Par exemple, je rencontre souvent des étudiants qui savent que le observé est un estimateur biaisé de la R 2 de la population . Puis, lors de la rédaction de leurs rapports, ils disent des choses comme:
«J'ai calculé Observé et ajusté R 2 , et ils étaient assez similaires, ce qui suggère seulement une petite quantité de parti pris dans le Observé R 2 valeur que nous avons obtenu. »
Je comprends généralement que lorsque nous parlons de biais, nous parlons généralement des propriétés des estimateurs plutôt que d'estimations particulières. Cependant, la déclaration citée ci-dessus est-elle une mauvaise utilisation de la terminologie, ou est-ce OK?
mathematical-statistics
terminology
bias
estimators
user1205901 - Réintégrer Monica
la source
la source
Réponses:
En statistique, le biais est clairement une propriété de l'estimateur.
Je partage votre observation selon laquelle le biais est souvent incorrectement appliqué aux estimations. Votre exemple semble plutôt innocent à cet égard, car un instructeur bien intentionné pourrait faire valoir que vos élèves ont supposé que l'erreur des estimations était si faible qu'il était acceptable d'assimiler l'estimation à l'estimateur.
Un exemple plus extrême serait l'utilisation du mot «biais» pour l'erreur d'une estimation particulière, comme dans: nous savons que la vraie valeur est 5, mais notre estimation était biaisée vers le haut. J'estime qu'il s'agit en effet d'une mauvaise utilisation de la terminologie qui conduira éventuellement à la confusion, et il convient donc de la signaler comme inappropriée.
la source
Le biais est la propriété d'un estimateur.
Un estimateur est lui-même une variable aléatoire et a une distribution (avec une moyenne et une variance). Lorsqu'un estimateur a une valeur attendue qui est égale à la vraie valeur inconnue qu'il essaie d'estimer, nous disons que l'estimateur est sans biais.
la source