Я действительно удивлен, что никто, кажется, не спросил это уже ...
При обсуждении оценщиков часто используются два термина: «последовательный» и «беспристрастный». Мой вопрос прост: какая разница?
Точные технические определения этих терминов довольно сложны, и сложно понять, что они означают . Я могу представить себе хорошую оценку и плохую оценку, но мне трудно понять, как любой оценщик может удовлетворить одно условие, а не другое.
unbiased-estimator
estimators
consistency
MathematicalOrchid
источник
источник
Ответы:
Чтобы определить два термина, не используя слишком много технического языка:
Оценщик непротиворечив, если при увеличении размера выборки оценки (производимые оценщиком) «сходятся» к истинному значению оцениваемого параметра. Чтобы быть немного более точным - согласованность означает, что с увеличением размера выборки распределение выборки оценки становится все более концентрированным при истинном значении параметра.
Оценщик является беспристрастным, если в среднем достигает истинного значения параметра. Таким образом, среднее значение выборочного распределения оценки равно истинному значению параметра.
Два не эквивалентны: Объективность - это утверждение об ожидаемом значении выборочного распределения оценки. Согласованность - это утверждение о том, «где происходит распределение выборки оценки» по мере увеличения размера выборки.
Конечно, одно условие может быть выполнено, а другое - нет. Я приведу два примера. Для обоих примеров рассмотрим образец из популяции .X1,...,Xn N(μ,σ2)
Беспристрастный, но не последовательный: предположим, вы оцениваете . Тогда является несмещенной оценкой так как . Но не согласован, так как его распределение не становится более концентрированным вокруг с увеличением размера выборки - это всегда !μ X1 μ E(X1)=μ X1 μ N(μ,σ2)
Последовательно, но не беспристрастно. Предположим, вы оцениваете . Оценка максимального правдоподобия: где образец среднего. Фактом является то, что , которое можно получить, используя приведенную здесь информацию . Поэтому смещен для любого конечного размера выборки. Мы также можем легко вывести, что Из этих фактов мы можем неофициально увидеть, что распределениеσ2
источник
Согласованность оценки означает, что по мере увеличения размера выборки оценка становится все ближе и ближе к истинному значению параметра. Беспристрастность - это свойство конечной выборки, на которое не влияет увеличение размера выборки. Оценка является несмещенной, если ее ожидаемое значение равно истинному значению параметра. Это будет верно для всех размеров выборки и является точным, тогда как согласованность асимптотическая и только приблизительно равна и не точна.
Сказать, что оценщик является беспристрастным, означает, что если вы взяли много выборок размера и вычислили оценку каждый раз, то среднее значение всех этих оценок будет близко к истинному значению параметра и будет приближаться по мере того, как количество раз вы делаете это, увеличивается , Среднее значение выборки является как последовательным, так и объективным. Выборочная оценка стандартного отклонения является предвзятой, но последовательной.n
Обновите после комментариев в комментариях @cardinal и @Macro: как описано ниже, есть, по-видимому, патологические случаи, когда дисперсия не должна идти до 0, чтобы оценка была строго согласованной, а смещение даже не должно идти 0 тоже нет.
источник
Согласованность: очень хорошо объяснено ранее [с увеличением размера выборки оценки (производимые оценщиком) «сходятся» к истинному значению оцениваемого параметра]
Беспристрастность: он удовлетворяет предположениям 1-5 MLR, известным как теорема Гаусса-Маркова
Тогда оценщик называется СИНИМ (лучший линейный несмещенный оценщик
источник