评估点估计的一致性
评估点估计的一致性。评估通常的意思是根据特定的目的和所掌握的资料，对某一事物的价值或状态进行定性定量的分析说明和评价的过程。那么评估点估计的一致性是什么意思？
评估点估计的一致性1什么叫估计量的一致性
指当样本容量趋于无穷大时，样本的数字特征依概率收敛于相应总体的数字特征。即用容量较大的样本比容量较小的样本作出的估计值要更精确，随着样本容量的增大估计值与待估参数接近的可能性就越大，估计值的这种特性称为估计的一致性。
一致估计亦称相合估计和相容估计，是一种优良点估计。按收敛的意义不同将一致估计分为两种：弱一致估计和强一致估计。
点估计又称定值估计，是指直接用样本平均数或样本成数代替总体平均数或成数，而不考虑误差的一种估计方法。例如对100名大学生进行收视率调查，调查结果是30%每天收看电视新闻，从而推断， 在全体大学生中30%每天收看电视新闻。
点估计的含义
说起来，“点估计”应该更接近“估计”真实含义。我们希望求得未知参数的值，而点估计的结果也是一个具体的值，在这点上估计值和未知参数的含义是相同的。只不过点估计没有提供估计的误差而已。这个问题由区间估计来解答。“点估计”中的“点”体现了跟“区间”估计的差别。
一致性的分类：
1、强一致性
强一致性可以理解为在任意时刻，所有节点中的数据是一样的。同一时间点，在节点A中获取 ……此处隐藏565个字……无偏估计不一定是好估计。
有偏估计可以修正为无偏估计。
二、有效性
有效性就是看估计量的方差值，方差代表波动，波动越小越有效。
三、一致性（相合性）
一致性就是在大样本条件下，估计值接近真实值。
评估点估计的一致性3相合估计（或一致估计）是简述评价估计量好坏的标准。
相合估计（或一致估计）是在大样本下评价估计量的标准，在样本量不是很多时，人们更加倾向于基于小样本的评价标准，此时，对无偏估计使用方差，对有偏估计使用均方误差。
一般地，在样本量一定时，评价一个点估计的好坏标准使用的指标总是点估计与参数真值 θ 的距离的函数，最常用的函数是距离的平方，由于估计量具有随机性，可以对该函数求期望。
均方误差是反映估计量与被估计量之间差异程度的一种度量。设t是根据子样确定的总体参数θ的一个估计量，(θ-t)2的数学期望，称为估计量t的均方误差。它等于σ2+b2，其中σ2与b分别是t的方差与偏倚。
当样本容量n充分大时，估计量可以以任意的精确程度逼近被估计参数的真值。按收敛意义不同，可以区分不同的相合性，常见的有：弱相合估计、强相合估计、r阶相合估计，这三种相合性之间的关系与三种收敛性的关系是完全一致的。相合性是一个估计量所应具备的最基本的性质。
一个估计量它依赖于样本n，为表明这种依赖性。随着样本量的变化，可得到一列估计量，一个自然的希望是，当样本容量无线增加时，估计量能够依某种意义接近于被估计量的真值。
显然，这是对估计量的起码要求。相合性就是这样的一个要求。
