Difference between r1.5 and the current
@@ -199,6 +199,7 @@
rel.
[[편향,bias]] 자주 언급
[[편향,bias]] of an [[추정량,estimator]]: estimator_bias ? https://en.wikipedia.org/wiki/Bias_of_an_estimator
= 기타 =
@@ -212,8 +213,12 @@
estimator의 MSE등장 (생략)
[[estimator_bias]](not in kms) 도 등장 (생략) - see https://mathworld.wolfram.com/EstimatorBias.html
[[estimator_bias]](not in kms) 도 등장 (생략) - see https://mathworld.wolfram.com/EstimatorBias.html =====,estimator_bias =,estimator_bias . estimator_bias
{
이건 [[불편추정량,unbiased_estimator]]에 밀접 [[편향,bias]] of an [[추정량,estimator]]: estimator_bias ? https://en.wikipedia.org/wiki/Bias_of_an_estimator / ko interwiki: https://ko.wikipedia.org/wiki/편의_추정량
}
COPIED FROM LOCAL. 여기에 추가할 것 있으면 local에도 반영
/// kms estimator : 추정량 .. estimator = https://www.kms.or.kr/mathdict/list.html?key=ename&keyword=estimator
/// kms estimator : 추정량 .. estimator = https://www.kms.or.kr/mathdict/list.html?key=ename&keyword=estimator
추정량
추정기? 라는 번역도 보임.
추정기? 라는 번역도 보임.
//추정치, 추정값이라고 번역한 곳도 있는데... 이는 잘못된것? 아님 혼용해도 되는 것? 아무튼 아래 링크.
{
estimate
추정값
//두 페이지를 합칠까?
compare, mklink: 추정값,estimate =추정값,estimate =,estimate . 추정값 estimate{
estimate
추정값
// tmp from 추정량 2. = https://namu.wiki/w/추정량#s-2
{
모집단,population의 모수,parameter에 대한 추정,estimation은 항상 '표본통계량'이라는 정보로 이루어지는데, // 표본통계량 표본통계량
모수를 추정하는 공식을 나타내는 표본통계량 = 추정량,estimator
실제 관찰값을 넣어 계산한 값 = 추정값,estimate
}
{
모집단,population의 모수,parameter에 대한 추정,estimation은 항상 '표본통계량'이라는 정보로 이루어지는데, // 표본통계량 표본통계량
모수를 추정하는 공식을 나타내는 표본통계량 = 추정량,estimator
실제 관찰값을 넣어 계산한 값 = 추정값,estimate
}
} //추정값
compare, mklink:
estimand =,estimand =,estimand . estimand
{
/// kms estimand : None.... https://www.kms.or.kr/mathdict/list.html?key=ename&keyword=Estimand (2023-07-26)
/// kss에도없음... 2023-08-09
estimand =,estimand =,estimand . estimand
{
/// kms estimand : None.... https://www.kms.or.kr/mathdict/list.html?key=ename&keyword=Estimand (2023-07-26)
/// kss에도없음... 2023-08-09
… https://search.naver.com/search.naver?where=kdic&query=Estimand
… http://google.com/search?q=Estimand
}
… http://google.com/search?q=Estimand
}
추정량 설명. chk ; via http://bigdata.dongguk.ac.kr/lectures/med_stat/_book/추정.html#통계량과-추정량
{
추정량: 모수,parameter $\displaystyle \theta$ 에 대한 추정,estimation을 위해 사용되는 통계량,statistic $\displaystyle \hat{\theta}.$
{
추정량: 모수,parameter $\displaystyle \theta$ 에 대한 추정,estimation을 위해 사용되는 통계량,statistic $\displaystyle \hat{\theta}.$
Sub:
{
불편추정량,unbiased_estimator
편의추정량,biased_estimator
점추정량 ? point_estimator Point_estimator - redir. to Point_estimation 점추정,point_estimation
구간추정량 ? interval_estimator Interval_estimator - redir. to Interval_estimation = https://en.wikipedia.org/wiki/Interval_estimation 구간추정,interval_estimation
자주 쓰이는 것은
minimum_mean_squared_error (MMSE) estimator. - from https://en.wikipedia.org/wiki/Estimation_theory#Basics 끝부분
consistent_estimator =,consistent_estimator =,consistent_estimator . consistent_estimator
{
https://encyclopediaofmath.org/wiki/Consistent_estimator
}
기타 https://en.wikipedia.org/wiki/Estimation_theory#Estimators 참조해 추가. 일부만 순서대로 밑에적음. 근데 너무 지저분. CLEANUP. 2021-12-29편의추정량,biased_estimator
점추정량 ? point_estimator Point_estimator - redir. to Point_estimation 점추정,point_estimation
구간추정량 ? interval_estimator Interval_estimator - redir. to Interval_estimation = https://en.wikipedia.org/wiki/Interval_estimation 구간추정,interval_estimation
자주 쓰이는 것은
minimum_mean_squared_error (MMSE) estimator. - from https://en.wikipedia.org/wiki/Estimation_theory#Basics 끝부분
consistent_estimator =,consistent_estimator =,consistent_estimator . consistent_estimator
{
https://encyclopediaofmath.org/wiki/Consistent_estimator
}
{
minimum mean squared error (MMSE), also known as Bayes least squared error (BLSE) =====,MMSE =====,BLSE .
