Bühlmann（最大精度）信度

經典信度只問「我的資料吵不吵？」。Hans Bühlmann 在 1967 年的想法問出了更銳利的問題：「風險之間究竟差異多大，而每個風險的資料又有多吵？」——然後選出令估計盡可能精確的權重 Z。它不只求限制波動，而是直接最小化預測的期望平方誤差。這正是它被稱為最大精度信度的原因。

該模型設想：每個風險有它自己隱藏的真實均值（它的「假設均值」），從一群風險的母體中抽出；而它觀測到的理賠圍繞這個隱藏均值散布。於是有兩個量至關重要：隱藏均值在風險之間相差多少（假設均值的變異數，VHM），以及每個風險的資料圍繞其自身均值跳動多少（期望過程變異數，EPV）。Bühlmann 證明，最佳線性估計就是我們熟悉的混合，其中 Z = n/(n + k)，k = EPV/VHM，n 為觀測次數。差異很大的風險（VHM 大、k 小）得到高 Z；當資料相對於真實差異非常吵時（EPV 大、k 大），Z 保持很低。

Bühlmann 信度是現代經驗費率的理論支柱。相較經典信度，它的巨大優點是用兩個可估計的變異數、而非一個隨意的波動目標來回答「為何信任你的資料」，並且總是朝整個集合體的總均值混合。它誠實的缺點：你必須從資料中估計 EPV 與 VHM（即經驗貝氏那一步），而其結果是最佳線性預測，未必是一切可能預測中的最佳——要那樣，你需要完整的貝氏後驗，而 Bühlmann 正是對它的近似。