Yanıtlar:
Burada her şeyi bulabilirsiniz . Ancak, işte kısa bir cevap.
Let ve ortalama ve ilgi varyans olabilir; büyüklüğü örneğine dayanarak değerini tahmin etmek istiyorsanız .σ 2 σ 2 , n
Şimdi, şu tahmin ediciyi kullandığınızı söyleyelim:
,
burada , tahmincisidir .μ
olduğunu görmek çok zor değil (dipnota bakınız) .
Yana , tahmin eğimli olduğu söylenir.S 2
Ancak, olduğunu gözleyin . Bu nedenle , nin yansız bir tahmincisidir . ˜ S 2=nσ2
dipnot
yazarak başlayın ve ardından ürünü genişletin ...
Yorumlarınızın hesabını düzenleyin
Beklenen değeri does not vermek (ve dolayısıyla bastırılmaktadır), ancak dönüştürmek üzerinden bu döner içine beklenti yapar vermek böylece .σ 2 S 2 S 2 ˜ S 2 σ 2
Uygulamada, bir çoğu ile çalışmak tercih yerine . Ancak, yeterince büyükse, olduğundan bu büyük bir sorun değildir .S2, n, n
Not: Tarafsızlığın, tahmin ettiğiniz gibi değil, tahmin edeceğiniz bir tahminci olduğuna dikkat edin.
@Ocram'ın verdiği açıklama harika. O kelime söylediklerini açıklamak için: şu hesaplamayı eğer sadece bölerek (sezgisel olan), bizim tahmin gerçeğinden daha düşük olur. Telafi etmek için bölüyoruz .
İşte bir alıştırma: 2 sonuçla ayrık bir olasılık oluşturun, Diyelim ki ve . Bu dağıtım için ve bulun . olduğunda, örnek ortalaması için ve hesaplayın . Tüm olası örneklerini hesapla . Bu örneklerde hesaplayın ve uygun frekansları uygulayın.
Bazen ellerini kirletmelisin.
Genelde payda "n" kullanmak, tahmin etmek istediğimiz nüfus varyansından daha küçük değerler verir. Bu, özellikle küçük numuneler alınırsa olur. İstatistik dilinde, örneklem varyansının popülasyon varyansının “önyargılı” bir tahminini sunduğunu ve “tarafsız” yapılması gerektiğini söylüyoruz.
Bu video, sorunuzun her bölümünü yeterli şekilde yanıtlayacaktır.