minimum_mean_squared_error (MMSE), also known as Bayes_least_squared_error (BLSE)
Minimum_mean_square_error = https://en.wikipedia.org/wiki/Minimum_mean_square_error
minimum_mean_squared_error (MMSE), also known as Bayes_least_squared_error (BLSE)
Minimum_mean_square_error = https://en.wikipedia.org/wiki/Minimum_mean_square_error
Maximum a posteriori (MAP)
최대사후확률,maximum_a_posteriori,MAP =최대사후확률,maximum_a_posteriori,MAP =,maximum_a_posteriori,MAP ===,maximum_a_posteriori ====,MAP .
{
최대사후확률,maximum_a_posteriori,MAP =최대사후확률,maximum_a_posteriori,MAP =,maximum_a_posteriori,MAP ===,maximum_a_posteriori ====,MAP .
{
Maximum_a_posteriori
최대_사후_확률
... https://www.google.com/search?q=maximum a posteriori
} // Maximum a posteriori (MAP)
최대_사후_확률
... https://www.google.com/search?q=maximum a posteriori
} // Maximum a posteriori (MAP)
Minimum variance unbiased estimator (MVUE) ====,minimum-variance_unbiased_estimator =====,MVUE . minimum-variance_unbiased_estimator
{
https://en.wikipedia.org/wiki/Minimum-variance_unbiased_estimator
} // MVUE
{
https://en.wikipedia.org/wiki/Minimum-variance_unbiased_estimator
"minimum-variance unbiased estimator (MVUE) or uniformly minimum-variance unbiased estimator (UMVUE) "
Up: 불편추정량,unbiased_estimator} // MVUE
Best linear unbiased estimator (BLUE)
====,best_linear_unbiased_estimator ====,BLUE . best_linear_unbiased_estimator BLUE
{
최소 분산의 불편선형추정치(Best Linear Unbiased Estimator, BLUE)[1] 추정치와 실제치의 차이에 대한 기댓값은 0이어야 하고, 동시에 그 차이에 대한 분산,variance은 최소가 되어야.[2]
// from https://everything2.com/title/blue (다른 내용은 모두 색깔 등에 대한 것)
"In the world of statistics, blue stands for Best Linear Unbiased Estimator. This is an estimate of a population parameter that is, essentially, better than other estimators of that paramater. For example, of the various measures of central tendency, the mean is blue, the others are not."
====,best_linear_unbiased_estimator ====,BLUE . best_linear_unbiased_estimator BLUE
{
최소 분산의 불편선형추정치(Best Linear Unbiased Estimator, BLUE)[1] 추정치와 실제치의 차이에 대한 기댓값은 0이어야 하고, 동시에 그 차이에 대한 분산,variance은 최소가 되어야.[2]
// from https://everything2.com/title/blue (다른 내용은 모두 색깔 등에 대한 것)
"In the world of statistics, blue stands for Best Linear Unbiased Estimator. This is an estimate of a population parameter that is, essentially, better than other estimators of that paramater. For example, of the various measures of central tendency, the mean is blue, the others are not."
...
MKLINK:
BLUP best_linear_unbiased_prediction
=,BLUP =,best_linear_unbiased_prediction .
{
https://en.wikipedia.org/wiki/Best_linear_unbiased_prediction
}
BLUP best_linear_unbiased_prediction
=,BLUP =,best_linear_unbiased_prediction .
{
https://en.wikipedia.org/wiki/Best_linear_unbiased_prediction
}
Best_linear_unbiased_estimator
} // BLUE
= https://en.wikipedia.org/wiki/Best_linear_unbiased_estimator
redir. to ---> https://en.wikipedia.org/wiki/Gauss–Markov_theorem
Up: 불편추정량,unbiased_estimatorredir. to ---> https://en.wikipedia.org/wiki/Gauss–Markov_theorem
} // BLUE
Markov_chain_Monte_Carlo (MCMC) =======,Markov_chain_Monte_Carlo ====,MCMC .
