統(tǒng)計捡需,以信仰之名:(三)衡量估計量的四大原則

統(tǒng)計办桨,以信仰之名:(三)衡量估計量的四大原則

為了照顧到廣大渾渾噩噩的群眾,在這節(jié)之前站辉,首先要聲明一下呢撞,所謂的估計量都是隨機(jī)變量,你每生成一次數(shù)據(jù)饰剥,用同樣方法得到的估計量可能截然不同殊霞。我們無法控制數(shù)據(jù)的生成,但是能找到一個很屌的方法汰蓉,使我們的估計量在多數(shù)情況下盡量準(zhǔn)確绷蹲。

在學(xué)習(xí)數(shù)理統(tǒng)計時术幔,我們都會學(xué)到評判估計量的三大原則:無偏性躯护,有效性蛆楞,一致性浸赫。水平比較高的老師也會講到第四個原則:最小均方誤差原則铺厨。我們在統(tǒng)計推斷時默認(rèn)這些原則裙士,它們是人為規(guī)定的蒿辙,而非某種公理性或定理性的東西院峡。我們不禁要問测秸,為什么要如此規(guī)定這些原則疤估?比如灾常,一個統(tǒng)計量為什么要無偏呢?是因為它長得帥嗎做裙?您別說岗憋,對于最后一個問題可能還就是因為它長得帥。實際上锚贱,這些原則都是從好的統(tǒng)計量中總結(jié)出來的仔戈,比如用幾個觀測的均值來估計其期望,均值具有無偏性拧廊,有效性监徘,一致性,于是這些原則就總結(jié)出來了吧碾。下面我們對這些原則一個一個地討論凰盔。

1、無偏性 is a piece of shit

所謂的無偏估計量就是它的期望恰好等于原參數(shù)倦春。無偏估計量的優(yōu)越性是非常直觀的户敬,在大數(shù)定律的保證下,它能以較快的速度收斂到原參數(shù)睁本。如果讓你列舉什么是一個好的估計量尿庐,估計你第一個想到的就是無偏性。而且無偏性在數(shù)學(xué)上有一些非常優(yōu)美的性質(zhì)呢堰,比如很多情況下你可以找到一個最好的無偏估計量(一致最小方差無偏估計)抄瑟。然而,這并不妨礙它是一坨shit枉疼。

你想想無偏性到底是什么呢皮假?期望等于原參數(shù)有什么用呢?用一個N(θ,100)的無偏隨機(jī)變量X來估計θ骂维,如果θ=0惹资,你估計出來的很可能是5,或者8航闺,這樣的估計量你敢相信么布轿?

如果一個無偏估計量概率集中在真值周圍,那么這個無偏估計量是可靠的来颤。可惜無偏估計量在很多情況下并不符合這條性質(zhì)稠肘。事實上福铅,在高維統(tǒng)計中,無偏估計量是不可接受的(inadmissable)项阴,因為你總能找到一個比無偏估計量更靠譜的有偏估計量滑黔,在各個方面都要勝無偏估計量一籌笆包。所以,無偏估計量可能僅僅是長得比較帥而已略荡。在這個看臉的世界庵佣,有時長得帥就夠了。

2汛兜、有效性——渣男的評判標(biāo)準(zhǔn)

一個估計量如果分布得太分散巴粪,那么這個估計量一定是個花心大蘿卜。比如你生成一組數(shù)據(jù) 估計量是1粥谬,另一組數(shù)據(jù) 估計量是100,肛根。這樣的估計量絕非居家好估計量。我們希望它的概率盡量集中漏策,這就是有效性派哲。光有有效性是不夠的,比如你就拿0做估計量掺喻,穩(wěn)定得不行芭届,但是離真實估計量十萬八千里,也不靠譜感耙。但是作為一個評判標(biāo)準(zhǔn)褂乍,有效性還是夠格的,如果一個估計量都不具有有效性抑月,不論他說多么愛你树叽,都不要相信他。

3谦絮、一致性——眾里尋他千百度题诵,只要錢多,參數(shù)卻在层皱,燈火闌珊處

一致性指的是當(dāng)你樣本趨于無窮時性锭,你的估計量依概率趨于真實參數(shù)。也就是說叫胖,只要你的樣本夠多草冈,一致估計量總能給你一個靠譜的參數(shù)。在有限樣本時瓮增,這個評判標(biāo)準(zhǔn)仍然存在一定局限怎棱。然而統(tǒng)計學(xué)上,它仍不失為一條重要的評判標(biāo)準(zhǔn)绷跑。如果多采集樣本都不管用拳恋,那只能看臉了。

