Questions marquées «unbiased-estimator»

Désigne un estimateur d'un paramètre de population qui "atteint la vraie valeur" en moyenne. Autrement dit, une fonction des données observées est un estimateur non biaisé d'un paramètre si . L'exemple le plus simple d'estimateur sans biais est la moyenne de l'échantillon comme estimateur de la moyenne de la population. θ^θE(θ^)=θ

3
Estimation impartiale de la matrice de covariance pour les données à censure multiple
Les analyses chimiques d'échantillons environnementaux sont souvent censurées ci-dessous aux limites de déclaration ou à diverses limites de détection / quantification. Ces dernières peuvent varier, généralement proportionnellement aux valeurs des autres variables. Par exemple, un échantillon avec une concentration élevée d'un composé pourrait devoir être dilué pour l'analyse, ce qui …
4
Que signifie «impartialité»?
Que signifie dire que "la variance est un estimateur biaisé". Que signifie convertir une estimation biaisée en une estimation non biaisée au moyen d'une formule simple. Que fait exactement cette conversion? Aussi, quelle est l'utilité pratique de cette conversion? Convertissez-vous ces scores lorsque vous utilisez certains types de statistiques?
2
Quelle est l'intuition derrière la définition de l'exhaustivité d'une statistique comme étant impossible de former un estimateur sans biais de
Dans les statistiques classiques, il existe une définition selon laquelle une statistique TTT d'un ensemble de données y1,…,yny1,…,yny_1, \ldots, y_n est définie pour être complète pour un paramètre θθ\theta il est impossible de former un estimateur sans biais de 000 partir de celui-ci de manière non triviale. Autrement dit, la …
2
Pour quelles distributions existe-t-il un estimateur sans biais de forme fermée pour l'écart-type?
Pour la distribution normale, il existe un estimateur non biaisé de l'écart-type donné par: σ^unbiased=Γ(n−12)Γ(n2)12∑k=1n(xi−x¯)2−−−−−−−−−−−−√σ^unbiased=Γ(n−12)Γ(n2)12∑k=1n(xi−x¯)2\hat{\sigma}_\text{unbiased} = \frac{\Gamma(\frac{n-1}{2})}{\Gamma(\frac{n}{2})} \sqrt{\frac{1}{2}\sum_{k=1}^n(x_i-\bar{x})^2} La raison pour laquelle ce résultat n'est pas si bien connu semble être qu'il s'agit en grande partie d'une curiosité plutôt que d'une question de grande importance . La preuve est couverte …
3
Pourquoi faut-il utiliser REML (au lieu de ML) pour choisir parmi les modèles var-covar imbriqués?
Diverses descriptions sur la sélection des modèles sur les effets aléatoires des modèles mixtes linéaires indiquent l'utilisation de REML. Je connais la différence entre REML et ML à un certain niveau, mais je ne comprends pas pourquoi REML devrait être utilisé parce que ML est biaisé. Par exemple, est-ce mal …
1
Un estimateur non biaisé du rapport de deux coefficients de régression?
Supposons que vous ajustiez une régression linéaire / logistique , dans le but d'une estimation non biaisée de . Vous êtes très confiant que et sont très positifs par rapport au bruit dans leurs estimations.a 1g(y)=a0+a1⋅x1+a2⋅x2g(y)=a0+a1⋅x1+a2⋅x2g(y) = a_0 + a_1\cdot x_1 + a_2\cdot x_2 a1a2a1a2a1a2\frac{a_1}{a_2}a1a1a_1a2a2a_2 Si vous avez la covariance …
1
Autres estimateurs non biaisés que le BLEU (solution OLS) pour les modèles linéaires
Pour un modèle linéaire, la solution OLS fournit le meilleur estimateur linéaire sans biais pour les paramètres. Bien sûr, nous pouvons échanger un biais pour une variance plus faible, par exemple la régression des crêtes. Mais ma question concerne l'absence de parti pris. Existe-t-il d'autres estimateurs quelque peu couramment utilisés, …
2
Estimation des paramètres d'une distribution normale: médiane au lieu de moyenne?
L'approche courante pour estimer les paramètres d'une distribution normale consiste à utiliser la moyenne et l'écart-type / variance de l'échantillon. Cependant, s'il y a des valeurs aberrantes, la médiane et l'écart médian par rapport à la médiane devraient être beaucoup plus robustes, non? Sur certains ensembles de données que j'ai …
5
Pourquoi les écoles américaines et britanniques enseignent-elles différentes méthodes de calcul de l'écart-type?
Si je comprends bien, les écoles britanniques enseignent que l'écart-type se trouve en utilisant: alors que les écoles américaines enseignent: (au niveau de base de toute façon). Cela a causé un certain nombre de problèmes à mes étudiants dans le passé, car ils ont cherché sur Internet, mais ils ont …
1
Minimiser les biais dans la modélisation explicative, pourquoi? («Pour expliquer ou prédire» de Galit Shmueli)
Cette question fait référence à l'article de Galit Shmueli "Expliquer ou prédire" . Plus précisément, dans la section 1.5, «Expliquer et prédire sont différents», le professeur Shmueli écrit: Dans la modélisation explicative, l'accent est mis sur la minimisation du biais pour obtenir la représentation la plus précise de la théorie …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.