Yeterlilik ve Tamlık
Yeterli bir istatistik, parametre hakkında hiçbir bilgiyi atmadan bir örneği sıkıştırır; tamlık ise bu tür bir sıkıştırmayı optimal tahmine dönüştüren tekliği ekler.
Tanım
Bir istatistik, verilerin istatistik verildiğinde koşullu dağılımı parametreye bağlı değilse bir parametre için yeterlidir; eğer istatistiğin önemsiz olmayan hiçbir fonksiyonunun her parametre değeri için beklenen değeri sıfır değilse tamdır.
Kapsam
Bu konu, yeterliliğin tanımını, Fisher-Neyman çarpanlara ayırma teoremini, minimal yeterli istatistikleri ve bunların nasıl bulunduğunu, tam ve sınırlı-tam istatistikleri, üstel ailenin rolünü, yardımcı istatistikleri ve tam yeterli bir istatistiğin herhangi bir yardımcı istatistikten bağımsızlığına ilişkin Basu teoremini kapsamaktadır.
Temel sorular
- Çarpanlara ayırma teoremi, yeterliliğin doğrudan olabilirlikten okunmasına nasıl olanak tanır?
- Minimal yeterli istatistik nedir ve nasıl oluşturulur?
- Tamlık, istatistiğin yansız bir fonksiyonunun tek olduğunu neden garanti eder?
- Basu teoremi, hesaplama yapmadan bağımsızlığı kanıtlamak için tamlığı nasıl kullanır?
Temel kuramlar
- Çarpanlara ayırma teoremi
- Bir istatistik, ancak ve ancak ortak yoğunluk, yalnızca o istatistik ve parametre aracılığıyla verilere bağlı olan bir kısma ve yalnızca verilere bağlı olan bir kısma ayrılıyorsa yeterlidir.
- Tamlık ve Basu teoremi
- Tamlık, istatistiğe dayalı yansız tahmin edicilerin tekliğini sağlamaktadır; Basu teoremi, tam yeterli bir istatistiğin her yardımcı istatistikten bağımsız olduğunu belirtmektedir.
Klinik önem
Verileri yeterli bir istatistiğe indirgemek, büyük veri kümelerini bilgi kaybı olmaksızın birkaç sayı ile özetlemeyi haklı çıkarmaktadır; bu durum, verimli depolamanın, özet raporların tasarımının ve uygulamalı istatistiklerde kullanılan optimal tahmin edicilerin oluşturulmasının temelini oluşturmaktadır.
Tarihçe
Fisher, 1922'de yeterliliği, bir istatistiğin hiçbir bilgiyi kaybetmemesi özelliği olarak tanıtmıştır. Neyman çarpanlara ayırma kriterini vermiş, Lehmann ve Scheffe 1950'lerde tamlığı geliştirmiştir; Basu, 1955'te bağımsızlık teoremini kanıtlayarak bu kavramları bir araya getirmiştir.
Öne çıkan isimler
- Ronald A. Fisher
- Jerzy Neyman
- Debabrata Basu
- Erich L. Lehmann
İlgili konular
Temel eserler
- lehmannCasella1998
Sıkça sorulan sorular
- Yeterli bir istatistik neden faydalıdır?
- Verilerin parametre hakkında taşıdığı her bilgi parçasını korurken, tam veri kümesini daha küçük bir özetle değiştirmenize olanak tanır ve böylece çıkarımı hiçbir kayıp olmaksızın basitleştirir.
- Yardımcı istatistik nedir?
- Dağılımı parametreye bağlı olmayan bir istatistiktir; Basu teoremi uyarınca, herhangi bir tam yeterli istatistikten bağımsızdır ve bu durum genellikle olasılık hesaplamalarını basitleştirmek için kullanılmaktadır.