کفایت و کامل بودن

یک آماره کافی، یک نمونه را بدون از دست دادن هیچ اطلاعاتی در مورد پارامتر فشرده می‌کند؛ کامل بودن، ویژگی منحصربه‌فردی را اضافه می‌کند که چنین فشرده‌سازی را به تخمین بهینه تبدیل می‌کند.

Definition

یک آماره برای یک پارامتر کافی است اگر توزیع شرطی داده‌ها به شرط آماره به پارامتر وابسته نباشد؛ و کامل است اگر هیچ تابع غیربدیهی از آن برای هر مقدار پارامتر امید ریاضی صفر نداشته باشد.

Scope

این موضوع شامل تعریف کفایت، قضیه فاکتورگیری فیشر-نیمن، آماره‌های کافی مینیمال و نحوه یافتن آن‌ها، آماره‌های کامل و کامل-کران‌دار، نقش خانواده نمایی، آماره‌های کمکی، و قضیه باسو در مورد استقلال یک آماره کافی کامل از هر آماره کمکی است.

Core questions

• چگونه قضیه فاکتورگیری به ما امکان می‌دهد کفایت را مستقیماً از تابع درست‌نمایی بخوانیم؟
• یک آماره کافی مینیمال چیست و چگونه ساخته می‌شود؟
• چرا کامل بودن تضمین می‌کند که یک تابع نااریب از آماره منحصربه‌فرد است؟
• چگونه قضیه باسو از کامل بودن برای اثبات استقلال بدون محاسبه استفاده می‌کند؟

Key theories

قضیه فاکتورگیری

یک آماره کافی است اگر و تنها اگر چگالی توأم به دو بخش فاکتور شود: یک بخش که فقط از طریق آن آماره و پارامتر به داده‌ها وابسته است، و یک بخش که فقط به داده‌ها وابسته است.

کامل بودن و قضیه باسو

کامل بودن منحصر به فرد بودن برآوردگرهای نااریب مبتنی بر آماره را تضمین می‌کند؛ قضیه باسو بیان می‌کند که یک آماره کافی کامل مستقل از هر آماره کمکی است.

Clinical relevance

کاهش داده‌ها به یک آماره کافی، خلاصه‌سازی مجموعه‌داده‌های بزرگ را با چند عدد بدون از دست دادن اطلاعات توجیه می‌کند، که زیربنای ذخیره‌سازی کارآمد، طراحی گزارش‌های خلاصه، و ساخت برآوردگرهای بهینه مورد استفاده در سراسر آمار کاربردی است.

History

فیشر در سال ۱۹۲۲ کفایت را به عنوان خاصیتی معرفی کرد که یک آماره هیچ اطلاعاتی را از دست نمی‌دهد. نیمن معیار فاکتورگیری را ارائه داد، و لمن و شف در دهه ۱۹۵۰ کامل بودن را توسعه دادند؛ باسو قضیه استقلال خود را در سال ۱۹۵۵ اثبات کرد و این مفاهیم را به هم پیوند داد.

Key figures

• Ronald A. Fisher
• Jerzy Neyman
• Debabrata Basu
• Erich L. Lehmann

Seminal works

• lehmannCasella1998

Frequently asked questions

چرا یک آماره کافی مفید است؟

این امکان را به شما می‌دهد که مجموعه داده کامل را با یک خلاصه کوچکتر جایگزین کنید، در حالی که تمام اطلاعاتی را که داده‌ها در مورد پارامتر حمل می‌کنند، حفظ می‌کنید و استنتاج را بدون هیچ گونه از دست دادنی ساده می‌کنید.

یک آماره کمکی چیست؟

یک آماره که توزیع آن به پارامتر وابسته نیست؛ طبق قضیه باسو، مستقل از هر آماره کافی کامل است، که اغلب برای ساده‌سازی محاسبات احتمال استفاده می‌شود.