5.3.4 Estimators, Bias, and Varianc

5.3.4 Estimators, Bias, and Variance
Now that we have shown that the random variable errors(h) obeys a Binomial
distribution, we return to our primary question: What is the likely difference
between errors(h) and the true error errorv(h)?
Let us describe errors(h) and errorv(h) using the terms in Equation (5.2)
defining the Binomial distribution. We then have
where n is the number of instances in the sample S, r is the number of instances
from S misclassified by h, and p is the probability of misclassifying a single
instance drawn from 23.
Statisticians call errors(h) an estimator for the true error errorv(h). In
general, an estimator is any random variable used to estimate some parameter of
the underlying population from which the sample is drawn. An obvious question
to ask about any estimator is whether on average it gives the right estimate. We
define the estimation bias to be the difference between the expected value of the
estimator and the true value of the parameter.

Kết quả (Việt) 1:

5.3.4 estimators, thiên vị, và phương saiBây giờ mà chúng tôi đã chỉ ra rằng errors(h) biến ngẫu nhiên một nhị thức tuân theo.phân phối, chúng tôi trở lại cho chúng tôi câu hỏi chính: những gì là sự khác biệt có khả nănggiữa errors(h) và errorv(h) đúng lỗi?Hãy để chúng tôi mô tả các errors(h) và errorv(h) bằng cách sử dụng các điều khoản trong phương trình (5.2)xác định phân phối nhị thức. Sau đó tan là số lượng các trường hợp trong mẫu S, r là một số trường hợptừ S misclassified của h và p là xác suất của misclassifying một đĩa đơntrường hợp được rút ra từ 23.Thống kê kêu gọi errors(h) một công cụ ước tính errorv(h) đúng lỗi. Ởnói chung, một ước tính là bất biến ngẫu nhiên được sử dụng để ước tính một số tham số củadân số cơ bản mà từ đó mẫu vật được rút ra. Một câu hỏi rõ ràngđể hỏi về bất kỳ công cụ ước tính là cho dù trung bình nó cung cấp cho các ước tính đúng. Chúng tôixác định dự toán thiên được sự khác biệt giữa giá trị kỳ vọng của cáccông cụ ước tính và giá trị thực sự của tham số.

Kết quả (Việt) 2:

5.3.4 ước lượng, Bias, và phương sai
Bây giờ chúng tôi đã chỉ ra rằng các lỗi biến ngẫu nhiên (h) tuân theo một nhị thức
phân phối, chúng tôi trở lại câu hỏi chính của chúng tôi: Sự khác nhau có thể là gì
giữa các lỗi (h) và errorv lỗi thật sự ( h)?
chúng ta hãy mô tả lỗi (h) và errorv (h) sử dụng các điều khoản trong phương trình (5.2)
xác định sự phân bố nhị thức. Sau đó chúng tôi có
trong đó n là số lượng các trường trong mẫu S, r là số lượng các trường
từ S phân loại sai bởi h và p là xác suất phân loại sai một đơn
dụ rút ra từ 23.
Các nhà thống kê lỗi cuộc gọi (h) một ước lượng cho các errorv lỗi thật sự (h). Trong
nói chung, một ước lượng là bất kỳ biến ngẫu nhiên được sử dụng để ước tính một số tham số của
dân số cơ bản mà từ đó mẫu được rút ra. Một câu hỏi rõ ràng
để hỏi về bất kỳ ước lượng là liệu trung bình nó mang lại cho các ước tính đúng. Chúng tôi
xác định thiên vị dự toán được sự khác biệt giữa giá trị kỳ vọng của các
ước lượng và giá trị đích thực của tham số.