Пусть X̄ — среднее по выборке. Рассмотрим точечную оценку θ̂_n = X̄ + 1/n для параметра θ = E[X]. Как корректно описать её свойства?
AОна строго несмещённая и строго состоятельная, потому что
1/n не влияет на математическое ожидание оценкиBОна несмещённая, но не состоятельная, потому что добавка
1/n сохраняется при любом размере выборкиCОна не несмещённая и не состоятельная, потому что любое смещение автоматически ломает свойства оценки
DОна смещённая на
1/n, но смещение стремится к нулю при росте n, поэтому состоятельность сохраняетсяПравильный ответ. Оценка может быть смещённой при конечном
n, но всё равно быть состоятельной, если смещение убывает к нулю.Разбор
Добавка 1/n даёт E[θ̂_n] = θ + 1/n, то есть оценка смещённая. Но при росте n это смещение исчезает, и поведение становится почти как у X̄, которая обычно состоятельна. Поэтому θ̂_n можно считать состоятельной, хотя строго несмещённой на конечных выборках она не является. Ошибка — думать, что любое смещение автоматически ломает свойства на больших выборках.
Проверь себя · 1/3разбор после ответа
В формулировке
MLE что считается фиксированным, а что подбирается при максимизации функции правдоподобия?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 несмещённости 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 дисперсией; `θ_hat_B` слегка смещённая, но с низкой дисперсией. По какому критерию можно оправданно выбрать `θ_hat_B` как более полезную точечную оценку?
- Две оценки параметра `θ` обе обладают свойством 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» →