最小充分统计量:在统计推断中,一种统计量既“充分”(包含关于参数的全部信息,不损失信息),又在所有充分统计量中“最小”(信息不再有可进一步压缩的冗余;通常指由它生成的 σ-代数最小,或在一类意义下是最粗的充分统计)。常用于估计与假设检验,以实现数据降维而不丢失与参数有关的信息。
/ˈmɪnɪməl səˈfɪʃənt stəˈtɪstɪk/
A minimal sufficient statistic summarizes the data without losing information about the parameter.
最小充分统计量能在不丢失参数信息的情况下概括数据。
For a normal model with known variance, the sample mean is a minimal sufficient statistic for the mean parameter.
对于方差已知的正态模型,样本均值是均值参数的一个最小充分统计量。
该术语由三部分构成:minimal(“最小的”)+ sufficient(“充分的”)+ statistic(“统计量”)。其核心思想源于统计学中“充分性”(sufficiency)的概念发展:用一个统计量保留样本中与参数相关的全部信息;在此基础上再强调“最小性”,即在不损失信息的前提下尽可能压缩数据表示。这一脉络与费舍尔(R. A. Fisher)推动的现代统计推断体系密切相关,并在后续的数理统计教材中被系统化。