赵娜0418

2020-11-22   阅读量: 14

统计学

无偏性、有效性和一致性如何区分理解?

问题详述:无偏性、有效性和一致性如何区分理解?


解答:

点估计是参数估计的重要组成部分,点估计的常见方法有矩估计和极大似然估计,衡量一个点估计量的好坏的标准有很多,比较常见的有:无偏性(Unbiasedness)、有效性(Efficiency)和一致性(Consistency)。


由于抽样具有随机性。每次抽出的样本一般都不会相同,根据样本值得到的点估计的值也不尽相同。那么,如何来确定一个点估计的好坏呢?单凭某一次抽样的样本是不具有说服力的,必须要通过很多次抽样的样本来衡量。因此,我们最容易能想到的就是,经过多次抽样后,将所有的点估计值平均起来,也就是取期望值,这个期望值应该和总体参数一样。这就是所谓的无偏性(Unbiasedness)。


有效性(Efficiency)是指,对同一总体参数,如果有多个无偏估计量,那么标准差最小的估计量更有效。因为一个无偏的估计量并不意味着它就非常接近被估计的参数,它还必须和总体参数的离散程度比较小。


一致性(Consistency)是指随着样本量的增大,点估计的值越来越接近被估计的总体的参数。


因为随着样本量增大,样本无限接近总体,那么,点估计的值也就随之无限接近总体参数的值。


46.2668 2 0 关注作者 收藏

评论(0)


暂无数据

推荐帖子

推荐课程