{
Markov chain Monte Carlo (MCMC)
{
Markov chain Monte Carlo (MCMC)
bmks ko ¶
https://en.wikipedia.org/wiki/Markov_chain_Monte_Carlo
마르코프_연쇄_몬테카를로
마르코프_체인_몬테_카를로
마르코프_연쇄,Markov_chain => http://tomoyo.ivyro.net/123/wiki.php/마르코프_연쇄,Markov_chain
마르코프_연쇄_몬테카를로
마르코프_체인_몬테_카를로
마르코프_연쇄,Markov_chain => http://tomoyo.ivyro.net/123/wiki.php/마르코프_연쇄,Markov_chain
https://en.wikipedia.org/wiki/Particle_filter
"Particle filters, or sequential Monte Carlo methods"
파티클_필터"시뮬레이션에 기반을 둔 예측기술의 하나로 계속적인 몬테카를로 방법이라고도 한다"
입자필터?} // ... 이런 다양한 추정량들 (estimators) 이 있다.
모수,parameter $\displaystyle \theta$ 에 대한 추정,estimation을 위해 쓰이는 통계량,statistic $\displaystyle \hat{\theta}$
추정량의 바람직한 성질, 좋은 추정량을 구하기 위한 기준[4]
- 불편성, 불편향성 (unbiasedness)
//불편추정량(unbiased estimator), 편의추정량(biased estimator)
추정량의 기대치(기대값,expected_value)가 모수,parameter에 가까워야 함
- 효율성 efficiency
추정량의 분산,variance이 작아야 함
- 일치성 consistency
// http://www.aistudy.com/math/estimate_lee.htm 에 자세히 언급
기타 ¶
단어 estimator 영어사전 뜻: 평가자, 견적인
https://mathworld.wolfram.com/Estimator.html
{
'An estimator is a rule that tells how to calculate an 추정값,estimate based on the measurements contained in a 표본,sample. For example, the 표본평균,sample_mean $\displaystyle \bar{x}$ is an estimator for the 모평균,population_mean $\displaystyle \mu$ .'
{
'An estimator is a rule that tells how to calculate an 추정값,estimate based on the measurements contained in a 표본,sample. For example, the 표본평균,sample_mean $\displaystyle \bar{x}$ is an estimator for the 모평균,population_mean $\displaystyle \mu$ .'
estimator의 MSE등장 (생략)
estimator_bias(not in kms) 도 등장 (생략) - see https://mathworld.wolfram.com/EstimatorBias.html =====,estimator_bias =,estimator_bias . estimator_bias
{
이건 불편추정량,unbiased_estimator에 밀접
편향,bias of an 추정량,estimator: estimator_bias ? https://en.wikipedia.org/wiki/Bias_of_an_estimator / ko interwiki: https://ko.wikipedia.org/wiki/편의_추정량
}
}이건 불편추정량,unbiased_estimator에 밀접
편향,bias of an 추정량,estimator: estimator_bias ? https://en.wikipedia.org/wiki/Bias_of_an_estimator / ko interwiki: https://ko.wikipedia.org/wiki/편의_추정량
}
// from wpko 추정량
{
확률변수 $\displaystyle X:P\to\mathcal{X},$ 모수공간 $\displaystyle \Theta,$ 모수 $\displaystyle \theta\in\Theta,$ 표본공간 $\displaystyle \mathcal{X},$ 표본 $\displaystyle x\in\mathcal{X}$
// 모수공간,parameter_space 모수,parameter 표본공간,sample_space 표본,sample
{
확률변수 $\displaystyle X:P\to\mathcal{X},$ 모수공간 $\displaystyle \Theta,$ 모수 $\displaystyle \theta\in\Theta,$ 표본공간 $\displaystyle \mathcal{X},$ 표본 $\displaystyle x\in\mathcal{X}$
// 모수공간,parameter_space 모수,parameter 표본공간,sample_space 표본,sample
확률변수,random_variable $\displaystyle X$ 가 모수 $\displaystyle \theta$ 를 가지는 분포를 따른다고 하자. 그렇다면 모수 $\displaystyle \theta$ 의 추정량,estimator $\displaystyle \hat{\theta}:\mathcal{X}\to\Theta$ 는 임의의 가측함수,measurable_function
표본 $\displaystyle x$ 에 대한 모수 $\displaystyle \theta$ 의 추정량,estimator $\displaystyle \hat{\theta}$ 의 오차,error는
$\displaystyle \hat{\theta}(x)-\theta$
모수 $\displaystyle \theta$ 의 추정량 $\displaystyle \hat{\theta}$ 의 편향,bias은 그 오차의 기대값,expected_value$\displaystyle B(\hat{\theta})=\text{E}(\hat{\theta}(X)-\theta)$
