Punktestimat

Punktestimat, eller punktuppskattning, är inom statistik ett enda tal som används för att uppskatta ett okänt populationsmått. Det härrör från ett urval och fungerar som en gissning av parametern utan stöd för någon osäkerhet eller marginalfel. Ett vanligt exempel är urvalets medelvärde som estimator för populationens medelvärde, eller urvalets andel som estimator för populationens andel. Inom regressionsanalys används ofta koefficienter i modellen som punktestimater av de sanna populationsparametrarna.

Det finns olika metoder för att få punktestimater. De mest centrala är maximum likelihood-estimering (MLE), metoden för moment (method of moments) och minsta kvadrater i regressionssammanhang. Dessa estimatorer varierar i egenskaper som bias (om de i genomsnitt är lika med det sanna värdet), varians och därmed precision, samt hur de beter sig när urvalet växer.

Egenskaper som ofta studeras är opartiskhet (unbiasedness), där det förväntade värdet av estimatorn är det sanna parametervärdet, och konsistens, där estimatorn konvergerar mot det sanna värdet när urvalet blir större. Effektivitet beskriver hur liten variansen är i jämförelse med andra estimatorer med samma bias.

Punktestimaten säger inget om osäkerheten i uppskattningen. Osäkerheten kommuniceras vanligtvis genom standardfel och konfidensintervall, eller genom resamplingstekniker som bootstrap. Användningen av punktestimater och deras tolkning förutsätter rätt urval och rimliga modellantaganden; felaktiga antaganden eller små urval leder till missvisande uppskattningar.