การสลาย MSE ไปเป็น Variance และ Bias Squared


23

ในการแสดงให้เห็นว่า MSE สามารถถูกจำแนกออกเป็นความแปรปรวนบวกกับสแควร์ออฟไบแอสการพิสูจน์ในวิกิพีเดียมีขั้นตอนหนึ่งที่เน้นในภาพ มันทำงานอย่างไร ความคาดหวังผลักเข้าไปในผลิตภัณฑ์จากขั้นตอนที่ 3 ถึงขั้นตอนที่ 4 อย่างไร หากทั้งสองคำมีความเป็นอิสระการคาดการณ์จะไม่ถูกนำไปใช้กับทั้งสองคำ และถ้าไม่มีขั้นตอนนี้จะใช้ได้หรือไม่ป้อนคำอธิบายรูปภาพที่นี่

คำตอบ:


22

เคล็ดลับคือว่าE(θ^)θเป็นค่าคงที่


1
อ้อเข้าใจแล้ว. สิ่งเดียวที่ไม่ทราบที่นี่คือตัวประมาณ ขวา?
statBeginner

2
ใช่. การคาดหวังว่าวิธีการประมาณการไปกับสิ่งที่มันประมาณว่าเป็นสิ่งที่ทำให้ไปที่ 0E(θ^E(θ^))
Adamo

5
ขออภัยประโยคนั้นไม่สมเหตุสมผลสำหรับฉัน หากตัวประมาณไปสิ่งใดก็ตามที่ประมาณมันจะไม่ทำให้เกิดความเอนเอียงหรือไม่ มันสามารถอธิบายได้ด้วยการพูดว่า = E ( θ ) - E ( E ( θ ) ) = E ( θ ) - E ( θ ) = 0? E(θ^E(θ^))E(θ^)E(E(θ^))E(θ^)E(θ^)
user1158559

@ user1158559 คำศัพท์ที่อยู่ตรงกลางเป็นค่าคงที่คูณด้วยค่าที่คาดหวัง 0 ถึงแม้ว่า theta-hat จะมีอคติ แต่ก็ยังคงเป็นค่าคงที่ 0
AdamO

3
เป็นตัวแปรและไม่คงที่ นอกจากนี้ยังมีเคล็ดลับคือน้อยกว่าเล็กน้อยและ E ( C )กับคงไม่ได้กลายเป็น 0 เป็นค่าเริ่มต้น (เช่น E ( ( E ( θ ) - θ ) 2 ) 0 ) เคล็ดลับที่แท้จริงอยู่ที่ข้อเท็จจริงที่ว่าx p ( x )คือค่าคงที่ (และสามารถนำออกมาจากอินทิกรัล) ดังนั้น( x p ( x)E(θ^)θE(c)cE((E(θ^)θ)2)0xp(x)(xp(x))p(x)=(xp(x))p(x)=(xp(x))1=(xp(x))
Sextus Empiricus

4

คำตอบของอาดัมถูกต้องเกี่ยวกับเคล็ดลับที่เป็นค่าคงที่ อย่างไรก็ตามมันช่วยในการค้นหาผลลัพธ์สุดท้ายและไม่อธิบายคำถามเกี่ยวกับขั้นตอนเฉพาะในบทความวิกิพีเดีย (แก้ไข: ที่ฉันเห็นตอนนี้คลุมเครือเกี่ยวกับไฮไลท์และขั้นตอนจากบรรทัดที่สามถึงสี่)E(θ^)θ

E[θ^]θ^ E[θ^]θθ^E[θ^]θ

เคล็ดลับที่ 1:พิจารณา

x=θ^

a=E[θ^]

b=θ

xbxa

E[(xb)n]=i=0n(ni)E[(xa)i](ab)ni

เคล็ดลับที่ 2:สำหรับช่วงเวลาที่สองสูตรข้างต้นมีสามคำในการรวม เราสามารถกำจัดหนึ่งในนั้นได้ (ในกรณีที่ ) เพราะi=1E[(θ^E[θ^])]=E[θ^]E[E[θ^]]=0

ที่นี่เราสามารถโต้แย้งด้วยบางสิ่งบางอย่างที่คงที่ คือหากเป็นค่าคงที่และใช้ซึ่งเป็นค่าคงที่คุณจะได้รับtheta)E(a)=aaa=E(θ)E(E(θ))=E(θ)

โดยสังหรณ์ใจมากขึ้น: เราสร้างช่วงเวลาของประมาณ , เท่ากับช่วงเวลากลาง (และช่วงเวลาแปลก ๆ กลางเป็นศูนย์) เราได้รับการพูดซ้ำซาก โดยการแทนที่ค่าเฉลี่ยจากตัวแปรเราสร้างตัวแปรที่มีค่าเฉลี่ยเป็นศูนย์ และค่าเฉลี่ยของ 'ตัวแปรที่มีค่าเฉลี่ยศูนย์' คือศูนย์xaθ^E[θ^]


บทความวิกิพีเดียใช้เทคนิคทั้งสองนี้ตามลำดับบรรทัดที่สามและสี่

  • ความคาดหวังซ้อนในบรรทัดที่สาม

    E[(θ^E(θ^))(E(θ^)θ)]

    ทำได้ง่ายขึ้นโดยเอาส่วนที่คงที่นอก (เคล็ดลับ 1)(E(θ^)θ)

  • คำว่าแก้ไข (เท่ากับศูนย์) โดยใช้ความจริงที่ว่าตัวแปรมีค่าเฉลี่ยเป็นศูนย์ (เคล็ดลับ 2)E(θ^E(θ^))θ^E(θ^)


3

E(θ^)θไม่คงที่

ความคิดเห็นของ @ user1158559 เป็นจริงที่ถูกต้อง:

E[θ^E(θ^)]=E(θ^)E[E(θ^)]=E(θ^)E(θ^)=0

ฉันไม่เห็นสิ่งที่คุณพยายามแสดง อคติอาจไม่เป็นศูนย์เช่นกัน แต่นั่นไม่ได้หมายความว่ามันไม่คงที่
Michael R. Chernick

มันไม่คงที่เพราะโดยที่เป็นข้อมูลการฝึกอบรมที่กำหนดซึ่งเป็นตัวแปรสุ่ม ดังนั้นความคาดหวังของมันจึงไม่คงที่ Dθ^=f(D)D
little_monster

นอกจากนี้ข้อเท็จจริงที่ว่ามันไม่คงที่หรือไม่สามารถอธิบายได้ว่าขั้นตอนที่ 4 เป็นไปได้จากขั้นตอนที่ 3 ในทางกลับกันความคิดเห็นของ @ user1158559 อธิบายว่า
little_monster

@Michael มีความสับสนเกี่ยวกับคำถาม ส่วนที่ไฮไลต์มีนิพจน์นี้แต่ในข้อความของคำถามมันถูกกล่าวถึงว่ามันแทน เกี่ยวกับการเปลี่ยนจากบรรทัดที่สามเป็นบรรทัดที่สี่เปลี่ยนการวางซ้อนของความคาดหวัง E(θ^E(θ^))=0
Sextus Empiricus
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.