Robustni ocenjevalec ali tisti, ki ima lastnost robustnosti, je tisti, katerega veljavnost se ne spremeni zaradi kršitve katere koli začetne predpostavke.
Ideja robustnega ocenjevalca je, da se pripravi na morebitne napake v začetnih predpostavkah. V statistiki in ekonomiji se običajno uporabljajo začetne hipoteze. To pomeni, predpostavke, pod katerimi je formula, da je teorijo mogoče izpolniti. Na primer: "Ob predpostavki, da Messi ni poškodovan, bo odigral stoto tekmo z Barcelono."
Imamo izhodiščno hipotezo in rezultat. Hipoteza je, da se ne poškoduje. Če se poškoduje, se napoved, da bo odigral svojo 100. ligaško tekmo, ne bo uresničila. V tem primeru ne delamo z zanesljivim ocenjevalnikom. Zakaj? Ker če bi bil robusten ocenjevalec, dejstvo, da se je poškodoval, ne bi ogrozilo napovedi.
Ocena točkeRobusten ocenjevalec in začetne predpostavke
Zgornji primer je odkrito preprost primer. V statistiki, razen če imamo osnovno znanje, niso tako lahki primeri. Vendar bomo poskušali razložiti začetno predpostavko, ki se običajno zlomi, ko naredimo oceno.
Začetne predpostavke ali začetne predpostavke so pogoste v ekonomiji. Za gospodarski model je zelo pogosto določiti začetne predpostavke. Na primer, predpostavka, da je trg popolnoma konkurenčen, je pogosta v mnogih ekonomskih modelih.
V primeru, da predpostavljamo, da se soočamo s popolnoma konkurenčnim trgom, domnevamo - poenostavimo -, da smo vsi enaki. Vsi imamo enak denar, izdelki so enaki in nihče ne more vplivati na ceno blaga ali storitve.
S tega vidika je v statistiki izhodiščna predpostavka, ki izstopa pred vsemi drugimi, verjetnostna porazdelitev. Da bi bile nekatere lastnosti našega ocenjevalnika izpolnjene, mora biti izpolnjeno, da se pojav, ki ga preučujemo, porazdeli glede na verjetnostno strukturo.
Običajna porazdelitev
Normalna porazdelitev verjetnosti je najpogostejša. Od tod tudi njegovo ime. Tako se imenuje, ker je "normalno" ali običajno. Zelo pogosto je videti, kako v mnogih statističnih študijah piše: "Predpostavljamo, da je naključna spremenljivka X običajno porazdeljena."
V običajni porazdelitvi obstajajo nekateri ocenjevalci, ki dobro delujejo. Seveda se moramo vprašati, kaj če porazdelitev naključne spremenljivke X ni običajna porazdelitev? Lahko je na primer hipergeometrična porazdelitev.
Primer robustnega ocenjevalnika
Zdaj, ko imamo rahlo idejo, vzemimo primer. Predstavljajmo si, da želimo izračunati povprečje golov Lea Messija na sezono. V naši študiji predpostavljamo, da je verjetnostna porazdelitev Messijevih ciljev običajna porazdelitev. Torej uporabljamo ocenjevalnik povprečja. Ta ocenjevalec ima formulo. Uporabljamo ga in daje rezultat. Na primer 48,5 gola na sezono.
Ob upoštevanju zgoraj navedenega predpostavimo, da smo naredili napako pri vrsti porazdelitve verjetnosti. Če bi bila porazdelitev verjetnosti dejansko študentova t porazdelitev, bi nam uporaba ustrezne srednje vrednosti zagotovila enak rezultat? Rezultat je lahko na primer 48 golov. Rezultat ni enak, vendar smo se zelo približali. Na koncu bi lahko rekli, da je ocenjevalec robusten, saj napaka v začetni predpostavki ne spremeni bistveno rezultatov.