Вы измеряете время ответа и моделируете его как Normal(μ, σ) при известном σ. Какая точечная оценка MLE для параметра μ?
AВыборочная медиана
med(x) всех наблюдений x_iBВыборочное среднее
mean(x) всех наблюдений x_iCМаксимум выборки
max(x) среди всех наблюдений x_iDМинимум выборки
min(x) среди всех наблюдений x_iПравильный ответ. В нормальной модели
MLE для μ совпадает с выборочным средним mean(x).Разбор
Если предпосылка нормальности верна, среднее лучше всего согласуется с формой распределения, и правдоподобие максимизируется именно на mean(x). Это связывает знакомую статистику со смыслом MLE. Ошибка — считать, что MLE всегда совпадает с медианой или что выборочное среднее плохо из-за выбросов без проверки данных. Если хвост тяжёлый, нужно сначала пересмотреть модель, а не сам метод оценки.
Проверь себя · 1/3разбор после ответа
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?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» →