Wykład z analizy danych: estymacja punktowa

Transkrypt

1 Wykład z analizy danych: estymacja punktowa Marek Kubiak Instytut Informatyki Politechnika Poznańska

2 Cel wykładu

3 Model statystyczny W pewnej zbiorowości (populacji generalnej) obserwowana jest pewna cecha X. Cecha ta ma w tej populacji pewien kształt rozkładu prawdopodobieństwa R (np. N(µ, σ) lub B 1 (p)). Na podstawie pewnego doświadczenia (badania) zdobyte zostały informacje o wartości cechy X dla pewnych elementów populacji w postaci liczb: x 1, x 2, x 3,..., x n. Zazwyczaj powtórzenie takiego eksperymentu daje inne liczby x i jako wyniki. W takim razie można potraktować te wartości jako realizacje zmiennych losowych X 1, X 2, X 3,..., X n. Zmienna losowa X i określa zachowanie (probabilistyczne) elementu x i w próbce.

4 Model statystyczny Wektor zmiennych losowych nazywamy próbą losową. X = (X 1, X 2, X 3,..., X n ) Wektor X nazywamy próbą prostą, jeśli zmienne losowe X i są niezależne i mają taki sam rozkład R jak badana cecha X populacji. Wektor wartości x = (x 1, x 2, x 3,..., x n ) nazywamy realizacją próby losowej (próbką). Uwaga! Pojęcie próby prostej jest kluczowe w statystyce matematycznej. Pozwala na wyciąganie silnych wniosków teoretycznych i budowanie praktycznych procedur badawczych m.in. dzięki twierdzeniom granicznym (np. Lindeberga-Levy ego).

5 Zadanie estymacji Zazwyczaj dokładny rozkład R jest nieznany lub nieznane są jego parametry θ. Zadanie estymacji: na podstawie próby losowej oszacować (przybliżyć, ocenić) wartości nieznanych parametrów θ rozkładu R cechy X populacji generalnej z jak największą precyzją i jak najmniejszym kosztem. Przykład: niech X = (X 1,..., X n ) będzie próbą prostą z populacji o rozkładzie N(µ, σ), gdzie µ i σ są nieznane; oszacować wartości tych nieznanych parametrów.

6 Statystyka Statystyką nazywamy dowolną funkcję próby losowej postaci: ˆθ(X) = ˆθ(X 1, X 2, X 3,..., X n ). Przykłady: ˆθ 1 (X 1, X 2, X 3, X 4, X 5 ) = 1 ˆθ 2 (X 1,..., X 100 ) = X 1 + X 3 + X X ˆθ 3 (X 1, X 2 ) = X 1 X 2

7 Estymator Estymatorem parametru θ nazywamy taką statystykę ˆθ(X), którą traktujemy jako oszacowanie parametru θ. Przykład: dla nieznanego parametru µ w rozkładzie N(µ, σ) mamy estymatory: ˆθ 1 (X 1,..., X n ) = 1 n X i = X n i=1 ˆθ 2 (X 1,..., X n ) = X 1

8 Kryteria jakości estymatorów Estymatory można porównywać ze względu na: obciążenie, zgodność, wariancję.

9 Estymatory alegoria strzelecka Estymatory można traktować jak różnych strzelców, którzy próbują trafić w sam środek tarczy. Równoważne pojęcia: Estymacja: nieznany parametr θ wartość estymatora ˆθ(X) rozmiar (liczność) próby n Strzelectwo: środek tarczy strzeleckiej przestrzelone miejsce większy wysiłek strzelca (skupienie, przymiarki, ocena wiatru)

10 Estymator nieobciążony Estymator ˆθ(X) parametru θ nazywamy nieobciążonym, gdy spełniony jest warunek: E(ˆθ(X)) = θ. Komentarz: estymator nieobciążony średnio trafia w nieznaną wartość parametru, rozsądne wymaganie, chociaż w ogóle nie bierze pod uwagę liczności próby (czyli kosztu zebrania informacji).

