bias
v.
altérer; rendre qqn partial; prédisposer; prévenir; influencer; polariser
n.
tendence, polarisation, parti pris, préjugé; biais; déviation; décentrement
Bias
BIAS
40170 LANDES
bias
bias1 ['baNBs] n
(a)to have a bias towards, avoir un parti pris pour (quelqu'un, quelque chose);
to be without bias, être sans parti pris;
(b)Sewing biais m;
material cut on the bias, étoffe coupée en ou de biais;
bias binding, ruban m en biais;
(c)Bowling décentrement m; déviation f (due au décentrement);
(d)Electron grid bias, polarisation f de la grille;
bias winding, enroulement m de polarisation.
bias2 vt (pt & pp bias(s)ed)
(a)rendre (quelqu'un,) partial; influencer, prévenir (quelqu'un,) (towards, in favour of, en faveur de;
against, contre);
(b)Bowling altérer le centre de gravité de (la boule);
(c)Electron polariser (la grille).
bias
=> biais : l' estimateur d'un paramètre est "sans biais" si la vraie valeur du paramètre est sa valeur espérée. Si ce n'est pas le cas, l'estimateur est dit "biaisé", il comporte un biais. C'est la quantité Ê (E avec chapeau). Si l'estimation de Ê est la même, réelle mais inconnue, l'estimation est non-biaisée, sans biais (comme lorsqu'on estime la moyenne de distributions normales, binomiale ou de Poisson).
Autrement dit :
soit théta un paramètre de valeur inconnue d'une population, T un estimateur de théta. L'estimateur T est sans biais si son espérance coincide exactement avec sa cible, c'est-à-dire si la moyenne de sa distribution d'echantillonage est égale à la valeur à estimer dans la population : E(T) = théta. Le biais d'un estimateur est donc mesuré par l'écart suivant : Biais = E(T) - théta
asymptotic unbiasedness => Si le biais décroit avec l'augmentation de n, on décrit cela en disant que l'estimation est "asymptotiquement sans biais". L'estimateur est alors dit "convergent", plus formellement :
Un estimateur T d'un paramètre q est dit convergent si et seulement si
{E(T) => théta ; V(T) => 0} quand {n=> infini}