Nuoseklus įvertinimas

ekonominis-žodynas

Nuoseklus vertinimas yra tas, kurio matavimo paklaida arba poslinkis artėja prie nulio, kai imties dydis linkęs į begalybę.

Iš nešališko įverčio apibrėžimo galime padaryti išvadą, kad kartais turime vertinimo klaidų. Dabar pasitaiko atvejų, kai didinant imtį paklaida sumažėja.

Kartais dėl naudojamo įverčio ypatybių, didėjant imties dydžiui, didėja ir paklaida. Tokio įverčio naudoti nepageidautina. Dabar a priori nežinome, kur atsiranda šališkumas. Jei jis linkęs į nulį, jis linkęs į tam tikrą vertę arba linkęs į begalybę, kai imties dydis didėja.

Be to, būtina apibrėžti nuoseklumo sąvoką. Dėl jų turime pasakyti, kad yra dviejų tipų nuoseklumas. Viena vertus, yra paprastas nuoseklumas. Kita vertus, konsistencija randama vidutiniame kvadrate.

Tam tikru būdu tariant, tai yra du matematiniai įrankiai, leidžiantys apskaičiuoti, į kurį skaičių ar skaičius suartėja mūsų vertintojas.

Taško įvertinimas

Paprasta konsistencija

Įvertis atitinka paprasto nuoseklumo savybę, jei įvykdoma ši lygtis:

Iš kairės į dešinę lygtis skaitoma taip: Riba, kai imties dydis linkęs į begalybę, tikimybės, kad absoliutus skirtumas tarp įverčio vertės ir parametro vertės yra didesnis už paklaidą, lygi nuliui. .

Suprantama, kad epsilono pastebėtos klaidos reikšmė turi būti didesnė už nulį.

Intuityviai formulė rodo, kad kai imties dydis tampa labai didelis, didesnės už nulį klaidos tikimybė yra lygi nuliui. Teigiama atvirkščiai, tikimybė, kad nėra paklaidos, kai imties dydis yra labai didelis, yra praktiškai 100%.

Įvertis, sudarytas iš kvadratinio vidurkio

Kitas įrankis, kurį galima naudoti norint patikrinti, ar įvertis yra nuoseklus, yra vidutinė kvadratinė paklaida. Šis matematinis įrankis yra dar galingesnis nei ankstesnis. Priežastis ta, kad šios sąlygos reikalavimas yra didesnis.

Ankstesnėje dalyje buvo keliamas reikalavimas, kad, tikimybiškai kalbant, klaidos galimybė būtų lygi nuliui arba labai artima nuliui.

Dabar tai, ko mes reikalaujame, apibrėžia tokia matematinė lygybė:

Tai yra, kai imties dydis yra didelis, matematiniai kvadratinių klaidų lūkesčiai yra lygūs nuliui. Vienintelė parinktis, kad ši vertė būtų lygi nuliui, yra ta, kad klaida visada būtų lygi nuliui. Kodėl? Kadangi įvertinimo paklaidą padidinus iki dviejų (Estimator – Tikroji parametro reikšmė), rezultatas visada bus teigiamas. Nebent, tai yra, klaida lygi nuliui. Nulis padidintas iki dviejų yra nulis.

Žinoma, jei riba grąžina 0,0001, galime manyti, kad ji lygi nuliui. Beveik neįmanoma, kad vidutinės kvadratinės paklaidos žemėlapis būtų nulis.

Statistiškai sakysime, kad įvertis yra nuoseklus kvadratiniu vidurkiu, jei įverčio kvadratinės paklaidos, atsižvelgiant į skirtingas imtis, lūkestis yra lygus nuliui arba labai artimas jai.

Žymos:  Leidimai Lotynų Amerika reitingą 

Įdomios Straipsniai

add