Mathematical-Statistics
完整性背後的直覺
完整性的定義是，如果一個統計是完整的，我們有每個可測量的,
我聽說我們可以將完整性視為說，如果我們想使用完整的函數來估計零函數，在統計量的所有零無偏函數類中，唯一一個幾乎肯定取值為 0 的函數。這似乎是一個奇怪的概念——我們為什麼要估計零函數？
我也聽說在估計概率模型的參數時, 只需要一個足夠的統計數據。我聽說有任何超過足夠的統計數據不能提供額外的信息。這與上述完整性的定義有何联系（Basu 的，也許？）？
對於上述（看似）奇怪的情況，是否有更好的直覺？
為了完整性
回憶如果 然後是一個無偏估計.
現在也會如果
所以它保證是唯一的無偏估計。（其餘的和許多細節我都忘記了。）
為了足夠
了解充分性的最簡單方法是通過相對置信比，即後驗概率除以通過 ABC 或兩階段模擬*計算的先驗概率（這是 k * 似然度）。*在以足夠的統計量為條件後，進一步的條件不會改變後驗分佈。如果兩個不同的統計量是足夠的，則對任何一個進行調節都會給出相同的後驗分佈，而最小的充分統計量將給出相同後驗分佈的最佳近似值。但是，如果這是針對一門課程的，那麼這可能只會分散注意力，因為您可能需要根據對似然函數進行索引的統計數據來回答。