모수 $\displaystyle \theta$ 의 불편추정량,unbiased_estimator $\displaystyle \hat{\theta}$ 는 편향,bias이 0인 추정량,estimator. 즉 다음 성질을 만족시키는 추정량.$\displaystyle \text{E}(\hat{\theta}(X))=\theta$
추정량 $\displaystyle \hat{\theta}$ 의 누적평균제곱오차(? see 평균제곱오차,mean_squared_error,MSE)는 오차의 제곱,square들의 기대값.$\displaystyle \text{MSE}(\hat{\theta})=\text{E}[(\hat{\theta}(X)-\theta)^2]$
표본 $\displaystyle x$ 에 대한 모수 $\displaystyle \theta$ 의 추정량 $\displaystyle \hat{\theta}$ 의 표본편차,sampling_deviation는$\displaystyle d(x)=\hat{\theta}(x)-\text{E}(\hat{\theta}(X))=\hat{\theta}(x)-\text{E}(\hat{\theta})$
모수 $\displaystyle \theta$ 의 추정량 $\displaystyle \hat{\theta}$ 의 분산,variance은 표본편차의 제곱의 기대값.$\displaystyle \text{V}(\hat{\theta})=\text{E}(\hat{\theta}(X)^2)-E(\hat{\theta}(X))^2$
}//from wpen Estimator
{
(첫문단) estimate을 계산하는 rule. ... thus the
(For example, the sample mean is a commonly used estimator of the population mean.)
{
(첫문단) estimate을 계산하는 rule. ... thus the
rule (the estimator), ####추정량
the quantity of interest (the estimand) ####이건 번역어가 없음????
and its result (the estimate) are distinguished. ####추정값
예를 들어 표본평균,sample_mean은 모평균,population_mean을 추정하기 위해 자주 쓰이는 estimator이다.the quantity of interest (the estimand) ####이건 번역어가 없음????
and its result (the estimate) are distinguished. ####추정값
(For example, the sample mean is a commonly used estimator of the population mean.)
estimand의 뜻은? Estimand = https://en.wikipedia.org/wiki/Estimand 에 의하면, 첫문장:
(An estimand is a quantity that is to be estimated in a statistical analysis.) -------- 추정대상량??? 추정목표량?
(An estimand is a quantity that is to be estimated in a statistical analysis.) -------- 추정대상량??? 추정목표량?
(두번째문단)
point_estimator (yield single-valued results)
interval_estimator (the result would be a range of plausible values)
가 있다.
point_estimator (yield single-valued results)
interval_estimator (the result would be a range of plausible values)
가 있다.
}
Estimator = https://en.wikipedia.org/wiki/Estimator
and
Estimation_theory#Estimators = https://en.wikipedia.org/wiki/Estimation_theory#Estimators (del later) (지우지말까?)
and
Estimation_theory#Estimators = https://en.wikipedia.org/wiki/Estimation_theory#Estimators (del later) (지우지말까?)
Up:
통계,statistics
추정,estimation =추정,estimation =,estimation . 추정 estimation
{
estimation => 추정.
추정 - subtopics들 참조.
통계,statistics
추정,estimation =추정,estimation =,estimation . 추정 estimation
{
estimation => 추정.
추정 - subtopics들 참조.
estimation_theory =,estimation_theory . estimation_theory
추정론 추정이론 ...?
https://ko.wikipedia.org/wiki/추정_이론
https://en.wikipedia.org/wiki/Estimation_theory
Up: 추정,estimation 이론,theory
추정론 추정이론 ...?
https://ko.wikipedia.org/wiki/추정_이론
https://en.wikipedia.org/wiki/Estimation_theory
Up: 추정,estimation 이론,theory
REL
정보,information 추정은 미지의(unknown보다는 undetermined) 정보에 대한 것이고 정보의 정의 자체가 이미 알려져있는가와 밀접한데... 둘의 관계를 어떻게 서술하면 가장 좋을지..
정보,information 추정은 미지의(unknown보다는 undetermined) 정보에 대한 것이고 정보의 정의 자체가 이미 알려져있는가와 밀접한데... 둘의 관계를 어떻게 서술하면 가장 좋을지..
}
추정량+estimator