Soru

Zorluk: OrtaYansızlık (Unbiasedness) ve Yan Miktarı

Bir kitleye ait X1,X2,,XnX_1, X_2, \dots, X_n bağımsız ve aynı dağılımlı rastgele örnekleminin kitle ortalaması μ\mu ve kitle varyansı σ2\sigma^2 olarak bilinmektedir. μ2\mu^2 parametresini tahmin etmek amacıyla örneklem ortalamasının karesi olan θ^=Xˉ2\hat{\theta} = \bar{X}^2 tahmin edicisi kullanılmaktadır.

Buna göre, θ^\hat{\theta} tahmin edicisinin μ2\mu^2 parametresi için yan (bias) miktarı aşağıdakilerden hangisidir?

  1. σ2n\frac{\sigma^2}{n}Cevap
  2. B
    σ2n2\frac{\sigma^2}{n^2}
  3. C
    σ2\sigma^2
  4. D
    σ2n-\frac{\sigma^2}{n}
  5. E
    00

Cevap

Yan miktarı σ2n\frac{\sigma^2}{n} olarak hesaplanır.
Tahmin edicinin beklenen değeri E[Xˉ2]=μ2+σ2nE[\bar{X}^2] = \mu^2 + \frac{\sigma^2}{n} olarak bulunur. Yan miktarı tanımı gereği E[θ^]θE[\hat{\theta}] - \theta işlemi yapıldığında μ2\mu^2 terimleri birbirini götürür ve geriye pozitif yan miktarı olan σ2n\frac{\sigma^2}{n} kalır.

Adım Adım Çözüm

1
Örneklem ortalamasının beklenen değeri ve varyansını belirle.
E[Xˉ]=μE[\bar{X}] = \mu ve Var(Xˉ)=σ2nVar(\bar{X}) = \frac{\sigma^2}{n}
Bağımsız ve aynı dağılımlı örneklemlerde örneklem ortalamasının beklenen değeri kitle ortalamasına, varyansı ise kitle varyansının örneklem çapına bölümüne eşittir.
2
Varyans formülünü kullanarak tahmin edicinin beklenen değerini hesapla.
E[Xˉ2]=Var(Xˉ)+(E[Xˉ])2=σ2n+μ2E[\bar{X}^2] = Var(\bar{X}) + (E[\bar{X}])^2 = \frac{\sigma^2}{n} + \mu^2
Var(T)=E[T2](E[T])2Var(T) = E[T^2] - (E[T])^2 temel istatistiksel özdeşliği kullanılarak ikinci moment elde edilir.
3
Yan (bias) miktarı tanımını uygula.
B(θ^)=E[θ^]θ=(μ2+σ2n)μ2=σ2nB(\hat{\theta}) = E[\hat{\theta}] - \theta = (\mu^2 + \frac{\sigma^2}{n}) - \mu^2 = \frac{\sigma^2}{n}
Yan miktarı, bir tahmin edicinin beklenen değeri ile tahmin edilen gerçek parametre arasındaki farktır.

Anahtar Kavram

Tahmin Edicilerde Yanlılık ve İkinci Moment İlişkisi

Alternatif Yöntem

Eğer μ2\mu^2 için yansız bir tahmin edici istenirse, Xˉ2\bar{X}^2 değerinden yan miktarının yansız bir tahmini (örneğin S2/nS^2/n) çıkarılarak T=Xˉ2S2nT = \bar{X}^2 - \frac{S^2}{n} tahmin edicisi oluşturulabilir.
Tahmini Süre:1m 30s
Bu soruyu puanla