均方根误差是一种常用的测量数值之间差异的量度，其数值常为模型预测的量或是被观察到的估计量。 A. 正确 B. 错误

均方根误差是一种常用的测量数值之间差异的量度，其数值常为模型预测的量或是被观察到的估计量。 A. 正确 B. 错误

均方根误差（RMSE）是衡量预测值与实际值之间差异的常用指标，核心作用是评估模型预测精度，而非单纯描述数据自身特性。题目中“被观察到的估计量”这一表述不准确，因为RMSE的本质是通过计算预测误差（预测值与真实值的差异）的平方均值再开方，重点关注模型预测偏差，而非数据本身的估计特性。

从定义看，RMSE的计算公式为：
$\text{RMSE} = \sqrt{\frac{1}{n} \sum_{i=1}^{n} (y_{\text{true}} - y_{\text{pred}})^2}$
其中 $y_{\text{true}}$ 是真实值，$y_{\text{pred}}$ 是模型预测值。这表明其核心是量化预测误差，例如在房价预测中，RMSE值直接反映模型预测价格与实际成交价的平均偏差幅度。

题目混淆了RMSE与描述性统计指标的区别。例如，标准偏差（SD）描述数据自身的离散程度，而RMSE专门评估预测性能；均方误差（MSE）是RMSE的平方形式，两者均服务于模型评估而非数据特征描述。文档中多次强调RMSE“用于回归模型评估”“衡量预测精度”，而非描述“被观察到的估计量”。

因此，题目表述错误，答案选B。理解RMSE的关键在于明确：它是模型预测能力的“成绩单”，数值越小说明预测越接近真实值，而不是对数据自身估计特性的描述。