Demo: hinnangu mõjusus Hinnangu asümptootiline jaotus Hinnangu asümptootiline efektiivsus · Asümptootiline jaotus näitab, millisele klassikalisele Mõjusat hinnangut nimetatakse asümptootiliselt jaotusele läheneb hinnangu valimjaotus valimi mahu efektiivseks (asymptotically efficient), kui selle kasvamisel. asümptootilise jaotuse dispersioon on väiksem suvalise · Hinnang on asümptootiliselt normaaljaotusega, kui mõjusa asümptootiliselt normaaljaotusega hinnangu
Efektiivsus iseloomustab hinnangute hajuvust 9. Mõjus hinnang. Kui hinnang on mõjus, siis valimi mahu kasvades tõenäosus, et hinnangu ja parameetri tegeliku väärtuse erinevus oleks väiksem kui mistahes positiivne arv, läheneb ühele. Hinnangu mõjusus on asümptootiline omadus. Mõjusus iseloomustab koondumist suurte valimite korral. 10. Hinnangu asümptootiline jaotus. Asümptootiline jaotus näitab, millisele klassikalisele jaotusele läheneb hinnangu valimjaotus valimi mahu kasvamisel. Hinnang on asümptootiliselt normaaljaotusega, kui hinnangu valimjaotus läheneb valimi mahu kasvamisel normaaljaotusele. Asümptootilist jaotust kasutatakse parameetrite hinnangute standardvigade leidmisel. 11. Hinnangu asümptootiline efektiivsus. Mõjusat hinnangut nimetatakse asümptootiliselt efektiivseks (asymptotically efficient), kui selle asümptootilise jaotuse dispersioon on väiksem suvalise mõjusa asümptootiliselt
seas. Iseloomustab hinnangute hajuvust. 9) Mõjus hinnang- Hinnang on mõjus, kui ta koondub tõenäosuse järgi parameetri tegelikuks väärtuseks. Valimi mahu kasvades tõenäosus, et hinnangu ja parameetri tegeliku väärtuse erinevus oleks väiksem kui mistahes positiivne arv, läheneb ühele. Iseloomustab koondumist suurte valimite korral. 10) Hinnangu asümptootiline jaotus – Asümptootiline jaotus näitab, millisele klassikalisele jaotusele läheneb hinnangu valimjaotus valimi mahu kasvamisel. Asümptootiliselt normaaljaotusega, kui hinnangu valimjaotus läheneb valimi mahu kasvamisel normaaljaotusele. Kasutatakse usalduspiiride leidmisel, testimisel. Sellest leitakse kriitilised väärtused, olulisuse tõenäosus. 11) Hinnangu asümptootiline efektiivsus – Mõjus hinnang on asümptootiliselt efektiivne, kui selle asümptootilise jaotuse dispersioon on väiksem suvalise mõjusa asümptootiliselt normaaljaotusega hinnangu dispersioonist.
● Asümptootika: valimi maht n → ∞ (Wolfram) Uute valimite moodustamisel on näha, et väikese mahuga valimite korral võib hinnang tegelikust väärtusest päris palju erineda. Valimi mahu suurenedes läheneb hinnang tegelikule väärtusele. Järelikult on valimi keskmine kogumi keskväärtuse jaoks mõjus hinnang. 10. Hinnangu asümptootiline jaotus. ● Asümptootiline jaotus näitab, millisele klassikalisele jaotusele läheneb hinnangu valimjaotus valimi mahu kasvamisel. ● Hinnang on asümptootiliselt normaaljaotusega, kui hinnangu valimjaotus läheneb valimi mahu kasvamisel normaaljaotusele ● Asümptootilist jaotust kasutatakse parameetrite usalduspiiride leidmisel, testimisel. Sellest leitakse kriitilised väärtused, olulisuse tõenäosus 11. Hinnangu asümptootiline efektiivsus. Mõjusat hinnangut nimetatakse asümptootiliselt efektiivseks (asymptotically efficient),
t. kas see tulemus on juhuslik; kas saaksime sellise tulemuse iga suvalise inimestegrupiga ? Kuna me ei saa tegelikult EST võimete olemasolu usaldusväärselt kontrollida, siis saame teha ainult statistilisi otsustusi EST juhtude sageduse põhjal. Esiteks saame hinnata, milline on tõenäosus, et EST grupi liikmed juhuslikult arvasid ära õige kaardi. Kuna 2 vastust10, siis 50 % oleks juhusliku äraarvamise tulemus. Kas number erineb juhuslikust keskmist. Valimjaotus (sampling distribution) kirjeldab paljukordsete katsetulemuste jaotumist. Valimjaotuse keskmine [müü] võrdub populatsiooni keskmisega (population mean). Antud näite puhul =50. Valimjaotuse standardhälve=keskmise standardviga (standard error of the mean - sem) xx . Keskmise standardviga esindab kõigi nende väärtuste variatiivsust valimi keskmise leidmisel, mida võiks oodata, kui me valiksime korduvalt juhuslikud, kindla suurusega valimid kogu populatsioonist.
annaabi.ee 
