Процењивач је статистика која захтева одређене услове да би се могли израчунати одређени параметри популације уз одређене гаранције.
Односно, процењивач је статистика. Сада он није било који статистичар. То је статистика са одређеним својствима. Пример може бити средња вредност или варијанса. Ове добро познате метрике су проценитељи.
Њих двоје именујемо јер су најједноставнији, али у статистици их има много више. Сада, враћајући се на дефиницију, шта подразумевамо под одређеним условима како би се одређени параметри могли израчунати уз одређене гаранције?
Пре свега, морамо схватити да када спроводимо истраживачку студију, обично желимо да проучимо одређени параметар. На пример, желимо да проучимо колика је просечна висина дрвећа у одређеном граду у Колумбији. Варијабла која се проучава је висина дрвећа у одређеном граду у Колумбији. Параметар је просечна висина дрвећа у том граду.
У претходном примеру, који услов бисмо морали да захтевамо од нашег проценитеља? Па, на пример, не узимајте негативне вредности. И, наравно, да израчунавање просечне висине доводи до могућих вредности. Ако је највише дрво 10 метара, просечни процењивач не може да нам да 15 метара. У том случају то не би могао бити процењивач, јер не би давао физички могуће вредности.
Дакле, из горенаведеног закључујемо да су проценитељи статистичари који морају нужно узети могуће вредности из података које проучавамо.
Сада није довољно само узимати вредности које су унутар опсега података. Обично се од вас траже одређена својства како бисмо имали одређене гаранције. Може бити да одређени проценитељи испуњавају услов да буду проценитељи, али ако процене лоше, они ће бити класификовани као лоши проценитељи.
Препоручена својства проценитеља
Да би он добро испуњавао своју функцију, поред процењивача који испуњавају свој основни услов проценитеља, препоручује се да испуњавају и нека додатна својства. Ова својства су оно што ће омогућити да закључци изведени из наше студије буду поуздани.
- Довољно: Својство довољности указује на то да процењивач ради са свим подацима у узорку. На пример, средња вредност не бира само 50% података. За израчунавање параметра узима се у обзир 100% података.
- Непристрасан: Непристрасно својство односи се на централну улогу проценитеља. Односно, средина процењивача мора се подударати са параметром који се процењује. Не бисмо требали мешати средину проценитеља са средњом оценом.
- Доследно: Концепт конзистентности иде упоредо са величином узорка и концептом лимита. Једноставним речима, долази нам до речи да проценитељи испуњавају ово својство када, у случају веома великог узорка, могу да процене готово без грешке.
- Ефикасно: Својство ефикасности може бити апсолутно или релативно. Процењивач је ефикасан у апсолутном смислу када је варијанса процењивача минимална. Не смемо мешати варијансу процењивача са проценитељем варијансе.
- Јака: За процењивача се каже да је робустан ако, упркос нетачној почетној хипотези, резултати у великој мери подсећају на стварне.
Горе наведена својства су главна. Наравно, унутар сваке имовине постоји много различитих случајева. Такође, постоје и друга пожељна својства.
Остала пожељна својства проценитеља
Пример пожељног својства је својство инваријантно на промене размере. Ово својство указује на то да ако се јединица мере промени, вредност која се процењује се не мења. На пример, ако дрвеће меримо у центиметрима, а затим у метрима, средња вредност треба да буде иста. Са чиме бисмо могли рећи да је средина инваријантни процењивач пре промена скале.
Још једно својство на које статистички приручници обично указују је непроменљиво према променама у пореклу. Да наставимо са претходним случајем, видећемо хипотетички случај. Претпоставимо да након мерења свих стабала закључимо да на забележену висину сваког стабла морамо додати 10 центиметара. Коришћена трака је лоше измерена и морамо да извршимо ову промену да бисмо податке прилагодили стварности. Оно што радимо је промена порекла. А питање је да ли ће се резултат средње висине променити?
Супротно промени скале, овде промена порекла утиче. Ако се покаже да су сва дрвећа виша за 10 центиметара, тада ће просечна висина порасти.
Према томе, можемо рећи да је средина инваријантни процењивач пре промена скале, али варијанта пре промена порекла.