Novērtētājs ir statistika, kas prasa noteiktus nosacījumus, lai varētu aprēķināt noteiktus populācijas parametrus ar noteiktām garantijām.
Tas ir, aprēķinātājs ir statistika. Tagad viņš nav jebkurš statistikas darbinieks. Tā ir statistika ar noteiktām īpašībām. Piemērs varētu būt vidējais lielums vai dispersija. Šie labi zināmie rādītāji ir novērtētāji.
Mēs šos divus nosaucam, jo tie ir vienkāršākie, bet statistikā ir daudz vairāk. Tagad, atgriežoties pie definīcijas, ko mēs saprotam ar noteiktiem nosacījumiem, lai noteiktu parametrus varētu aprēķināt ar noteiktām garantijām?
Pirmkārt, mums jāsaprot, ka, veicot pētījumu, mēs parasti vēlamies izpētīt noteiktu parametru. Piemēram, mēs vēlamies izpētīt, kāds ir vidējais koku augstums noteiktā Kolumbijas pilsētā. Pētāmais mainīgais lielums ir koku augstums noteiktā Kolumbijas pilsētā. Tā kā parametrs ir vidējais koku augstums šajā pilsētā.
Kāds nosacījums mums iepriekšējā piemērā būtu jāpieprasa no mūsu aprēķinātāja? Nu, piemēram, neņemiet negatīvas vērtības. Un, protams, ka vidējā augstuma aprēķins noved pie iespējamām vērtībām. Ja augstākais koks ir 10 metri, vidējais aprēķinātājs nevar mums dot 15 metrus. Tādā gadījumā tas nevar būt novērtētājs, jo tas neradīs fiziski iespējamās vērtības.
Tādējādi no iepriekš minētā mēs secinām, ka novērtētāji ir statistikas speciālisti, kuriem obligāti jāņem iespējamās vērtības no mūsu pētītajiem datiem.
Tagad nepietiek tikai ņemt vērtības, kas atrodas datu diapazonā. Parasti mums ir nepieciešamas noteiktas īpašības, lai mums būtu noteiktas garantijas. Var gadīties, ka daži novērtētāji atbilst nosacījumam, ka tie ir novērtētāji, taču, ja viņi novērtē slikti, tos klasificēs kā sliktus novērtētājus.
Ieteicamās novērtētāja īpašības
Lai tas labi izpildītu savu funkciju, papildus tam, kad novērtētāji izpilda aprēķinu pamatnosacījumu, ieteicams tiem izpildīt arī dažas papildu īpašības. Šīs īpašības ļaus mūsu pētījumā izdarītajiem secinājumiem būt ticamiem.
- Pietiekami: Pietiekamības īpašība norāda, ka novērtētājs darbojas ar visiem izlases datiem. Piemēram, vidējais rādītājs neizvēlas tikai 50% datu. Lai aprēķinātu parametru, tiek ņemti vērā 100% datu.
- Neobjektīvs: Neobjektīvais rekvizīts attiecas uz novērtētāja centrālo stāvokli. Tas ir, novērtētāja vidējam skaitlim jāsakrīt ar novērtējamo parametru. Mums nevajadzētu jaukt aprēķinātāja vidējo vērtību ar vidējo novērtētāju.
- Konsekventa: Konsekvences jēdziens iet roku rokā ar izlases lielumu un robežas jēdzienu. Vienkāršiem vārdiem sakot, mums jānorāda, ka novērtētāji šo īpašību izpilda, kad ļoti lielas izlases gadījumā viņi var novērtēt gandrīz bez kļūdām.
- Efektīvs: Efektivitātes īpašība var būt absolūta vai relatīva. Novērtētājs ir efektīvs absolūtā nozīmē, ja novērtētāja dispersija ir minimāla. Mēs nedrīkstam jaukt novērtētāja dispersiju ar dispersijas novērtētāju.
- Spēcīgs: Tiek uzskatīts, ka novērtētājs ir stabils, ja, neskatoties uz to, ka sākotnējā hipotēze nav pareiza, rezultāti cieši līdzinās reālajiem.
Iepriekš minētās īpašības ir galvenās. Protams, katrā īpašumā ir daudz dažādu gadījumu. Tāpat ir arī citas vēlamās īpašības.
Citas vēlamās novērtētāju īpašības
Vēlama rekvizīta piemērs ir nemainīgs mēroga izmaiņām. Šī īpašība norāda, ka, ja tiek mainīta mērvienība, novērtējamā vērtība nemainās. Piemēram, ja mēs kokus mēra centimetros un pēc tam metros, vidējai vērtībai jābūt vienādai. Ar to mēs varētu teikt, ka vidējais ir nemainīgs novērtētājs pirms mēroga izmaiņām.
Cits rekvizīts, uz kuru statistikas rokasgrāmatas parasti norāda, ir nemainīgs izcelsmes izmaiņām. Lai turpinātu iepriekšējo gadījumu, mēs redzēsim hipotētisku gadījumu. Pieņemsim, ka pēc visu koku izmērīšanas mēs secinām, ka katra koka reģistrētajam augstumam mums jāpieskaita 10 centimetri. Izmantotā sloksne bija slikti izmērīta, un mums ir jāveic šīs izmaiņas, lai pielāgotu datus realitātei. Tas, ko mēs darām, ir izcelsmes maiņa. Un jautājums ir, vai vidējā augstuma izmaiņas būs rezultāts?
Pretstatā mēroga maiņai šeit izcelsmes izmaiņas tiešām ietekmē. Ja izrādīsies, ka visi koki ir par 10 centimetriem garāki, tad vidējais augstums pieaugs.
Tāpēc mēs varam teikt, ka vidējais ir nemainīgs novērtētājs pirms mēroga izmaiņām, bet variants pirms izcelsmes izmaiņām.