过程方差的期望值

取一位真实事故率固定的司机。即便如此，她有些年份没有事故，有些年份一两起——纯属运气在她自己真实费率周围摆动。这种逐年的摆动，即在某风险真实值被固定下来后其内部的噪声，就是过程方差。过程方差的期望值 EPV，是这种摆动在总体中所有风险上的平均——衡量单个风险的数据平均而言有多吵。

形式上，对于带有隐藏参数 theta 的风险，过程方差为 Var(理赔 | theta)——即风险类型已知时结果的散布。我们几乎从不知道 theta，于是把它对风险类型的分布取平均：EPV = E[ Var(理赔 | theta) ]。这是“组内”或“噪声”那一块。一幅小小的数值图景：若已知某司机为高风险，其一年的次数仍以方差 0.5 变动，低风险司机的次数以方差 0.3 变动，而两类同样常见，则 EPV = (0.5 + 0.3)/2 = 0.4。

EPV 是 Buhlmann 信度的两个结构参数之一（另一个是假设均值的方差）。它是分母的朋友：EPV 大意味着每个风险自身的数据非常吵，这会把 Buhlmann 常数 k = EPV/VHM 推高、把信度 Z 压低——你更少地信任个体的数据，因为你看到的大部分都是运气。从数据中估计 EPV（通常取各风险样本方差的平均）是经验贝叶斯信度的核心一步。