Ich bin wirklich überrascht, dass das anscheinend noch niemand gefragt hat ...
Bei der Diskussion von Schätzern werden häufig die Begriffe "konsistent" und "unvoreingenommen" verwendet. Meine Frage ist einfach: Was ist der Unterschied?
Die genauen technischen Definitionen dieser Begriffe sind ziemlich kompliziert und es ist schwierig, ein intuitives Gefühl dafür zu bekommen, was sie bedeuten . Ich kann mir einen guten und einen schlechten Schätzer vorstellen, aber ich habe Probleme zu erkennen, wie ein Schätzer eine Bedingung erfüllen kann und nicht die andere.
unbiased-estimator
estimators
consistency
MathematicalOrchid
quelle
quelle
Antworten:
So definieren Sie die beiden Begriffe, ohne zu viel Fachsprache zu verwenden:
Ein Schätzer ist konsistent, wenn mit zunehmender Stichprobengröße die Schätzungen (vom Schätzer erstellt) "konvergieren" zum wahren Wert des zu schätzenden Parameters. Um etwas genauer zu sein - Konsistenz bedeutet, dass sich die Stichprobenverteilung des Schätzers mit zunehmender Stichprobengröße zunehmend auf den wahren Parameterwert konzentriert.
Ein Schätzer ist unvoreingenommen, wenn er im Durchschnitt den wahren Parameterwert erreicht. Das heißt, der Mittelwert der Stichprobenverteilung des Schätzers ist gleich dem wahren Parameterwert.
Beides ist nicht gleichbedeutend: Unvoreingenommenheit ist eine Aussage über den Erwartungswert der Stichprobenverteilung des Schätzers. Konsistenz ist eine Aussage darüber, "wohin die Stichprobenverteilung des Schätzers geht", wenn die Stichprobengröße zunimmt.
quelle
Die Konsistenz eines Schätzers bedeutet, dass die Schätzung mit zunehmender Stichprobengröße immer näher an den wahren Wert des Parameters heranreicht. Die Unvoreingenommenheit ist eine endliche Stichprobeneigenschaft, die von der Zunahme der Stichprobengröße nicht beeinflusst wird. Eine Schätzung ist unverzerrt, wenn ihr erwarteter Wert dem wahren Parameterwert entspricht. Dies gilt für alle Stichprobengrößen und ist genau, wohingegen die Konsistenz asymptotisch und nur ungefähr gleich und nicht genau ist.
Aktualisieren Sie nach der Diskussion in den Kommentaren mit @ cardinal und @ Macro: Wie unten beschrieben, gibt es anscheinend pathologische Fälle, in denen die Varianz nicht auf 0 gestellt werden muss, damit der Schätzer stark konsistent ist und die Verzerrung nicht einmal auf 1 gestellt werden muss 0 entweder.
quelle
Konsistenz: sehr gut erklärt [mit zunehmender Stichprobengröße "konvergieren" die Schätzungen (vom Schätzer erstellt) zum wahren Wert des zu schätzenden Parameters]
Unvoreingenommenheit: Es erfüllt die als Gauß-Markov-Theorem bekannten 1–5-MLR-Annahmen
Dann heißt der Schätzer BLAU (bester linearer unverzerrter Schätzer)
quelle