你这些符号的含义我有些迷惑。e'是误差，是个随机变量吧。e'_i和e'_j看你在求它们乘积的期望，那就是说e'_i表示第i次的观测量，也是个随机变量了，而且和e'同分布对吧？如果假设各次观测e'_i都是独立的，那么独立性推出不相关性，即协方差是0。又因为均值是0，所以如果i不等于j，可知E[(e'_i)(e'_j)]=0。

如果定义新的样本统计量，也是随机变量，如$$\beta=\frac{1}{N(N-1)}\sum_{i\ne j}^{N}e'_{i}e'_{j},$$那么它的期望$$\mathbb{E}[\beta]$$的算法可能类似你后面在做的，不过里面哪些是随机变量哪些是数值哪里在算随机变量的期望哪里在算一些数值的均值，有一点儿令人费解。

【 在 niceboy086 的大作中提到: 】
: 误差模型公式：a'=a+e'，
: a是没有误差的真实值, a'是观测值, e'是误差.
: 均值: E[e'] = 0, 方差V[e'] = deta方
: ...................
--
修改:lavertu FROM 112.80.16.*
FROM 112.80.16.*