मैं खुद को मज़े के लिए कुछ आँकड़े सिखा रहा हूँ और मुझे पर्याप्त आँकड़ों के बारे में कुछ भ्रम है । मैं सूची प्रारूप में अपना भ्रम लिखूंगा:
एक वितरण है, तो मानकों तो यह होगा पर्याप्त आंकड़े?
क्या पर्याप्त आँकड़ों और मापदंडों के बीच कोई सीधा पत्राचार है? या पर्याप्त आंकड़े सिर्फ "सूचना" के एक पूल के रूप में काम करते हैं ताकि हम सेटिंग को फिर से बना सकें ताकि हम अंतर्निहित वितरण के मापदंडों के लिए समान अनुमानों की गणना कर सकें।
क्या सभी वितरणों के पास पर्याप्त आँकड़े हैं? अर्थात। क्या कारक प्रमेय कभी विफल हो सकता है?
डेटा के हमारे नमूने का उपयोग करते हुए, हम एक वितरण को मानते हैं कि डेटा सबसे अधिक होने की संभावना है और फिर वितरण के लिए मापदंडों के लिए अनुमान (जैसे एमएलई) की गणना कर सकता है। पर्याप्त आँकड़े एक तरीका है जो स्वयं डेटा पर भरोसा किए बिना मापदंडों के लिए समान अनुमानों की गणना करने में सक्षम है?
क्या पर्याप्त आँकड़ों के सभी सेटों में न्यूनतम पर्याप्त आँकड़ा होगा?
यह वह सामग्री है जिसका उपयोग मैं विषय वस्तु को समझने की कोशिश करने के लिए कर रहा हूं: https://onlinecourses.science.psu.edu/stat414/node/283
जो मैं समझता हूं कि हमारे पास एक फैक्टराइजेशन प्रमेय है जो संयुक्त वितरण को दो कार्यों में अलग करता है, लेकिन मुझे यह समझ में नहीं आता है कि हम अपने कार्यों में वितरण को लागू करने के बाद पर्याप्त आंकड़े कैसे निकाल सकते हैं।
इस उदाहरण में दिए गए पोइसन प्रश्न का एक स्पष्ट कारक था, लेकिन तब यह कहा गया था कि पर्याप्त आँकड़े नमूना माध्य और नमूना राशि थे। हमें यह कैसे पता चला कि पहले समीकरण के रूप को देखकर वे पर्याप्त आँकड़े थे?
कैसे यह पर्याप्त आंकड़ों का उपयोग कर एक ही MLE अनुमान संचालन करने के लिए करता है, तो गुणन परिणाम के दूसरे समीकरण डेटा मूल्यों पर निर्भर कभी कभी संभव है खुद को? उदाहरण के लिए, पोइसन मामले में डेटा के factorials के उत्पाद के व्युत्क्रम पर निर्भर दूसरा फ़ंक्शन, और हमारे पास अब डेटा नहीं होगा!
वेबपेज पर पोइसन उदाहरण के संबंध में नमूना आकार एक पर्याप्त आंकड़ा क्यों नहीं होगा ? हमें पहले फ़ंक्शन के कुछ हिस्सों को फिर से बनाने के लिए n की आवश्यकता होगी, इसलिए यह एक पर्याप्त आंकड़ा भी नहीं है?