Winsorlu Tahmin
Winsorized Estimation of Location and Scale · Ayrıca şöyle bilinir: winsorization, winsorized mean, Winsorize Edilmiş Tahmin
Winsorlu tahmin, aşırı değerlerin etkisini, bir dağılımın aşırı yüzdelik dilimlerini seçilen bir eşiğe sabitleyerek azaltan sağlam bir tekniktir. Dixon (1960) tarafından tanıtılan ve Wilcox'un sağlam tahmin geleneğinde geliştirilen bu yöntem, herhangi bir gözlemi atmak yerine örneklemdeki her gözlemi tutar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Winsorlu tahmin, makul sayıda aşırı değer içeren ve konumun sağlam bir özetini veya gözlemleri atmadan daha adil bir karşılaştırma istediğiniz sürekli veriler için uygundur. En az yaklaşık 20 gözlem bekler ve alan bilgisine dayanarak aşırı değer kesme noktasının mantıklı bir şekilde ayarlanabileceğini varsayar. Gözlemleri atmak istemediğinizde budamaya tercih edilir, ancak aşırı değerler verilerin yaklaşık %25'ini aştığında güvenilirliğini kaybeder — o zaman medyan tabanlı bir tahminci daha iyidir — veya örneklem çok küçük olduğunda (10'dan az), permütasyon testi daha güvenilirdir.
Güçlü yönler & sınırlılıklar
- Tahmin edilen ortalama üzerindeki aşırı değerlerin etkisini, tüm örneklemi sağlam tutarken keskin bir şekilde azaltır.
- Verilerin normal dağılımını gerektirmez.
- Basit ve hızlı: kuyrukları seçilen yüzdelik dilimlerde sınırlayın ve ortalamasını alın.
- Aşırı değer oranı yaklaşık %25'i aştığında, winsorlaştırma sınırları aşırı değerleri yeterince bastıramaz ve medyan tabanlı bir yöntem tercih edilir.
- Çok küçük örneklemlerde (n < 10) güvenilmezdir, burada permütasyon testi daha iyi bir alternatiftir.
- Sonuç, keyfi olarak seçilmek yerine gerekçelendirilmesi gereken seçilen kuyruk kesrine bağlıdır.
SSS
Winsorlaştırma budamadan nasıl farklıdır?
Budama, aşırı gözlemleri tamamen kaldırarak örneklemi küçültürken, winsorlaştırma bunları yüzdelik dilim eşikleriyle değiştirir ve her gözlemi tutar. Her ikisi de aşırı değer etkisini azaltır, ancak winsorlaştırma tam örneklem boyutunu korur.
Hangi kuyruk kesrini kullanmalıyım?
Her iki uçta simetrik %5 yaygın bir varsayılan değerdir, ancak kesme noktası kuyrukların ne kadar ağır olduğunu ve alan bilgisinin makul değerler hakkında ne söylediğini yansıtmalıdır. Keyfi bir seçim değil, kasıtlı bir seçim olmalıdır.
Verilerimin normal olması gerekiyor mu?
Hayır. Winsorlu tahmin, normalite gerektirmeyen sağlam bir yöntemdir; özellikle aşırı değerleri veya ağır kuyrukları olan dağılımlar için tasarlanmıştır.
Ne zaman medyan tabanlı bir yöntemi tercih etmeliyim?
Gözlemlerin yaklaşık %25'inden fazlası aşırı değer olduğunda, winsorlaştırma sınırları aşırı değerleri artık bastıramaz, bu nedenle medyan tabanlı bir tahminci (MAD tabanlı tahmin gibi) daha güvenli bir seçim haline gelir.
Kaynaklar
- Dixon, W. J. (1960). Simplified Estimation from Censored Normal Samples. Annals of Mathematical Statistics, 31(2), 385-391. DOI: 10.1214/aoms/1177705900 ↗
- Wilcox, R. R. (2012). Introduction to Robust Estimation and Hypothesis Testing (3rd ed.). Academic Press. ISBN: 978-0123869838
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Winsorized Estimation of Location and Scale. ScholarGate. https://scholargate.app/tr/statistics/winsorized-estimation
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Etki Tanılamaları (Cook Mesafesi, DFFITS, Kaldıraç)İstatistik↔ karşılaştır
- Medyan Mutlak Sapma (MAD) Tahminiİstatistik↔ karşılaştır
- Permütasyon (Rastgeleleştirme) Testiİstatistik↔ karşılaştır
- Sağlam Korelasyon (Spearman, Kendall ve Biweight)İstatistik↔ karşılaştır
- Trimmed Mean Test (Yuen Testi)İstatistik↔ karşılaştır