Сравнивайте с английским: нажмите на абзац — оригинал откроется в окне. Кнопка EN под абзацем показывает его прямо в тексте.
Содержание
Введение
В статистике согласованность процедур, таких как вычисление доверительных интервалов или проведение проверки гипотез, является желаемым свойством их поведения при неограниченном увеличении числа элементов в наборе данных, к которому они применяются. В частности, согласованность требует, чтобы с ростом размера набора данных результат процедуры приближался к истинному значению. Использование этого термина в статистике восходит к работам сэра Рональда Фишера в 1922 году. Применение терминов "согласованность" и "согласованный" в статистике ограничено случаями, когда по сути одна и та же процедура может быть применена к любому объему данных. В сложных статистических задачах количество элементов данных может увеличиваться различными способами. Например, данные об осадках на определенной территории могут быть расширены тремя способами: добавлением данных за дополнительные периоды времени; добавлением данных с дополнительных площадок фиксированного размера; добавлением данных с дополнительных площадок, полученных путем увеличения размера территории. В таких случаях свойство согласованности может быть ограничено одним или несколькими из возможных способов увеличения размера выборки.
In statistics, consistency of procedures, such as computing confidence intervals or conducting hypothesis tests, is a desired property of their behaviour as the number of items in the data set to which they are applied increases indefinitely. In particular, consistency requires that as the dataset size increases, the outcome of the procedure approaches the correct outcome. Use of the term in statistics derives from Sir Ronald Fisher in 1922. Use of the terms consistency and consistent in statistics is restricted to cases where essentially the same procedure can be applied to any number of data items. In complicated applications of statistics, there may be several ways in which the number of data items may grow. For example, records for rainfall within an area might increase in three ways: records for additional time periods; records for additional sites with a fixed area; records for extra sites obtained by extending the size of the area. In such cases, the property of consistency may be limited to one or more of the possible ways a sample size can grow.
Оценочные приборы
Последовательная оценка – это такая оценка, при которой, если рассматривать оценку как случайную величину, индексированную числом n элементов в наборе данных, то с ростом n оценки сходятся по вероятности к значению, которое эта оценка предназначена оценивать. Оценка, обладающая консистентностью Фишера, – это такая оценка, при применении которой ко всей генеральной совокупности, а не к выборке, получается истинное значение оцениваемого параметра.
A consistent estimator is one for which, when the estimate is considered as a random variable indexed by the number n of items in the data set, as n increases the estimates converge in probability to the value that the estimator is designed to estimate. An estimator that has Fisher consistency is one for which, if the estimator were applied to the entire population rather than a sample, the true value of the estimated parameter would be obtained.
Испытания
Последовательным называется тест, для которого мощность теста при фиксированной неверной гипотезе стремится к единице с увеличением объема выборки. Классическим примером является выборочное стандартное отклонение, которое является смещенной оценкой, но почти достоверно сходится к ожидаемому стандартному отклонению по закону больших чисел. Иными словами, несмещенность не является необходимым условием для состоятельности, поэтому на практике могут использоваться смещенные оценки и тесты, при этом ожидается, что результаты будут надежными, особенно при большом размере выборки (вспомните определение состоятельности). В отличие от этого, оценку или тест, не являющиеся состоятельными, может быть сложно обосновать на практике, поскольку получение дополнительных данных не дает асимптотической гарантии улучшения качества результата.
A consistent test is one for which the power of the test for a fixed untrue hypothesis increases to one as the number of data items increases. A classic example is the sample standard deviation which is a biased estimator, but converges to the expected standard deviation almost surely by the law of large numbers. Phrased otherwise, unbiasedness is not a requirement for consistency, so biased estimators and tests may be used in practice with the expectation that the outcomes are reliable, especially when the sample size is large (recall the definition of consistency). In contrast, an estimator or test which is not consistent may be difficult to justify in practice, since gathering additional data does not have the asymptotic guarantee of improving the quality of the outcome.