4砸捏、最小均方誤差原則——最靠譜的準(zhǔn)則

一個估計量的均方誤差可以表示為:

谬运。在最小均方誤差準(zhǔn)則下隙赁,我們選估計量要使其均方誤差盡可能小(似乎是句廢話)梆暖。

為什么說這條準(zhǔn)則是最靠譜的呢伞访?首先,如果均方誤差小轰驳,這個估計量一定比較靠譜厚掷,即以很大的概率在真實參數(shù)旁邊。而且該準(zhǔn)則跟樣本數(shù)量無關(guān)滑废,不管樣本多少蝗肪,估計量都會有一個均方誤差,只要均方誤差夠小蠕趁,這個估計量都靠譜薛闪。

根據(jù)mean-variance分解:均方誤差=偏差+分散度

也就是說最小均方誤差事實上是無偏性與有效性的結(jié)合,最小無偏估計量的概率分布既集中俺陋,而且集中在真值周圍豁延。

均方誤差事實上是一種距離(統(tǒng)計決策上稱為“損失”),是參數(shù)空間內(nèi)真值與估計量之間的歐式距離腊状。于是我們要問,我們是否可以將歐式距離擴(kuò)展至一般的距離缴挖?答案當(dāng)然是可以的,對一般距離的探究構(gòu)成了統(tǒng)計決策理論的基礎(chǔ)映屋。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市棚点,隨后出現(xiàn)的幾起案子早处,更是在濱河造成了極大的恐慌,老刑警劉巖砌梆,帶你破解...
    沈念sama閱讀 219,366評論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件贬循,死亡現(xiàn)場離奇詭異咸包,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)杖虾,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,521評論 3 395
  • 文/潘曉璐 我一進(jìn)店門诉儒,熙熙樓的掌柜王于貴愁眉苦臉地迎上來亏掀,“玉大人,你說我怎么就攤上這事滤愕。” “怎么了间影?”我有些...
    開封第一講書人閱讀 165,689評論 0 356
  • 文/不壞的土叔 我叫張陵魂贬,是天一觀的道長巩割。 經(jīng)常有香客問我付燥,道長,這世上最難降的妖魔是什么键科? 我笑而不...
    開封第一講書人閱讀 58,925評論 1 295
  • 正文 為了忘掉前任勋颖,我火速辦了婚禮嗦嗡,結(jié)果婚禮上饭玲,老公的妹妹穿的比我還像新娘。我一直安慰自己茄厘,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 67,942評論 6 392
  • 文/花漫 我一把揭開白布欢伏。 她就那樣靜靜地躺著亿乳,像睡著了一般。 火紅的嫁衣襯著肌膚如雪葛假。 梳的紋絲不亂的頭發(fā)上障陶,一...
    開封第一講書人閱讀 51,727評論 1 305
  • 那天聊训,我揣著相機(jī)與錄音,去河邊找鬼鼓寺。 笑死勋拟,一個胖子當(dāng)著我的面吹牛妈候,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播啸胧,決...
    沈念sama閱讀 40,447評論 3 420
  • 文/蒼蘭香墨 我猛地睜開眼幔虏,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了想括?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,349評論 0 276
  • 序言:老撾萬榮一對情侶失蹤叭首,失蹤者是張志新(化名)和其女友劉穎踪栋,沒想到半個月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體夷都,經(jīng)...
    沈念sama閱讀 45,820評論 1 317
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,990評論 3 337
  • 正文 我和宋清朗相戀三年冬阳,在試婚紗的時候發(fā)現(xiàn)自己被綠了党饮。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 40,127評論 1 351
  • 序言:一個原本活蹦亂跳的男人離奇死亡刑顺,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出狼讨,到底是詐尸還是另有隱情柒竞,我是刑警寧澤政供,帶...
    沈念sama閱讀 35,812評論 5 346
  • 正文 年R本政府宣布布隔,位于F島的核電站离陶,受9級特大地震影響衅檀,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 41,471評論 3 331
  • 文/蒙蒙 一茸苇、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧学密,春花似錦、人聲如沸彤守。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,017評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽试幽。三九已至,卻和暖如春铺坞,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背坯沪。 一陣腳步聲響...
    開封第一講書人閱讀 33,142評論 1 272
  • 我被黑心中介騙來泰國打工擒滑, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留腐晾,地道東北人橘忱。 一個月前我還...
    沈念sama閱讀 48,388評論 3 373
  • 正文 我出身青樓,卻偏偏與公主長得像颖御,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子潘拱,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,066評論 2 355

推薦閱讀更多精彩內(nèi)容