következetes becslő
meghatározzák
- enged - mintavétel forgalmazás. függő paraméter . Aztán becslése Ez az úgynevezett gazdag, ha
Ellenkező esetben az eredmény az úgynevezett ellentmondásos.
- értékelés Azt mondta, hogy erősen következetes. ha
A gyakorlatban „látni” konvergencia „szinte biztosan” ez nem lehetséges, mivel a végső minta. Így az alkalmazás a statisztika elég kötelezni szolvenciaértékelést. Sőt, az értékelés lett volna gazdag, de nem nagyon gazdag, az „élet” nagyon ritka. A nagy számok törvénye az egyforma eloszlású, független véletlen változók véges első pillanattól készült, megerősített változata, mindenféle extrém rendstatisztikák is konvergálnak a monotónia erő nemcsak a valószínűsége, de szinte biztosan.
- Ha a becslés konvergál az igazi paraméter értékét „jelenti-tér”, vagy ha a becslés aszimptotikusan torzítatlan és szórásának nullához, akkor ez az értékelés összhangban lesz.
- A tulajdonságai konvergencia valószínűségi változók van, hogy sokkal következetes becslő mindig következetes. Az ellenkezője nem igaz általában.
- Mivel a diszperziós konzisztens becsléseket nullához, gyakran sebességgel körülbelül 1 / n, akkor konzisztens becsléseket összehasonlítjuk egymással aszimptotikus szórásnégyzete valószínűségi változó (Aszimptotikus elvárás ez az érték nulla).
kapcsolódó fogalmak
- Értékelés úgynevezett supersostoyatelnoy. ha a szórás a véletlen változó Úgy látszik, hogy egy véges érték. Ez az arány a konvergencia értékelése, hogy az igazi érték jóval magasabb, mint a következetes becslését. Supersostoyatelnymi például a becsült regressziós paraméterek kointegrálódott idősorok.