11 Obciążenie estymacji alegoria strzelecka Rysunek: Alegoria estymatora nieobciążonego i obciążonego.

12 Obciążenie estymacji Jeśli estymator jest obciążony (ukierunkowany, skrzywiony), to bez kompensacji obciążenia zniekształca wnioski! Przykłady estymacji obciążonej: strzelanie z krzywą lufą, ocena momentu południa na podstawie dźwięku dzwonu 1km od kościoła, dokładne ustawianie czasu przez Internet na podstawie odległego wzorca. Przykładowe przyczyny obciążenia estymacji: ukierunkowany sposób doboru próby, błędy lub przekłamania w zapisie wyników pomiarów, uszkodzenie lub dekalibracja urządzeń pomiarowych, użycie niewłaściwego estymatora.

13 Obciążenie estymacji przykład C. R. Rao Tło badania: Dehli, Indie, 1947 rozruchy religijne po odzyskaniu niepodległości, konieczność płacenia przez rząd dostawcom żywności do dwu obozów uchodźców religijnych (wysokie wydatki), niemożliwość wejścia statystyków do obozów (większość religijna). Zadanie: oszacować liczbę ludności L w obozach w celu oceny wiarygodności rachunków za żywność. Dane: rachunki dostawców za ryż, groch, sól.

14 Obciążenie estymacji przykład C. R. Rao Niech: R, G, S: ilości ryżu, grochu i soli zużywane na wyżywienie wszystkich uchodźców przez 1 dzień, r, g, s: ilości dziennego zapotrzebowania na osobę wg badań konsumenckich. Wtedy: R/r, G/g, S/s to estymatory tej samej, nieznanej liczby ludności L. Spostrzeżenia: R/r jest największe, S/s jest najmniejsze, różnica jest znaczna, rynkowa cena ryżu jest wysoka, cena soli jest znikoma.

15 Obciążenie estymacji przykład C. R. Rao Wnioski: wartość R jest sztucznie zawyżona przez dostawców (efektywne zawyżanie rachunków), dla przyszłych rozliczeń zastosować estymatę L = S/s (najmniej obciążona). Weryfikacja wniosków: niezależne oszacowanie liczby uchodźców w mniejszym obozie potwierdziło najmniejszy błąd oceny L = S/s.

16 Obciążenie estymacji przykładowe modele Niech X = (X 1,..., X n ) będzie próbą prostą z populacji o rozkładzie N(µ, σ), gdzie µ jest nieznane, a σ znane. Estymatory dla µ: ˆθ 1 (X) = X = 1 n n i=1 X i ˆθ 2 (X) = X 1 Obydwa estymatory są nieobciążone, choć drugi jest mało zdroworozsądkowy.

17 Obciążenie estymacji przykładowe modele Niech X = (X 1,..., X n ) będzie próbą prostą z populacji o rozkładzie N(µ, σ), gdzie µ i σ są nieznane. Estymatory dla σ 2 : ˆθ 1 (X) = S 2 = 1 n n (X i X ) 2 i=1 ˆθ 1 (X) = S 2 = 1 n 1 n (X i X ) 2 Estymator ˆθ 1 jest obciążony; drugi estymator jest nieobciążony. i=1

18 Estymator zgodny Estymator ˆθ(X) parametru θ nazywamy zgodnym, gdy spełniony jest warunek: X, θ, ɛ > 0 lim P( ˆθ n (X) θ < ɛ) = 1 n Komentarz: w miarę wzrostu liczności próby n prawdopodobieństwo znacznego odchylenia estymatora od parametru maleje do zera, rozsądne wymaganie: zwiększanie kosztów badania ma prowadzić do większej dokładności przybliżenia, estymator bez tej własności jest bardzo kiepski.

19 Estymator zgodny alegoria strzelecka Rysunek: Alegoria zgodności estymatora: ɛ = 1 i n = 10, 100, Rysunek: Alegoria zgodności estymatora: ɛ = 0.3 i n = 10, 100, 1000.

20 Estymator najefektywniejszy Estymator nieobciążony ˆθ 1 nazywamy efektywniejszym od nieobciążonego estymatora ˆθ 2, gdy spełniony jest warunek: θ D 2 (ˆθ 1 ) D 2 (ˆθ 2 ). Estymator nieobciązony parametru θ nazywamy najefektywniejszym, gdy ma najmniejszą możliwą wariancję ze wszystkich estymatorów nieobciążonych tego parametru. Komentarz: wariancja estymatora to rozrzut wokół nieznanego parametru, rozsądne wymaganie: minimalizacja tego rozrzutu, w miarę możliwości używamy estymatora najefektywniejszego. wariancja estymatora ma zazwyczaj spory związek z wykorzystaniem przez niego pełnej informacji z próby losowej, estymator najefektywniejszy może nie istnieć.

