Mathematik

Unvoreingenommene und voreingenommene Schätzer

Eines der Ziele von Inferenzstatistiken ist unbekannt Bevölkerung abzuschätzen Parameter. Diese Schätzung wird durchgeführt, indem Konfidenzintervalle aus statistischen Stichproben erstellt werden. Eine Frage lautet: „Wie gut haben wir einen Schätzer?“ Mit anderen Worten: „Wie genau ist unser statistischer Prozess auf lange Sicht bei der Schätzung unserer Populationsparameter? Eine Möglichkeit, den Wert eines Schätzers zu bestimmen, besteht darin, zu prüfen, ob er unvoreingenommen ist. Diese Analyse erfordert, dass wir den erwarteten Wert unserer Statistik ermitteln.

 

Parameter und Statistiken

Wir beginnen mit der Betrachtung von Parametern und Statistiken. Wir betrachten Zufallsvariablen aus einem bekannten Verteilungstyp, jedoch mit einem unbekannten Parameter in dieser Verteilung. Dieser Parameter kann Teil einer Population sein oder Teil einer Wahrscheinlichkeitsdichtefunktion. Wir haben auch eine Funktion unserer Zufallsvariablen, und dies wird als Statistik bezeichnet. Die Statistik (X 1 , X 2 , …, X n ) schätzt den Parameter T und wird daher als Schätzer für T bezeichnet.

 

Unvoreingenommene und voreingenommene Schätzer

Wir definieren nun unvoreingenommene und voreingenommene Schätzer. Wir möchten, dass unser Schätzer langfristig mit unserem Parameter übereinstimmt. In einer genaueren Sprache möchten wir, dass der erwartete Wert unserer Statistik dem Parameter entspricht. Wenn dies der Fall ist, sagen wir, dass unsere Statistik ein unvoreingenommener Schätzer des Parameters ist.

Wenn ein Schätzer kein unverzerrter Schätzer ist, ist er ein voreingenommener Schätzer. Obwohl ein voreingenommener Schätzer seinen erwarteten Wert nicht gut an seinem Parameter ausrichtet, gibt es viele praktische Fälle, in denen ein voreingenommener Schätzer nützlich sein kann. Ein solcher Fall ist, wenn ein Konfidenzintervall von plus vier verwendet wird, um ein Konfidenzintervall für einen Bevölkerungsanteil zu erstellen.

 

Beispiel für Mittel

Um zu sehen, wie diese Idee funktioniert, werden wir ein Beispiel untersuchen, das sich auf den Mittelwert bezieht. Die Statistik

(X 1 + X 2 + … + X n ) / n

ist als Stichprobenmittelwert bekannt. Wir nehmen an, dass die Zufallsvariablen eine Zufallsstichprobe aus derselben Verteilung mit dem Mittelwert μ sind. Dies bedeutet, dass der erwartete Wert jeder Zufallsvariablen μ ist.

Wenn wir den erwarteten Wert unserer Statistik berechnen, sehen wir Folgendes:

E [(X 1 + X 2 + … + X n ) / n]=(E [X 1 ] + E [X 2 ] + … + E [X n ]) / n=(nE [X. 1 ]) / n=E [X 1 ] = μ.

Da der erwartete Wert der Statistik mit dem von ihr geschätzten Parameter übereinstimmt, bedeutet dies, dass der Stichprobenmittelwert ein unvoreingenommener Schätzer für den Populationsmittelwert ist.

Similar Posts

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.