विषय
आंकड़ों में, मीन स्क्वायर त्रुटि (एनडीई) एक अनुमानक और अनुमानित मात्रा के सही मूल्य के बीच अंतर का आकलन करने का एक तरीका है। NDE त्रुटि के वर्ग के माध्य को मापता है, त्रुटि के साथ वह राशि जिसके द्वारा अनुमानक की मात्रा का अनुमान लगाया जाता है।
परिभाषा
NDE के बारे में सोचने का एक सरल तरीका एक उपयुक्त अनुमानक को चुनने के लिए एक मानदंड के रूप में है: सांख्यिकीय मॉडल में, मॉडलर को कई संभावित अनुमानकों के बीच चयन करना होगा। व्यावहारिक रूप में, एनडीई विचरण के योग और अनुमानक के वर्ग के पूर्वाग्रह के बराबर है। एक अनुमानक का उपयोग सांख्यिकीय मॉडल में एक अज्ञात पैरामीटर के मूल्य को कम करने के लिए किया जाता है। रुझान अनुमानक के अनुमानित मूल्य और अनुमानित पैरामीटर के सही मूल्य के बीच का अंतर है।
उपयोग
सांख्यिकीय मॉडलिंग में, NDE का उपयोग यह निर्धारित करने के लिए किया जाता है कि मॉडल ने डेटा को किस हद तक फिट नहीं किया है या यदि कुछ शर्तों को हटा दिया जाए तो मॉडल को लाभकारी रूप से सरल बना सकता है। NDE सबसे अच्छा अनुमानक चुनने का एक साधन प्रदान करता है: एक न्यूनतम NDE अक्सर, लेकिन हमेशा नहीं, न्यूनतम भिन्नता को इंगित करता है और इसलिए, एक अच्छा अनुमानक। NDE का वर्गमूल लेने से माध्य वर्ग विचलन पैदा होता है, सटीकता का एक अच्छा उपाय जिसे द्विघात माध्य के रूप में भी जाना जाता है।
व्याख्या
शून्य (0) की औसत स्क्वायर त्रुटि होना आदर्श है, लेकिन ज्यादातर स्थितियों में यह कभी संभव नहीं है। शून्य का NDE का अर्थ है कि अनुमानक सटीक सटीकता के साथ प्रेक्षणों की भविष्यवाणी करता है।
समीक्षा
NDE छोटे लोगों की तुलना में बड़ी त्रुटियों पर अधिक भार डालता है (प्रत्येक वर्ग का परिणाम), इस प्रकार नमूना डेटा के माध्यिका के साथ असंगत डेटा पर जोर दिया जाता है।