怎样判断是不是无偏估计量还有就是怎样判断哪个最有效
对于待估参数,不同的样本值就会得到不同的估计值。这样,要确定一个估计量的好坏,就不能仅仅依据某次抽样的结果来衡量,而必须由大量抽样的结果来衡量。对此一个自然而基本的衡量标准是要求估计量无系统偏差。
尽管在一次抽样中得到的估计值不一定恰好等于待估参数的真值,但在大量重复抽样时,所得到的估计值平均起来应与待估参数的真值相同,换句话说,希望估计量的均值应等于未知参数的真值,这就是所谓无偏性的要求。数学期望等于被估计的量的统计估计量称为无偏估计量。
判断有效的方法是在科学技术中以作为θ的估计的系统误差,无偏估计的实际意义就是无系统误差。例如,设总体X的均值𝜇及方差σ²都存在但均未知,因为这就是说不论总体服从什么分布,其样本均值是总体均值的无偏估计,样本方差是总体方差的无偏估计。
扩展资料:
在实际应用中,对整个系统(整个实验)而言无系统偏差,就一次实验来讲,可能偏大也可能偏小,实质上并说明不了什么问题,只是平均来说它没有偏差,所以无偏性只有在大量的重复实验中才能体现出来;另一方面,无偏估计只涉及一阶矩(均值)。
虽然计算简便,但往往会出现一个参数的无偏估计有多个,而无法确定哪个估计量好。无偏性的作用在于可以把重复估计中的各次误差通过平均来消除。这并不意味着该估计量在一次使用时并能获得良好的结果。在具体问题中,无偏性是否合理,应当结合具体情况来考虑。
在有些问题中,无偏性的要求可能会导出不同的结果来。事实上X1,X2,....Xn中的每一个均可作为θ的无偏估计量,究竟哪个估计量更合理,就看哪个估计量的观察值更接近真实值,即估计量的观察值更密集地分布在真实值附近。
参考资料来源:
2021-01-25 广告