Equilíbrio entre Propriedades

Nem sempre é possível encontrar um único estimador que seja simultaneamente não-viesado, eficiente, consistente e suficiente; muitas vezes é necessário priorizar uma propriedade em detrimento de outra.

Esse mesmo tipo de compromisso reaparece no Machine Learning, no equilíbrio entre viés e variância discutido no módulo de Machine Learning.

Escolhendo um Bom Estimador

Na prática, a escolha do estimador leva em conta o contexto do problema, o tamanho da amostra disponível e a importância relativa de precisão versus simplicidade computacional.

Compreender essas propriedades ajuda a interpretar criticamente qualquer estatística reportada em um relatório de dados.

Questões

Exercite seu aprendizado!