我想了很久 想说这样解释 不知道对不对 请各位前辈帮我看看 --------------------------------------- 首先是estimator 统计的根本 是从 population 抽 samples 若是population很小 可直接全部测量 得到的各种整理过的值称作 parameter (参数) 如 mean mode etc. ...... 而从samples所得到的数值 相对於parameter的绝对正确性 就称作estimator(翻成 "估计子" ?) ------------------------------------------- 再来是 unbiased estimator 和 biased estimator 的分别 首先因为他都是 estimator 所以是从样本data算出来数值 unbiased 拥有不偏颇的性质 也就是经过 "多次取样" "sample增大" 则理论上可以算出母体参数 而 biased 就是一定会偏颇 并且有其理由 e.g. 计算MEAN (unbiased) 每次取样算出的样本平均数 大致上可分成两种状况 "超过母体平均数" 或是 "低於母体平均数" 所以可以把许多样本平均数 再次平均 无限取样可以得到母体平均值 计算range (biased) 每次取样的 最大值 - 最小值 得到的数值永远 "不可能超过母体的range值" 所以无法在无限实验後 利用平均的方法去得到母体的真range 最理想的答案的永远是差最大的那ㄧ个 比方说母体是 1 2 3 4 5 则母体range = 5-1 =4 而抽样抽的最好的状况也就是5-1=4 也可能差一点是4-2=2之类的 ---------------------------------------------- 所以两者的整理 unbiased ("超过" + "低於")/实验次数 = 理论上的参数 biased 多次实验的平均值是没有意义的 也就是假想有一个天平 同时可以取样 "超过" 和 "少於" 则天平是平衡的 不偏移的 若只能取样其中一种 则天平的状态就是 "biased" ------------------------------------------------ 请问我这样定义是对的吗? --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 125.230.192.188 ※ 编辑: gsuper 来自: 125.230.192.188 (04/06 17:08) ※ 编辑: gsuper 来自: 125.230.192.188 (04/06 17:19) ※ 编辑: gsuper 来自: 125.230.192.188 (04/06 17:26) ※ 编辑: gsuper 来自: 125.230.192.188 (04/06 19:08) ※ 编辑: gsuper 来自: 125.230.192.188 (04/06 22:08) ※ 编辑: gsuper 来自: 125.230.192.188 (04/06 22:15)