假设要估计的真值为R，模型1的估计X1和模型2的估计X2分别都是R的无偏估计，我们设置最终估计是二者的加权，加权因子分别是W1和W2，二者的和为1。 如果目标设置为极小化W1*X1+W2*X2的预测误差（MSE）的话： MSE = E[W1*X1+W2*X2-R]^2 = (W1^2)E[(X1-R)^2] + (W2^2)*E[(X2-R)^2] – 0 #因为X1和X2不相关 = W1^2*VAR[X1] + W2^2*VAR[X2] 根据多元函数求极小值的理论，我们知道使得MSE最小的 W1 = (1/VAR[X1])/( 1/VAR[X1] + 1/VAR[X2]) W2 = (1/VAR[X2])/( 1/VAR[X1] + 1/VAR[X2]) 这个结论也可以自然扩展到多个模型估计的加权。