Schätzfehler

aus Wikipedia, der freien Enzyklopädie
Wechseln zu: Navigation, Suche
Dieser Artikel oder nachfolgende Abschnitt ist nicht hinreichend mit Belegen (beispielsweise Einzelnachweisen) ausgestattet. Die fraglichen Angaben werden daher möglicherweise demnächst entfernt. Bitte hilf der Wikipedia, indem du die Angaben recherchierst und gute Belege einfügst. Näheres ist eventuell auf der Diskussionsseite oder in der Versionsgeschichte angegeben. Bitte entferne zuletzt diese Warnmarkierung.

In der Statistik bezeichnet der Schätzfehler die Abweichung einer Schätzfunktion \hat{\vartheta} vom unbekannten Parameter der Grundgesamtheit \vartheta. Er ist ein Maß für die Güte der Schätzfunktion (oder Interpolation).

Definition[Bearbeiten]

Er ist definiert als:

e:=\hat{\vartheta}-\vartheta

Ist der wahre Parameter unbekannt so ist auch der Schätzfehler unbekannt. Trotzdem ist es möglich, eine Aussage über die Präzision des Schätzfehlers zu machen.

Parameter des Schätzfehlers[Bearbeiten]

  • Der Erwartungswert des Schätzfehlers wird als Verzerrung bezeichnet.
  • Die Standardabweichung des Schätzfehlers ist gleich dem Standardfehler.

Beispiele[Bearbeiten]

Wenn \mu der Mittelwert in der Grundgesamtheit ist, \sigma^2 die Varianz und \pi der Anteilswert in einer dichotomen Grundgesamtheit ist, dann zeigt die folgende Tabelle Schätzfunktionen, Schätzfehler und Verzerrungen. Dabei bezeichnet N(\mu, \sigma^2) die Normalverteilung mit Erwartungswert \mu und Varianz \sigma^2.

Parameter der
Grundgesamtheit
Stichprobenvariablen Schätzfunktion \hat{\theta} Schätzfehler e Verzerrung \operatorname{E}(e)
\mu X_i \sim N (\mu, \sigma^2) \bar{X}=\frac{X_1 + \ldots + X_n}{n} \bar{X}-\mu 0
\mu X_i \sim (\mu, \sigma^2) und ZGS erfüllt \bar{X}=\frac{X_1 + \ldots + X_n}{n} \bar{X}-\mu 0
\pi X_i dichotom \Pi=\frac{X_1 + \ldots + X_n}{n} \Pi-\pi 0
\sigma^2 X_i\sim N(\mu, \sigma^2) und \mu bekannt S^{*2}=\frac{1}{n} \sum_{i=1}^n (X_i - \mu)^2 S^{*2}-\sigma^2 0
\sigma^2 X_i\sim N(\mu, \sigma^2) und \mu unbekannt S^2=\frac{1}{n-1} \sum_{i=1}^n (X_i - \bar{X})^2 S^2-\sigma^2 0
\sigma^2 X_i\sim N(\mu, \sigma^2) und \mu unbekannt S^{'2}=\frac{1}{n} \sum_{i=1}^n (X_i - \bar{X})^2 S^{'2}-\sigma^2 -\frac{\sigma^2}{n}