我想了很久 想說這樣解釋 不知道對不對 請各位前輩幫我看看 --------------------------------------- 首先是estimator 統計的根本 是從 population 抽 samples 若是population很小 可直接全部測量 得到的各種整理過的值稱作 parameter (參數) 如 mean mode etc. ...... 而從samples所得到的數值 相對於parameter的絕對正確性 就稱作estimator(翻成 "估計子" ?) ------------------------------------------- 再來是 unbiased estimator 和 biased estimator 的分別 首先因為他都是 estimator 所以是從樣本data算出來數值 unbiased 擁有不偏頗的性質 也就是經過 "多次取樣" "sample增大" 則理論上可以算出母體參數 而 biased 就是一定會偏頗 並且有其理由 e.g. 計算MEAN (unbiased) 每次取樣算出的樣本平均數 大致上可分成兩種狀況 "超過母體平均數" 或是 "低於母體平均數" 所以可以把許多樣本平均數 再次平均 無限取樣可以得到母體平均值 計算range (biased) 每次取樣的 最大值 - 最小值 得到的數值永遠 "不可能超過母體的range值" 所以無法在無限實驗後 利用平均的方法去得到母體的真range 最理想的答案的永遠是差最大的那ㄧ個 比方說母體是 1 2 3 4 5 則母體range = 5-1 =4 而抽樣抽的最好的狀況也就是5-1=4 也可能差一點是4-2=2之類的 ---------------------------------------------- 所以兩者的整理 unbiased ("超過" + "低於")/實驗次數 = 理論上的參數 biased 多次實驗的平均值是沒有意義的 也就是假想有一個天平 同時可以取樣 "超過" 和 "少於" 則天平是平衡的 不偏移的 若只能取樣其中一種 則天平的狀態就是 "biased" ------------------------------------------------ 請問我這樣定義是對的嗎? --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 125.230.192.188 ※ 編輯: gsuper 來自: 125.230.192.188 (04/06 17:08) ※ 編輯: gsuper 來自: 125.230.192.188 (04/06 17:19) ※ 編輯: gsuper 來自: 125.230.192.188 (04/06 17:26) ※ 編輯: gsuper 來自: 125.230.192.188 (04/06 19:08) ※ 編輯: gsuper 來自: 125.230.192.188 (04/06 22:08) ※ 編輯: gsuper 來自: 125.230.192.188 (04/06 22:15)