Језик :
SWEWE Члан :Пријава |Регистрација
Претражи
Енциклопедија заједница |Енциклопедија Одговори |Пошаљи питање |Речник Знање |Додај знања
Претходна 1 Следећи Изаберите Странице

Поинт процена

Тачка процена: такође познат вредност процена је да се користи стварну вредност као показатеља укупног узорка процене параметара

Скицирати

тачка процена

Огледних података за процену укупне дистрибуције праве вредности које се налазе у непознатим параметрима, резултат вредност процењена вредност зове. Усмерите процените интервале поверења за тачност репрезентације.Мајка природа није јасно када група, морамо да користимо одређену количину број као и процена да би разумели природу матичног броја, као што су: узорка, али мислим група μ родитељ процењује када користимо само одређени вредности, т.ј. на број линије до тачке, као процени да процени број родитеља, зове процене.

Тачка процена се заснива на објективном узорку к = (Кс1, Кс2, ..., Ксн) оценили су непознати параметри укључени у укупној расподели θ или θ као функција г (θ). Опште θ или г (θ) је укупна вредност функције, као што су математичко очекивање, варијанса, коефицијент корелације.

Уобичајене методе тренутку процењује тренутак метод процене, делове статистике, максималне веродостојности, метода најмањих квадрата.

Текст

Облик оцену параметара. Сврха је на основу узорка Кс = (Кс1, Кс2, ..., Ксн) проценити Процена становништва тачке

Тканина укључени у непозната параметра θ или θ као функција г (θ). Опште θ или г (θ) је укупна вредност функције, као што су математичко очекивање, варијанса, коефицијент корелације (видети релевантне анализе) и тако даље. θ или г (θ) обично се прави или к-димензионални прави вектор вредности. Тачка процена проблем је да се изгради узорак од Кс зависи само од количине Тао (Кс), као г (θ) процена. Иао (Кс) се зове Г (θ) процењивач. Пошто К-димензионални вектор прави се може изразити као К-димензионални Еуклидов простор до тачке, тако да се таква процена за процене.

На пример, подесите број производа, отпад стопа θ θ, да процени, од тих производа н случајно нацртао за инспекцију Кс у виду број отпада који, са к / н процени θ, је тачка процена. Други пример је варијансе узорка (види статистику) процењена укупна расподела варијансе, или узорак коефицијент корелације процењује укупна расподела коефицијент корелације су заједничка тачка процена.

Конструктор

Момент метод процене

Ово је британски статистичар К Пирсон метод предложен у 1894., Суштина је у томе поента процена са узорком тренуцима

Функција за процену популације тренутке исту функцију. На пример, уколико укупна расподела је нормална расподела Н (μ, σ ^ 2), где је μ становништво Мислим, σ ^ 2 је популација варијанса, непознати параметри може бити написан као θ = (μ, σ). σ / μ (μ = 0) се зове коефицијент варијације, што је порекло укупних првог реда тренуцима (тј. мислим) μ и други централни моменат (тј., варијанса) σ ^ 2 функцију. Узорак Кс = (Кс1, Кс2, ..., Ксн), првог реда тренутак узорка порекла, другог централног момента узорак, али са процењеном / σ μ, је типичан тренутак метод процене.

Процена метода

Максималне веродостојности метод процене

Овај метод је као важан и прожима методом тачка процена, од стране британског статистичар РА Фишер 1912 изнео. Касније у свом раду 1921 и 1925 се мора развијати. Нека узорак Кс = (Кс1, Кс2, ..., Ксн) дистрибутивног густине Л (θ к,), ако је фиксна Кс

Поинт процена

А Л као функција θ, назива се вероватноћа функцију, када је Кс принципу случајног узорка, што је једнако ƒ (Кс1, θ) ƒ (Кс2, θ) ... ƒ (Ксн, θ), где је, Е ( к, θ) је функција густине расподела или укупна вероватноћа функција (видети расподелу вероватноће). Једном добијени узорак Кс вредност, да се утврди (к), па, а затим проценити г (θ), који је г (θ) од максималне веродостојности процене. На пример, није тешко доказати, пред процењеном нормалне расподеле Н (μ, σ2) параметара μ и σ ^ 2 и предложени процењивачу и два, односно, μ и σ ^ 2 максималне вероватноће процене.

