Sebagai contoh, saya sering bertemu siswa yang tahu bahwa Observed adalah penduga yang bias dari Populasi . Kemudian, ketika menulis laporan mereka, mereka mengatakan hal-hal seperti:R 2
"Saya menghitung Observed dan Adjusted , dan mereka sangat mirip, menunjukkan hanya sedikit bias dalam nilai Observed kami peroleh."R 2 R 2
Saya mendapatkan itu secara umum ketika kita berbicara tentang bias kita biasanya berbicara tentang sifat-sifat penaksir daripada perkiraan tertentu. Namun, apakah pernyataan yang dikutip di atas merupakan penyalahgunaan terminologi, atau apakah itu oke?
mathematical-statistics
terminology
bias
estimators
user1205901 - Pasang kembali Monica
sumber
sumber
Jawaban:
Dalam statistik, bias jelas merupakan properti dari estimator.
Saya membagikan pengamatan Anda bahwa bias sering kali salah diterapkan pada taksiran. Contoh Anda tampaknya tidak bersalah dalam hal itu, karena instruktur yang bermaksud baik dapat berargumen bahwa siswa Anda berasumsi bahwa kesalahan estimasi sangat kecil sehingga tidak apa-apa untuk menyamakan estimasi dengan estimator.
Contoh yang lebih ekstrem adalah penggunaan kata "bias" untuk kesalahan estimasi tertentu, seperti pada: kita tahu nilai sebenarnya adalah 5, tetapi estimasi kami bias ke atas. Saya merasa ini memang penyalahgunaan terminologi yang pada akhirnya akan menyebabkan kebingungan, dan karena itu seseorang harus menandainya sebagai tidak pantas.
sumber
Bias adalah properti dari estimator.
Sebuah estimator sendiri merupakan variabel acak dan memiliki distribusi (dengan mean dan varians). Ketika penduga memiliki nilai yang diharapkan yang sama dengan yang benar, nilai yang tidak diketahui yang ia coba untuk memperkirakan kami katakan penduga itu tidak bias.
Sekarang, ketika kita menghitung estimasi kita melihat satu pengamatan dari distribusi estimator. Jadi, bahkan jika kita menggunakan definisi bias (salah dan tidak berbahaya dalam konteks ini) yang tampaknya digunakan siswa, ada masalah. Pengamatan tunggal (estimasi), mungkin sangat jauh dari nilai yang diharapkan dari distribusi estimator. Dengan kata lain, ada kemungkinan nilai estimasi sangat jauh dari nilai sebenarnya yang mendasari di mana siswa tampaknya menyiratkan bahwa diamati sangat dekat dengan nilai sebenarnya.R2
sumber