Anar al contingut

Estimació de la desviació estàndart no biaixada

De L'Enciclopèdia, la wikipedia en valencià

En estadística, i en particular en estadística teòrica, la estimació de la desviació estàndart no biaixada és el càlcul d'un valor estimat de la desviació estàndart d'una població de valors obtinguda a partir d'una mostra estadística (una medida de dispersió), de tal manera que l'esperança matemàtica obtinguda del càlcul siga igual al seu valor verdader. Llevat en algunes situacions importants, que es descriuen més avant, la tasca té poca rellevància per a les aplicacions estadístiques, ya que la seua necessitat s'evita per mig de procediments estàndart, com l'ús del contrast d'hipòtesis i d'intervals de confiança, o per mig de l'ús d'inferència bayesiana.

No obstant, per a la teoria estadística, proporciona un problema que servix d'eixemple en el context de l'estimació estadística .

Trasfondo

En estadística, la desviació típica d'una població de números a sovint s'estima a partir d'una mostra extreta de la població. Llavors es parla de la desviació estàndart de la mostra, que es definix per

s=∑i=1n(xi−x‾)2n−1,

a on {x1,x2,…,xn} és la mostra (formalment, les realisacions d'una variable aleatòria X) i x‾ és la seua mija mostral.

Una forma de vore que es produïx un biaix estadístic de la desviació estàndart de la població és supondre que el resultat de s2 posseïx un biaix estadístic subjacent de la variància σ2 de la població, si existix eixa variància i s'extrauen els valors de la mostra, independentment de que es faça en tongada. La raïl quadrada és una funció no llineal, i solament les funcions llineals són conmutativas en evaluar l'expectativa d'un succés. Com la raïl quadrada és una funció estrictament cóncava, segons la desigualtat de Jensen es deduïx que la raïl quadrada de la variància de la mostra és una subestimacó del seu valor.

L'ús de n & minus; 1 en lloc de n en la fòrmula per a la variància de la mostra es coneix com correcció de Bessel, que permet corregir el biaix en l'estimació de la variància de la població, i alguns (pero no tots) biaix en l'estimació de la desviació estàndart de la mostra.

No és possible trobar una estimació de la desviació estàndart que siga imparcial per a totes les distribucions de la població, ya que el biaix depén de cada distribució en particular. Gran part dels apartats següents es relacionen en l'estimació no biaixada suponent una distribució normal.

Correcció del biaix

Resultats per a la distribució normal

Factor de correcció c4 front al tamany de la mostra n

Quan la variable aleatòria està normalment distribuïda, existix una correcció menor per a eliminar el biaix. Per a deduir esta correcció, ha de tindre's en conte que una variable X normalment distribuïda, segons el teorema de Cochran, implica que (n−1)s2/σ2 té una distribució χ² en n − 1 graus de llibertat, i per lo tant, la seua raïl quadrada n−1s/σ té una distribució χ en n − 1 graus de llibertat. En conseqüència, calculant el valor esperat d'esta última expressió i reorganisant les constants,

E⁡[s]=c4(n)σ

a on el factor de correcció c4 (n) és la mija de l'escala de la distribució chi en n − 1 graus de llibertat, μ1(n−1)/n−1. El resultat depén del tamany de la mostra n i s'obté de la següent manera:[1]

c4(n)=2n−1Γ(n2)Γ(n−12)=1−14n−732n2−19128n3+O(n−4)


a on Γ (·) és la funció gamma. Es pot obtindre un estimador sense biaix de σ en dividir s per c4 (n). A mida que n creix, s'acosta a 1, i inclús per a valors més menuts, la correcció és menor. La figura mostra una gràfica de c4 (n) sobre el tamany de mostra. La següent taula mostra valors numèrics de c4 i expressions algebraiques per a alguns valors de n. Es poden trobar taules més completes en la majoria dels llibres de text sobre control estadístic de processos.

