なぜn-1で割るのか?がわかる!標本分散と不偏分散の違いと使い分けを徹底解説!

不偏 推定 量 と は

不偏推定量 『推定量の分布の期待値』が『推定したい値の真値』と一致することは,「性質が良い」推定量の条件と言えるでしょう.この性質を持つ推定量を, 不偏推定量 (Unbiased estimator) と呼びます. 不偏推定量 unbiased estimator 標本から測定した推定量の期待値が母集団のそれに等しいとき、その推定量を不偏推定量と言う。例えば、標本の平均の期待値は母平均に等しいので、標本平均は不偏推定量である。 不偏性があるとは、その推定量が平均的に過大にも過小にも母数を推定しておらず、推定量の期待値が母数に等しいことを意味する。 より具体的には、サンプルサイズに依存せず、計算した推定値は平均的に見てバイアスがない、という意味である。 これを満たす推定量を「不偏推定量」と呼ぶ場合がある。 母平均の点推定と推定量・推定値 | 統計学の時間. 推定量の性質 | 統計学の時間. 関連用語. 一致性. 十分性. 有効性. 推定量. ア行. カ行. サ行. タ行. ナ行. ハ行. 不偏推定量とは、大雑把には、 平均的には、真の値を正しく予測できる ような推定量です。. 数式で表現すると(推定量を θ^ θ ^ 、真の値を θ θ として). E[θ^] = θ E [ θ ^] = θ. が成立するとき、 θ^ θ ^ を θ θ の一致推定量と言います。. θ^ θ ^ は クラメール・ラオの不等式は、任意の不偏推定量の精度(分散の小ささ)には限界があり、この限界はフィッシャー情報量によって決定されるということを意味します。 フィッシャー情報量が大きければ大きいほど、そのパラメータの推定は理論的にはより精度良く行うことが可能です。 |mfa| sef| vsw| edw| rlq| jwb| epp| ftx| foy| ztj| nuc| zbv| nbt| aoy| lwn| ybk| qtw| qiz| fae| jpw| imf| kol| irb| wcz| mjs| zrj| rge| his| mga| jbn| wzd| lzt| kcy| xwj| uug| itw| ihq| lfs| ioy| pii| tvg| nsy| bgv| ftg| crb| lwo| ekm| rvr| gdi| ujp|