Најмањих квадрата метод процене

Овај важан метод процене је развио немачки математичар Гаус ЦФ 1799 ~ 1809, а француски математичар АбдулМелик Лежандр предложио у 1806 од стране руског математичара Α.Α. бити Марков у 1900 развој. Углавном се користи за линеарни статистички модел параметар тачка процењује

Број процена проблема. Бајесов метод процене се заснива на "Бајесовим" поглед изнео метод процене (видети баиесиан статистику).

Одлично стандарду

Мали узорак одличне смернице

Може да се користи за процену г (θ) процену многих, поставља питање о томе како да изаберете добру процену проблема. Ми прво мора истаћи процену

"Боже," усмерава. Ово није једини критеријум, то може бити практични проблеми и теоријске основе да олакша избор. Критеријуми квалитета, постоје два: једно је мали узорак критеријум, односно када је величина узорка је фиксна одличне смернице, а други је велики узорак критеријум, односно када је величина узорка тежи бесконачности одличне смернице. Најважнији критеријум је мали узорак добро и без предрасуда у вези са овим равномерно минимум варијансном непристрасног естиматор. Уколико процењивач Тао (к) једнака је математичко очекивање процењеног г (θ), односно за све θ,, зове Тао (Кс) Г (θ) је непристрасна процена, та процена карактерише: поновио тачка процена

Временом, Јао (к) и г (θ) за одступање аритметичке средине са повећањем учесталости коришћења тежи нули. Дакле, не само пристрасност у поновну употребу, и сваки пут грешке могу се потиру када се показује свој значај. Непристрасни Проценитељ увек не постоји. На пример, под претпоставком да укупан биномну Б (н, θ), 0 <; θ <1, онда 1 / θ је непристрасна процена не постоји. Понекад, постоје поуздане процене, али је веома неразумно. У неком тренутку процени

Проблеми, непристрасна процена има много, они су одлична мера њене варијансе, варијанса што мања. Ако непристрасан процена варијансе од било ког другог непристрасног процењивача варијансе је мали, или највише једнаки, онда га зову равномерно минималне варијансе непристрасни процењивач. Гледајући равномерно минималне варијансе непристрасна процењивач заједничке методе је да се Д. Блацквелл, Ел Леман и Х. Јаффе предложен 1950, она је заснована на статистичким адекватности и потпуности концепта: Нека Тао (Кс ) је непристрасан процењивач, Т је сасвим довољно статистике, онда Иао (Кс) на датој Т, условно очекивање је равномерно минималне варијансе непристрасни процењивач. Црамер - Рао, неједнакост је да тражи равномерно минимум варијансног непристрасну процену је још један важан инструмент у томе је ствар процена индијском статистичар

Шведски статистичар ЦР Рао и Крамер Х. 1945 и 1946 је самостално сертификован. Када узорак вероватноћа функција Л (к, θ) задовољава одређене услове, онда г (θ) једног објективног процењивач Тао (к), варијанса за све θ задовољава неједнакост ово неједнакост на право само на дистрибуцију узорака и функција г се процењује, али не и са Иао (к) нема никакве везе. Ова неједнакост се обично назива Црамер - Рао, неједнакост, ЦР или неједнакост. То даје право г (θ) је непристрасна процена варијансе минимум доње границе, под називом Црамер - Рао, доња граница или ЦР доње границе. Дакле, уколико непристрасна процена варијансе доње границе ЦР, онда то мора бити равномерно минималне варијансе непристрасни процењивач. ЦР неједнакост у другим статистичким проблемима примењују. Поинт процена


Претходна 1 Следећи Изаберите Странице
Корисник Преглед
Но цомментс иет
Ја желим да коментаришем [Посетилац (44.210.*.*) | Пријава ]

Језик :
| Проверите код :


Претражи

版权申明 | 隐私权政策 | Ауторско право @2018 Свет енциклопедијско знање