Schätzung der Varianz einer Schätzfunktion

aus Wikipedia, der freien Enzyklopädie
Zur Navigation springen Zur Suche springen

Als Schätzung der Varianz einer Schätzfunktion wird in der Statistik die Schätzung der Varianz einer Schätzfunktion, eines unbekannten Parameter der Grundgesamtheit bezeichnet. Diese Schätzung ist eine Methode zur Messung der Genauigkeit von Schätzverfahren. Sie erlaubt die Konstruktion von Konfidenzintervallen (Intervallschätzung).

Hat man eine Schätzfunktion für einen unbekannten Parameter der Grundgesamtheit, so hat man zunächst nur eine Punktschätzung für diesen. Man ist jedoch daran interessiert, auch Konfidenzintervalle für den geschätzten Parameter anzugeben, d. h. man muss die Verteilung und die Varianz von kennen.

Dies ist jedoch nicht immer möglich und deswegen gibt es verschiedene Verfahren:

Wurde die Schätzfunktion mit Hilfe der Maximum-Likelihood-Methode berechnet, so weiß man über das asymptotische Konvergenzverhalten:

  • Konvergenz in Verteilung sowie

mit die Kovarianzmatrix der Schätzfunktion(en) und die Fisher-Informationsmatrix.

Bei bekannter Verteilung

[Bearbeiten | Quelltext bearbeiten]

Lässt sich die Verteilung von zumindest näherungsweise bestimmen, beispielsweise mit Hilfe des zentralen Grenzwertsatzes, so lässt sich die Varianz leicht schätzen.

Ein Beispiel ist der Stichprobenmittelwert (einer normalverteilten Grundgesamtheit bzw. bei Gültigkeit des zentralen Grenzwertsatzes bei einer beliebigen Verteilung in der Grundgesamtheit):

siehe auch Standardfehler des Stichprobenmittelwertes.

Daraus lässt sich das Konfidenzintervall ableiten

mit aus der Standardnormalverteilung.

Direkte Verfahren

[Bearbeiten | Quelltext bearbeiten]

Bei direkten Verfahren nutzt man die Darstellung

bzw. multivariat

Darauf basierende Varianzschätzungen kann man meist nur bei einfachen Punktschätzern angeben. Hier werden Approximationsformeln nur bei Stichprobendesigns mit Inklusionswahrscheinlichkeiten zweiter Ordnung benötigt. Exakte Methoden, das heißt einfach auszurechnende Formeln können im Fall eines Linearen Schätzers angegeben werden.

Jedoch sind weder der wahre Parameter noch die Funktion bekannt. Daher werden die Schätzwerte und die normierte Likelihood-Funktion als Wahrscheinlichkeitsdichte für genutzt:

bzw. multivariat

Die Schätzung erfolgt dann mit Hilfe numerischer Integration.

Lineare Approximation

[Bearbeiten | Quelltext bearbeiten]

Bei nicht-linearen Schätzern (z. B. einem Ratio-Schätzer) kommen approximative Methoden zum Einsatz. Kann man die log-Likelihood-Funktion mit der Taylorapproximation um das Maximum entwickeln

und unter Ausnutzung der Definition der Fisher-Informationsmatrix

folgt

.

Alternativ können durch die Woodruff-Linearisierung nicht-lineare Schätzer zu linearen umgewandelt werden.

Resampling-Methoden

[Bearbeiten | Quelltext bearbeiten]

Eine weitere Möglichkeit stellen Resamplingmethoden wie beispielsweise das Bootstrapping-Verfahren dar. Hierbei werden Substichproben zufällig aus der vorhandenen Stichprobe gezogen und mit diesen ein Schätzwert berechnet. Diese Schätzwerte sind eine empirische Approximation an die unbekannte Verteilung von .

Stichprobe:
Stichprobenwiederholung 1:
Stichprobenwiederholung B: 

Daher ergibt sich

mit . Bei der Schätzung kann das Stichprobendesign durch Gewichtung berücksichtigt werden.