สถิติ - การประมาณจุดที่ดีที่สุด
การประมาณค่าจุดเกี่ยวข้องกับการใช้ข้อมูลตัวอย่างในการคำนวณค่าเดียว (เรียกว่าสถิติ) ซึ่งใช้เป็น "การคาดเดาที่ดีที่สุด" หรือ "การประมาณที่ดีที่สุด" ของพารามิเตอร์ประชากรที่ไม่รู้จัก (คงที่หรือสุ่ม) เป็นทางการมากขึ้นคือการประยุกต์ใช้ตัวประมาณค่าจุดกับข้อมูล
สูตร
$ {MLE = \ frac {S} {T}} $
$ {Laplace = \ frac {S + 1} {T + 2}} $
$ {เจฟฟรีย์ = \ frac {S + 0.5} {T + 1}} $
$ {Wilson = \ frac {S + \ frac {z ^ 2} {2}} {T + z ^ 2}} $
ที่ไหน -
$ {MLE} $ = การประมาณความเป็นไปได้สูงสุด
$ {S} $ = จำนวนแห่งความสำเร็จ
$ {T} $ = จำนวนการทดลอง
$ {z} $ = Z-Critical Value
ตัวอย่าง
Problem Statement:
หากเหรียญถูกโยน 4 ครั้งจากการทดลอง 9 ครั้งในระดับความเชื่อมั่น 99% แล้วอะไรคือจุดที่ดีที่สุดของความสำเร็จของเหรียญนั้น?
Solution:
ความสำเร็จ (S) = 4 การทดลอง (T) = 9 ระดับช่วงความมั่นใจ (P) = 99% = 0.99 ในการคำนวณการประมาณค่าจุดที่ดีที่สุดให้คำนวณค่าทั้งหมด:
ขั้นตอนที่ 1
ขั้นตอนที่ 2
ขั้นตอนที่ 3
ขั้นตอนที่ 4
ค้นหา Z-Critical Value จากตาราง Z Z-Critical Value (z) = สำหรับระดับ 99% = 2.5758
ขั้นตอนที่ 5
ผลลัพธ์
ดังนั้นการประมาณจุดที่ดีที่สุดคือ 0.468 เป็น MLE ≤ 0.5