Becsléselméleti alapfogalmak:
Statisztikai becslés = egy sokaság valamely ismeretlen jellemzőjére egy közelítő értéket adunk.Becslés tárgya lehet:
- a véges sokaság valamely jellemzője
- a sokasági eloszlás paramétere
- a sokaságban érvényesülő összefüggéseket leíró modellek patraméterei
- a becslőfüggvények várható értéke és szórásnégyzete alapján a becslések minősíthetők (torzított, vagy torzítatlan)
- a becslőfüggvény szórásnégyzete, illetve szórása a véletlen hibának az átlagosan használt mérőszáma (követelmény, hogy a standard hiba minél kisebb legyen)
Intervallumbecslés: a becslőfüggvény értékeinek olyan intervallumát adjuk meg, mely nagy valószínűséggel tartalmazza a becsülni kívánt jellemzőt. (eredménye: konfidencia intervallum)
Becslőfüggvény eloszlása függ:
- a vizsgált mintabeli jellemzőtől
- a mintavétel módjától
- a minta nagyságától
- külső információktól
Statisztikai becslés lépései:
- pontbecslés
- standard hiba számítás
- intervallumbecslés
A becslőfüggvény tulajdonságai:
- torzítatlanság: torzítatlannak nevezzük a becslőfüggvényt, ha várható értéke megegyezik a becsülni kívánt sokasági jellemző értékével.
- hatásosság: az a becslőfüggvény hatásosabb, melynek szórásnégyzete kisebb
- konzisztencia: = a mintanagyság növelésével egyre pontosabb becslésekhez juthatunk.
- robosztusság: = eloszlásmentesség (akkor is alkalmazhatók, ha nem ismerjük a sokasági eloszlást)