Variance
為什麼我們要穩定方差？
我在閱讀Kaggle Essay Eval 方法時遇到了方差穩定轉換。他們使用方差穩定變換來變換 kappa 值，然後再取平均值，然後再將它們變換回來。即使在閱讀了我無法理解的關於方差穩定變換的 wiki 之後，為什麼我們實際上要穩定方差？我們從中得到什麼好處？
這是一個答案：通常，進行統計推斷的最有效方法是當你的數據是獨立同分佈時，如果不是，你會從不同的觀察中獲得不同數量的信息，這樣效率會降低。另一種看法是，如果您可以在推理中添加額外的信息（即，通過方差穩定變換，方差的函數形式），您通常會提高估計的準確性，至少是漸近的。在非常小的樣本中，為方差建模而煩惱可能會增加您的小樣本偏差。這是一種計量經濟學 GMM 類型的論證：如果你添加額外的矩，你的漸近方差不會上升；並且您的有限樣本偏差隨著過度識別的自由度而增加。
基數給出了另一個答案：如果你的漸近方差表達式中有一個未知的方差，那麼收斂到漸近分佈的速度會更慢，你必須以某種方式估計這個方差。預先透視您的數據或統計數據通常有助於提高漸近近似的準確性。