Įvertiklis yra statistika, reikalaujanti tam tikrų sąlygų, kad būtų galima apskaičiuoti tam tikrus populiacijos parametrus su tam tikromis garantijomis.
T. y., Vertintojas yra statistika. Dabar jis nėra bet koks statistikas. Tai statistika, turinti tam tikras savybes. Pavyzdys gali būti vidurkis arba dispersija. Šie gerai žinomi rodikliai yra vertintojai.
Mes įvardijame šiuos du, nes jie yra paprasčiausi, tačiau statistikoje jų yra daug daugiau. Dabar, grįžtant prie apibrėžimo, ką mes suprantame pagal tam tikras sąlygas, kad tam tikrus parametrus būtų galima apskaičiuoti su tam tikromis garantijomis?
Pirmiausia turime suprasti, kad atlikdami tyrimą paprastai norime ištirti tam tikrą parametrą. Pavyzdžiui, norime ištirti, koks yra vidutinis medžių aukštis tam tikrame Kolumbijos mieste. Tiriamasis kintamasis yra medžių aukštis tam tikrame Kolumbijos mieste. Tuo tarpu parametras yra vidutinis medžių aukštis tame mieste.
Kokios sąlygos turėtume reikalauti iš savo vertintojo aukščiau pateiktame pavyzdyje? Na, pavyzdžiui, nesiimkite neigiamų reikšmių. Ir, žinoma, kad apskaičiuojant vidutinį aukštį gaunamos galimos vertės. Jei aukščiausias medis yra 10 metrų, vidutinis įvertintojas negali mums pateikti 15 metrų. Tokiu atveju tai negalėjo būti vertintojas, nes tai nesukeltų fiziškai galimų verčių.
Taigi iš to, kas išdėstyta pirmiau, darome išvadą, kad vertintojai yra statistikai, kurie būtinai turi imti galimas vertes iš mūsų tiriamų duomenų.
Dabar nepakanka tik paimti reikšmes, kurios yra duomenų diapazone. Paprastai mes reikalaujame tam tikrų savybių, kad galėtume turėti tam tikras garantijas. Gali būti, kad tam tikri vertintojai tenkina sąmatą būti vertintojais, tačiau jei jie įvertins blogai, jie bus priskirti blogiems vertintojams.
Rekomenduojamos vertintojo savybės
Kad jis gerai atliktų savo funkciją, rekomenduojama, kad jie be tam tikrų papildomų savybių atitiktų pagrindinę sąmatininkų sąlygą. Šios savybės leis patikimos mūsų tyrimo išvados.
- Pakanka: Pakankamumo savybė rodo, kad vertintojas veikia su visais imties duomenimis. Pavyzdžiui, vidurkis nesurenka tik 50% duomenų. Norint apskaičiuoti parametrą, reikia atsižvelgti į 100% duomenų.
- Nešališkas: Nešališkas turtas nurodo įvertintojo svarbą. Tai yra, įverčio vidurkis turi sutapti su parametru, kurį reikia įvertinti. Neturėtume painioti įverčio vidurkio su vidurkiu.
- Nuoseklus: Nuoseklumo samprata eina kartu su imties dydžiu ir ribos samprata. Paprastais žodžiais kalbant, mums reikia pasakyti, kad vertintojai įvykdo šią savybę, kai labai didelės imties atveju jie gali įvertinti beveik be klaidų.
- Veiksminga: Efektyvumo savybė gali būti absoliuti arba santykinė. Įvertiklis yra efektyvus absoliučia prasme, kai įvertiklio dispersija yra minimali. Negalime painioti įverčio dispersijos su dispersijos įverčiu.
- Stiprus: Teigiama, kad vertintojas yra tvirtas, jei, nepaisant neteisingos pradinės hipotezės, rezultatai labai panašūs į realius.
Aukščiau nurodytos savybės yra pagrindinės. Žinoma, kiekviename objekte yra daugybė skirtingų atvejų. Taip pat yra ir kitų pageidaujamų savybių.
Kitos pageidaujamos įverčių savybės
Pageidautinos savybės pavyzdys yra nekintamas pagal masto pokyčius. Ši savybė rodo, kad pakeitus matavimo vienetą, įvertinta vertė nesikeičia. Pavyzdžiui, jei matuosime medžius centimetrais, o paskui metrais, vidutinė vertė turėtų būti tokia pati. Pagal tai galėtume pasakyti, kad vidurkis yra nekintamas vertintojas prieš masto pokyčius.
Kita statistikos vadovuose nurodoma savybė yra nekintanti kilmės pokyčiams. Tęsdami ankstesnį atvejį, pamatysime hipotetinį atvejį. Tarkime, kad pamatavę visus medžius darome išvadą, kad prie užregistruoto kiekvieno medžio aukščio turime pridėti 10 centimetrų. Naudota juosta buvo prastai išmatuota, ir mes turime atlikti šį pakeitimą, kad pritaikytume duomenis tikrovei. Tai, ką darome, yra kilmės pasikeitimas. Ir kyla klausimas, ar vidutinio aukščio pokytis bus rezultatas?
Priešingai mastelio pokyčiams, čia įtakos turi kilmės pasikeitimas. Jei paaiškės, kad visi medžiai yra 10 centimetrų aukštesni, tada vidutinis aukštis kils.
Todėl galime sakyti, kad vidurkis yra nekintamas vertintojas prieš skalės pakeitimus, bet variantas prieš kilmės pokyčius.