Что лучше всего отличает точечную оценку параметра от confidence interval?
AТочечная оценка — одно значение вроде
p_hat, а confidence interval даёт диапазон возможных значений параметра при уровне 1-αBТочечная оценка обязательно использует
CDF, а интервал — только PMFC
Confidence interval всегда точнее, чем точечная оценка, поэтому точечная не нужнаDЭто одно и то же, просто разные названия
Правильный ответ. Точечная оценка даёт одно число, а
confidence interval показывает неопределённость вокруг него.Разбор
Точечная оценка удобна для отчётов и сравнения вариантов, но она не говорит, насколько вы уверены в числе. Интервал добавляет контекст неопределённости и помогает не переинтерпретировать шум как эффект. Частая ошибка — делать сильные выводы, видя только p_hat, и не проверять, широкий ли confidence interval.
Проверь себя · 1/3разбор после ответа
Вы измеряете время ответа и моделируете его как
Normal(μ,σ) при известном σ. Какая точечная оценка MLE для μ?Ещё вопросы по теме «Точечные оценки и MLE»
- Вы оцениваете вероятность конверсии `p` по выборке: из 100 пользователей 56 оплатили. Что является точечной оценкой параметра `p`?
- Что означает свойство `несмещённость` для оценки `θ_hat` параметра `θ`?
- Как лучше всего описать `состоятельность` последовательности оценок `θ_hat_n`?
- Есть две оценки одного параметра: `θ_hat_A` несмещённая, но с высокой `variance`; `θ_hat_B` слегка смещённая, но с низкой `variance`. По какому критерию можно оправданно выбрать `θ_hat_B` как более полезную точечную оценку?
- Две оценки параметра `θ` обе имеют свойство несмещённости. У `θ_hat_A` дисперсия меньше, чем у `θ_hat_B` на том же размере выборки. Что можно сказать про эффективность (интуитивно)?
- Все вопросы по «Точечные оценки и MLE» →