Buhlmann 信度常数 k

在 Buhlmann 信度中，给自身数据的权重是 Z = n/(n + k)，其中 n 是你拥有的观测数。数字 k 是守门人。它以观测为单位告诉你：在开始信任个体之前需要多少数据——当 n 等于 k 时，Z 恰好为二分之一。把 k 想成“信度的价格”——k 小意味着便宜（你的数据很快取胜），k 大意味着昂贵（你会长久地拴在基准上）。

k 不是一个随意的旋钮；它由两个结构参数固定为 k = EPV / VHM——过程方差的期望值除以假设均值的方差。把它读成一个倒过来的信噪故事：各风险内部的噪声在分子，真实的信号（风险之间差异多大）在分母。当风险几乎没有差异（VHM 极小）或每个风险的数据非常吵（EPV 大）时，k 大、Z 小，你倚靠集合体；当风险相对于其内部噪声差异很大时，k 小、Z 大，个体自身的数据主导费率。举例：EPV = 0.4、VHM = 0.05 得 k = 8，故某风险需 8 年才达到 Z = 0.5。

由于 k 把模型的全部结构打包进一个常数，把它估好正是应用 Buhlmann 信度的关键，通常经由经验贝叶斯完成。两点提醒：k 是有量纲的（每观测、每暴露单位），只有与 n 的度量方式放在一起才有意义；而 k 是建立在 EPV 与 VHM 之上的估计，它们本身带着抽样误差——所以把所得的 Z 当作有理有据的数字，而非精确的自然常数。