Estimat: Forskelle mellem versioner

Fra Wikipedia, den frie encyklopædi
Content deleted Content added
m ændret {{stub}} til {{Sprogstub}}, indsat {{ordbog}}
Zheric (diskussion | bidrag)
Helt omskrevet til artikel om statistisk estimat (se Diskussion:Estimat)
Linje 1: Linje 1:
Indenfor [[statistik]] er et '''estimat''' en beregning af en størrelse ud fra et datasæt, som kan være mangelfuldt eller indeholde [[støj| støj (statistik)]]. Det kan eksempeltvist være et statistik mål (for eksempel [[middelværdi]]en) eller en parameter i en [[model (matematik)|model]]. Man opererer med en teoretisk ''sand værdi'' for størrelsen, som estimatet er en vurdering af. Generelt kan man ikke finde den sande værdi, men kun få et estimat af den.
{{ordbog}}


Et eksempel hvor man kan finde den sande værdi er hvor mange stemmer de enkelte partier og personer får til en [[folkeafstemning]]. Før folkeafstemningen laves der undersøgelser af hvad folk vil stemme. Her får man et estimat af stemmefordelingen. Den sande værdi får man, når stemmerne er talt op. Andre ting, for eksempel antallet af venstrehåndede mennesker i verden, er det kun teoretisk muligt at tælle op. Det ville kræve, at man skulle i kontakt med alle levende mennesker indenfor et kort tidsrum, hvor ingen dør eller bliver født. Derfor undersøger man måske 10.000 mennesker af forskellig oprindelse og siger, at de er repræsentative for hele verden.
Estimat eller æstimat -et, -er [-'ma't] (lat. ''esti'matus'' pp af ''æstimare''som betyder vurdere eller prise) Resultatet af en sandsynlighedsberegning.


==Centralt estimat==
{{Sprogstub}}
Et estimat er centralt, hvis [[forventningsværdi]]en af estimatet er lig den sande værdi. Dette betyder, at hvis man tager gennemsnittet af uendeligt mange estimater af værdien, vil dette være den sande værdi.

Et estimat, der ikke er centralt, har en ''skævhed'' (engelsk: ''bias''), som er differencen mellem forventningsværdien og den sande værdi. Altså en systematisk fejl, så estimater generelt er højere eller lavere end den sande værdi.

I nogle statistiske modeller kan man vælge om man vil have skævhed eller [[varians]] i sit estimat. Stor varians medfører, at man skal have mange værdier for at få et godt estimat, mens skævhed medfører, at man ikke kan regne værdien nøjagtigt.

==Se også==
[[Konfidensinterval]]

[[Store tals lov]]

==Referencer==
''Propability and Statistics for Engineers'' (2000) af Miller & Freund (Prentice Hall), ISBN 0-13-017974-4


[[Kategori:Statistik]]

Versionen fra 25. jun. 2007, 21:19

Indenfor statistik er et estimat en beregning af en størrelse ud fra et datasæt, som kan være mangelfuldt eller indeholde støj (statistik). Det kan eksempeltvist være et statistik mål (for eksempel middelværdien) eller en parameter i en model. Man opererer med en teoretisk sand værdi for størrelsen, som estimatet er en vurdering af. Generelt kan man ikke finde den sande værdi, men kun få et estimat af den.

Et eksempel hvor man kan finde den sande værdi er hvor mange stemmer de enkelte partier og personer får til en folkeafstemning. Før folkeafstemningen laves der undersøgelser af hvad folk vil stemme. Her får man et estimat af stemmefordelingen. Den sande værdi får man, når stemmerne er talt op. Andre ting, for eksempel antallet af venstrehåndede mennesker i verden, er det kun teoretisk muligt at tælle op. Det ville kræve, at man skulle i kontakt med alle levende mennesker indenfor et kort tidsrum, hvor ingen dør eller bliver født. Derfor undersøger man måske 10.000 mennesker af forskellig oprindelse og siger, at de er repræsentative for hele verden.

Centralt estimat

Et estimat er centralt, hvis forventningsværdien af estimatet er lig den sande værdi. Dette betyder, at hvis man tager gennemsnittet af uendeligt mange estimater af værdien, vil dette være den sande værdi.

Et estimat, der ikke er centralt, har en skævhed (engelsk: bias), som er differencen mellem forventningsværdien og den sande værdi. Altså en systematisk fejl, så estimater generelt er højere eller lavere end den sande værdi.

I nogle statistiske modeller kan man vælge om man vil have skævhed eller varians i sit estimat. Stor varians medfører, at man skal have mange værdier for at få et godt estimat, mens skævhed medfører, at man ikke kan regne værdien nøjagtigt.

Se også

Konfidensinterval

Store tals lov

Referencer

Propability and Statistics for Engineers (2000) af Miller & Freund (Prentice Hall), ISBN 0-13-017974-4