Diferenças entre edições de "Estimador"

1 byte adicionado ,  13h29min de 21 de fevereiro de 2014
sem resumo de edição
Ver artigo principal: estimador consistente
 
Uma sequência consistente de estimadores é uma sequência de estimadores que convergem em probabilidade para a quantidade que está sendo estimada como o índice (normalmente o tamanho da amostra) cresce sem limites. Em outras palavras, aumentar o tamanho da amostra aumenta a probabilidade do estimador de estar próximo do parâmetro de população. Matematicamente, uma seqüência de estimadores { tn , n ≥ 0} é um estimador consistente para o parâmetro ''θ'' se e somente se , para todo ''ϵ'' > 0, não importa quão pequena , temos
:<math>
\lim_{n\to\infty}\Pr\left\{
para algum ''V''. Quando ''V / N'' é chamada de ''variância assintótica'' do estimador.
O teorema do limite central implica normalidade assintótica da média da amostra <math>\bar x</math> como um estimador da média verdadeira. Mais geralmente, estimadores de máxima verossimilhança são assintoticamente normais sob condições de regularidade bastante fracos — consulte a seção de assintoticosassintóticos do artigo de máxima verossimilhança. No entanto, nem todos os estimadores são assintoticamente normal, os exemplos mais simples sendo o caso onde o verdadeiro valor de um parâmetro situa-se no limite da região de parâmetro admissíveis.
 
;Eficiência
Ver artigo principal: Eficiência (estatísticas)
 
Duas propriedades naturalmente desejáveis ​​dos estimadores são eles serem não-enviesados e ter o mínimo erro quadrático médio (EQM). Estes não podem, em geral, tanto ser satisfeitas simultaneamente: um estimador enviesado pode ter menor erro quadrado médio (EQM) do que qualquer estimador não-enviesado; ver viés do estimador.
*{{SpringerEOM|title=Statistical Estimator|id=s/s087360|first=L.N.|last=Bol'shev}}
 
==Links Externosexternos==
*[http://lmi.bwh.harvard.edu/papers/pdfs/2004/martin-fernandezCOURSE04b.pdf Fundamentals of Estimation Theory]
* India-Institute of Quantity Surveyors (IQSS)
56

edições