02从模型到公式