Ocenjevalec je statistika, ki zahteva določene pogoje, da lahko z določenimi jamstvi izračuna določene parametre populacije.
To pomeni, da je ocenjevalec statistika. Zdaj ni noben statistik. To je statistika z določenimi lastnostmi. Primer je lahko povprečje ali varianca. Te dobro znane metrike so ocenjevalci.
To dvoje imenujemo, ker sta najpreprostejša, v statistiki pa jih je veliko več. Zdaj, ko se vračamo k definiciji, kaj razumemo pod določenimi pogoji, da lahko nekatere parametre izračunamo z določenimi garancijami?
Najprej moramo razumeti, da ko izvajamo raziskovalno študijo, običajno želimo preučiti določen parameter. Na primer, želeli bi preučiti, kakšna je povprečna višina dreves v določenem mestu v Kolumbiji. Preučevana spremenljivka je višina dreves v določenem mestu v Kolumbiji. Parameter je povprečna višina dreves v tem mestu.
Kakšen pogoj bi morali v zgornjem primeru zahtevati od našega ocenjevalca? No, na primer, ne vzemite negativnih vrednosti. In seveda, da izračun povprečne višine vodi do možnih vrednosti. Če je najvišje drevo 10 metrov, nam povprečni ocenjevalec ne more dati 15 metrov. V tem primeru ne bi mogel biti ocenjevalec, saj ne bi povzročal fizično možnih vrednosti.
Tako iz zgoraj navedenega sklepamo, da so ocenjevalci statistiki, ki morajo nujno vzeti možne vrednosti iz podatkov, ki jih preučujemo.
Zdaj ni dovolj samo vzeti vrednosti, ki so znotraj obsega podatkov. Običajno se od vas zahtevajo določene lastnosti, da bomo lahko imeli določena jamstva. Mogoče je, da nekateri ocenjevalci izpolnjujejo pogoj, da so ocenjevalci, če pa ocenjujejo slabo, bodo razvrščeni kot slabi ocenjevalci.
Priporočene lastnosti ocenjevalnika
Da ta dobro izpolnjuje svojo funkcijo, je poleg ocenjevalcev, ki izpolnjujejo njihov osnovni pogoj ocenjevalcev, priporočljivo, da izpolnjujejo še nekatere dodatne lastnosti. Te lastnosti so tisto, kar bo omogočilo, da bodo zaključki naše študije zanesljivi.
- Dovolj: Lastnost zadostnosti kaže, da ocenjevalnik deluje z vsemi podatki v vzorcu. Na primer, povprečje ne izbere le 50% podatkov. Za izračun parametra se upošteva 100% podatkov.
- Nepristranski: Nepristranska lastnost se nanaša na osrednjo vrednost ocenjevalca. To pomeni, da mora srednja vrednost ocenjevalca sovpadati s parametrom, ki ga je treba oceniti. Ne smemo zamenjati povprečja ocenjevalca s povprečnim ocenjevalcem.
- Dosledno: Koncept skladnosti gre skupaj z velikostjo vzorca in konceptom meje. Z enostavnimi besedami povemo, da ocenjevalci to lastnost izpolnjujejo, kadar lahko v primeru zelo velikega vzorca ocenijo skoraj brez napak.
- Učinkovito: Lastnost učinkovitosti je lahko absolutna ali relativna. Ocenjevalec je v absolutnem smislu učinkovit, kadar je varianca ocenjevalca minimalna. Variacije ocenjevalca ne smemo zamenjati z ocenjevalnikom variance.
- Močna: Ocenjevalec naj bi bil zanesljiv, če so rezultati kljub napačni začetni hipotezi zelo podobni resničnim.
Zgornje lastnosti so glavne. Seveda je znotraj vsake nepremičnine veliko različnih primerov. Obstajajo tudi druge zaželene lastnosti.
Druge zaželene lastnosti ocenjevalcev
Primer zaželene lastnosti je lastnost nespremenljive spremembe obsega. Ta lastnost kaže, da se v primeru spremembe merske enote vrednost, ki jo je treba oceniti, ne spremeni. Če na primer merimo drevesa v centimetrih in nato v metrih, mora biti povprečna vrednost enaka. S tem bi lahko rekli, da je povprečje invariantni ocenjevalec pred spremembami obsega.
Druga lastnost, ki jo statistični priročniki običajno navajajo, je nespremenjena glede sprememb izvora. Za nadaljevanje prejšnjega primera bomo videli hipotetični primer. Recimo, da po merjenju vseh dreves zaključimo, da moramo zabeleženi višini vsakega drevesa dodati 10 centimetrov. Uporabljeni trak je bil slabo izmerjen in to moramo spremeniti, da prilagodimo podatke resničnosti. Kar počnemo, je sprememba izvora. In vprašanje je, ali se bo rezultat povprečne višine spremenil?
V nasprotju s spremembo obsega tu sprememba izvora vpliva. Če se izkaže, da so vsa drevesa višja za 10 centimetrov, se bo povprečna višina dvignila.
Zato lahko rečemo, da je povprečje invariantni ocenjevalec pred spremembami obsega, varianta pa pred spremembami izvora.
