아무도 이걸 이미 묻지 않은 것 같습니다.
추정자를 논의 할 때 자주 사용되는 두 가지 용어는 "일관성"및 "편견없는"입니다. 내 질문은 간단합니다. 차이점은 무엇입니까?
이러한 용어의 정확한 기술적 정의는 상당히 복잡하며 그 의미에 대한 직관적 인 느낌을 얻기가 어렵습니다 . 좋은 견적 도구와 나쁜 견적 도구를 상상할 수는 있지만 어떤 견적 도구가 다른 조건이 아닌 어떤 조건을 만족시킬 수 있는지 보는 데 어려움을 겪고 있습니다.
아무도 이걸 이미 묻지 않은 것 같습니다.
추정자를 논의 할 때 자주 사용되는 두 가지 용어는 "일관성"및 "편견없는"입니다. 내 질문은 간단합니다. 차이점은 무엇입니까?
이러한 용어의 정확한 기술적 정의는 상당히 복잡하며 그 의미에 대한 직관적 인 느낌을 얻기가 어렵습니다 . 좋은 견적 도구와 나쁜 견적 도구를 상상할 수는 있지만 어떤 견적 도구가 다른 조건이 아닌 어떤 조건을 만족시킬 수 있는지 보는 데 어려움을 겪고 있습니다.
답변:
너무 많은 기술 언어를 사용하지 않고 두 용어를 정의하려면 다음을 수행하십시오.
추정치는 표본 크기가 증가함에 따라 추정치 (추정자가 생성 한)가 추정되는 모수의 실제 값으로 "수렴"하는 경우에 일관 됩니다. 좀 더 정확하게 일관성을 유지한다는 것은 표본 크기가 증가함에 따라 추정기의 표본 분포가 실제 모수 값에 점점 더 집중됨을 의미합니다.
평균적으로 실제 모수 값에 도달 하면 추정기는 편향되지 않습니다. 즉, 추정기의 샘플링 분포의 평균은 실제 모수 값과 같습니다.
두 사람은 해당되지 않습니다 Unbiasedness는 추의 샘플링 분포의 기대 값에 대한 진술이다. 일관성 은 샘플 크기가 증가함에 따라 "추정기의 샘플링 분포가 진행되는 위치"에 대한 설명입니다.
한 조건이 만족 될 수는 있지만 다른 조건은 그렇지 않을 수도 있습니다. 두 가지 예를 들어 보겠습니다. 두 예 모두 모집단 의 표본 을 고려하십시오 .
편견은 없지만 일관성이 없다 : 추정한다고 가정하자 . 그러면 은 이기 때문에 의 편향 추정량입니다 . 그러나 표본 크기가 증가함에 따라 분포가 주위에 더 집중되지 않기 때문에 은 일관성이 없습니다. 항상 !
일관성이 있지만 편견이없는 경우 : 추정한다고 가정합니다 . 최대 우도 추정값은 여기서 표본 평균입니다. 여기서 , 는 여기 의 정보를 사용하여 도출 할 수 있습니다 . 따라서 유한 샘플 크기에 대해 가 바이어스됩니다. 또한 쉽게 도출 할 수 있습니다. 분포
추정기의 일관성은 표본 크기가 클수록 추정치가 모수의 실제 값에 더 가깝고 더 가깝다는 것을 의미합니다. 편견은 유한 샘플 속성으로, 샘플 크기가 증가해도 영향을받지 않습니다. 예상 값이 실제 모수 값과 같으면 추정값이 편향되지 않습니다. 일관성은 점근 적이며 대략 동일하고 정확하지는 않지만 모든 샘플 크기에 적용됩니다.
추정값이 공정하지 않다는 것은 크기가 표본을 많이 가져와 매번 추정값을 계산할 때 이러한 모든 추정값의 평균이 실제 모수 값에 가까워지고이 횟수가 증가함에 따라 더 가까워진 다는 것을 의미합니다. . 표본 평균은 일관되고 편향되지 않습니다. 표준 편차의 표본 추정치는 치우 치지 만 일관됩니다.
@cardinal 및 @Macro에 대한 의견에 대한 토론에 따라 업데이트하십시오. 아래에 설명 된 것처럼 추정기가 강하게 일관성을 유지하기 위해 분산이 0으로 갈 필요가 없으며 병행 현상이 발생하지 않아도되는 병리학 적 사례가 있습니다. 0도.
일관성 : [샘플 크기가 증가함에 따라 추정치에 의해 생성 된 추정치가 추정되는 모수의 실제 값으로 "수렴 됨"전에 매우 잘 설명 됨
Unbiasedness : Gauss-Markov Theorem으로 알려진 1-5 개의 MLR 가정을 만족시킵니다.
그런 다음 추정기는 BLUE라고합니다 (최선 선형 편향 추정기