Tamany de la mostra Expressió de c4 Valor numèric
2 2π 0.7978845608
3 π2 0.8862269255
4 223π 0.9213177319
5 34π2 0.9399856030
6 8325π 0.9515328619
7 53π16 0.9593687891
8 16527π 0.9650304561
9 35π64 0.9693106998
10 1281052π 0.9726592741
100 0.9974779761
1000 0.9997497811
10000 0.9999749978
2k 2π(2k−1)22k−2(k−1)!2(2k−2)!
2k+1 πk(2k−1)!22k−1(k−1)!2

És important tindre en conte que esta correcció solament produïx un estimador imparcial per a la "X" distribuïda de manera normal i independent. Quan es complix esta condició, un atre resultat de s que involucra a c4 (n) és que l'error estàndart de s és[2][3] σ1−c42, mentres que l'error estàndart de l'estimador no biaixat és σc4−2−1.

Regla aproximada per a estimar el biaix de la distribució normal

Si el càlcul de la funció c4 (n) pot semblar massa difícil, existix una simple regla del polze[4] per a estimar-la:

σ^=1n−1.5∑i=1n(xi−x‾)2

La fòrmula diferix de l'expressió habitual de s2 solament per tindre (n − 1.5) en lloc de (n − 1) en el denominador. Esta expressió és solament aproximada, de fet, la fòrmula exacta és:

E⁡[σ^]=σ⋅(1+116n2+316n3+O(n−4)).

No obstant, la diferència en el biaix obtingut en la regla aproximada és relativament menuda: per eixemple, per a n = 3 és igual a l'1.3%, i per a n = 9 la diferència ya és menor del 0.1%.

Atres distribucions

En els casos en que les senyes estadísticament independents són modelats per una família paramètrica de distribucions diferents d'una distribució normal, la desviació estàndart de la població, si existix, serà una funció dels paràmetros del model. Un enfocament general per a l'estimació seria determinar la màxim verosimilitut. Alternativament, pot ser possible usar el teorema de Rao-Blackwell com un mètoto per a trobar una bona estimació de la desviació estàndart. En cap cas les estimacions obtingudes generalment seran no biaixades. Bàsicament, podrien obtindre's ajusts teòrics per a obtindre estimacions no biaixades, pero, a diferència del cas de la distribució normal, casi sempre dependrien dels paràmetros estimats.

Si el requisit és simplement reduir el biaix d'una desviació estàndart estimada, en lloc d'eliminar-ho per complet, llavors hi ha dos enfocaments pràctics disponibles, abdós dins del context del remuestreo, que es denominen jackknife i bootstrapping. Abdós tècniques es poden aplicar a estimacions basades en paràmetros de la desviació estàndart o a la pròpia desviació estàndart de la mostra.

Per a distribucions no normals, una fòrmula aproximada (fins a O (n−1)) per a l'estimador no biaixat de la desviació estàndart és:


σ^=1n−1.5−14γ2∑i=1n(xi−x‾)2,

a on γ2 denota la curtosis de la població. L'excés de curtosis es pot conéixer de bestreta per a certes distribucions o es pot estimar a partir de les senyes.

Vore també

Referències

  1. ↑ Ben W. Bolch, "More on unbiased estimation of the standard deviation", The American Statistician, 22(3), p. 27 (1968)
  2. ↑ Duncan, A. J., Quality Control and Industrial Statistics 4th Ed., Irwin (1974) ISBN 0-256-01558-9, p.139
  3. ↑ * N.L. Johnson, S. Kotz, and N. Balakrishnan, Continuous Univariate Distributions, Volume 1, 2nd edition, Wiley and sons, 1994. ISBN 0-471-58495-9. Chapter 13, Section 8.2
  4. ↑ Richard M. Brugger, "A Note on Unbiased Estimation of the Standard Deviation", The American Statistician (23) 4 p. 32 (1969)
  • Douglas C. Montgomery i George C. Runger, Estadística Aplicada i Provabilitat per a Ingeniers , tercera edició, Wiley and sons, 2003. (vore Seccions 7 i ndash; 2.2 i 16 i ndash; 5)