প্রশ্ন ট্যাগ «efficiency»

7
উদাহরণ যেখানে মুহুর্তের পদ্ধতি ছোট নমুনায় সর্বাধিক সম্ভাবনা হারাতে পারে?
সর্বাধিক সম্ভাবনার প্রাক্কলনকারী (এমএলই) অসম্পূর্ণভাবে দক্ষ; আমরা ব্যবহারিক ফলস্বরূপ দেখতে পাই যে তারা প্রায়শই ক্ষুদ্রতর নমুনার মাপে এমনকি মুহুর্তের পদ্ধতি (এমওএম) অনুমানের চেয়েও ভাল করে (যখন তারা পৃথক হয়) এখানে উভয় পক্ষপাতদুষ্ট যখন সাধারণত ছোট পরিবর্তিত হয় এবং সাধারণত সাধারণত ছোট গড় স্কোয়ার ত্রুটি (এমএসই) আরও সাধারণভাবে বোঝার অর্থ 'এর …

2
কেন
একটি প্যারামিটারের জন্য অনুমানকারী অনুক্রম y যদি অ্যাসিপোটোটিকভাবে স্বাভাবিক √UnUnU_nθθ\thetan−−√(Un−θ)→N(0,v)n(Un−θ)→N(0,v)\sqrt{n}(U_n - \theta) \to N(0,v)। (উৎস) আমরা তখন কলএর মধ্যে asymptotic ভ্যারিয়েন্স। যদি এই বৈকল্পিকতাক্র্যামার-রাও সীমানারসমান হয় তবেআমরা বলি অনুমানক / ক্রমটি asyptotically দক্ষ।vvvUnUnU_n প্রশ্ন: আমরা কেন use ব্যবহার করি n−−√n\sqrt{n}বিশেষত এন ? আমি জানি যে নমুনাটির জন্য, Var(X¯)=σ2nVar(X¯)=σ2nVar(\bar{X}) = \frac{\sigma^2}{n} …

2
কীসের জন্য (প্রতিসামগ্রী) বন্টন বলতে নমুনাটির চেয়ে বেশি নমুনা গড়ের তুলনায় আরও কার্যকর অনুমানক হয়?
আমি এই বিশ্বাসের অধীনে পরিশ্রম করেছি যে নমুনা মিডিয়ান মধ্য প্রবণতার চেয়ে বেশি দৃ rob়তর পরিমাপ, তার চেয়ে বেশি যেহেতু এটি বিদেশীদের অগ্রাহ্য করে। তাই আমি জানতে পেরে ( অন্য প্রশ্নের উত্তরে ) অবাক হয়েছি যে একটি সাধারণ বিতরণ থেকে প্রাপ্ত নমুনাগুলির জন্য, নমুনার গড়ের প্রকরণটি নমুনার মধ্যকের পরিবর্তনের চেয়ে …

3
কেন Wilcoxon পরীক্ষার মধ্যে asymptotic আপেক্ষিক দক্ষতা
এটা যে asymptotic আপেক্ষিক দক্ষতা (হয়) সুপরিচিত হয় Wilcoxon স্বাক্ষরিত র্যাঙ্ক পরীক্ষা স্টুডেন্টস তুলনায় টন -test, ডাটা একটি স্বাভাবিকভাবে বিতরণ জনসংখ্যা থেকে টানা হয় পারেন। এটি প্রাথমিক এক-নমুনা পরীক্ষা এবং দুটি স্বতন্ত্র নমুনার (উইলকক্সন-মান-হুইটনি ইউ) উভয়ের জন্য সত্য। এটি একটি আনোভা এফ -টেষ্টের সাথে তুলনামূলকভাবে সাধারণ তথ্যের জন্য একটি ক্রুসকল-ওয়ালিস …

2
ওএলএস হিস্টেরোসেসটাস্টিটির অধীনে অসম্পূর্ণভাবে দক্ষ
আমি জানি যে ওএলএস পক্ষপাতহীন তবে লিনিয়ার রিগ্রেশন সেটিং-এ heteroscedasticity এর অধীনে দক্ষ নয়। উইকিপিডিয়ায় http://en.wikipedia.org/wiki/Minimum_mean_square_error এমএমএসই অনুমানকারী অনিচ্ছাকৃতভাবে পক্ষপাতহীন এবং এটি বিতরণকে সাধারণ বিতরণে রূপান্তরিত করে: , যেখানে আমি (এক্স) হ'ল এক্স এর ফিশার তথ্য। সুতরাং, এমএমএসই অনুমানক অসম্পূর্ণভাবে দক্ষ।n−−√(x^−x)→dN(0,I−1(x))n(x^−x)→dN(0,I−1(x))\sqrt{n}(\hat{x} - x) \xrightarrow{d} \mathcal{N}\left(0 , I^{-1}(x)\right) এমএমএসই দাবী করা …
আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.