21 Wariancja estymatorów nieobciążonych alegoria strzelecka Rysunek: Alegoria wariancji estymatorów nieobciążonych.

22 Wariancja estymatorów nieobciążonych przykładowy model Niech X = (X 1,..., X n ) będzie próbą prostą z populacji o rozkładzie N(µ, σ), gdzie µ jest nieznane, a σ znane. Estymatory nieobciążone dla µ: n ˆθ 1 (X) = X = 1 n i=1 X i ˆθ 2 (X) = X 1 Można pokazać, że: σ 2 /n = D 2 (ˆθ 1 ) D 2 (ˆθ 2 ) = σ 2. Wnioski: zdecydowanie wybieramy estymator ˆθ 1 (X) = X, wiadomo, że jest to estymator najefektywniejszy parametru µ.

23 Przegląd estymatorów rozkład dowolny Niech X = (X 1,..., X n ) będzie próbą prostą z populacji o rozkładzie dowolnym R, gdzie E(X i ) = µ < i 0 < D 2 (X i ) = σ 2 <, oraz µ, σ 2 są nieznane. Estymator parametru µ postaci: ˆθ(X) = X = 1 n n i=1 X i jest zgodny i nieobciążony. Estymator parametru σ 2 postaci: ˆθ(X) = S 2 = 1 n 1 n (X i X ) 2 jest zgodny, nieobciążony i najefektywniejszy (asymptotycznie). i=1

24 Przegląd estymatorów rozkład dowolny Niech X = (X 1,..., X n ) będzie próbą prostą z populacji o rozkładzie dowolnym R, gdzie E(X i ) = µ < i 0 < D 2 (X i ) = σ 2 <, oraz µ, σ 2 są nieznane. Estymator parametru σ postaci: ˆθ(X) = S = S 2 = 1 n 1 jest zgodny i obciążony. n (X i X ) 2 i=1

25 Przegląd estymatorów rozkład normalny Niech X = (X 1,..., X n ) będzie próbą prostą z populacji o rozkładzie N(µ, σ), gdzie µ, σ 2 są nieznane. Estymator parametru µ postaci: ˆθ(X) = X = 1 n n i=1 X i jest zgodny, nieobciążony i najefektywniejszy. Estymator parametru σ 2 postaci: ˆθ(X) = S 2 = 1 n 1 n (X i X ) 2 jest zgodny, nieobciążony i najefektywniejszy (asymptotycznie). i=1

26 Przegląd estymatorów rozkład zero-jedynkowy Niech X = (X 1,..., X n ) będzie próbą prostą z populacji o rozkładzie B 1 (p), gdzie p jest nieznane. Estymator parametru p postaci: 1 n n i=1 jest zgodny, nieobciążony i najefektywniejszy. X i

27 Estymatory w MS Excel Funkcje MS Excel odpowiadające popularnym estymatorom: X : ŚREDNIA, S 2 : WARIANCJA, S 2 : WARIANCJA.POPUL, S : ODCH.STANDARDOWE, S: ODCH.STANDARDOWE.

28 Wymagana wiedza model i model statystyczny; próba losowa, różnica w stosunku od zbioru danych; zadanie estymacji; estymator: pojęcie i alegoria strzelecka; obciążoność: sens, alegoria i możliwe przyczyny; zgodność: sens i alegoria; wariancja, efektywność: sens, alegoria; przykładowe estymatory i ich cechy: rozkład dowolny; rozkład normalny; rozkład zero-jedynkowy; estymatory w MS Excel.

29 Literatura L. T. Kubik, Zastosowanie elementarnego rachunku prawdopodobieństwa do wnioskowania statystycznego. Wykład i uwagi krytyczne, Wydawnictwo Naukowe PWN, Warszawa, G. A. Ferguson, Y. Takane, Analiza statystyczna w psychologii i pedagogice, Wydawnictwo Naukowe PWN, Warszawa, W. Krysicki i inni, Rachunek prawdopodobieństwa i statystyka matematyczna w zadaniach, Część I, Rachunek prawdopodobieństwa, Część II, Statystyka matematyczna, Wydawnictwo Naukowe PWN, Warszawa, C. Radhakrishna Rao, Statystyka i prawda, Wydawnictwo Naukowe PWN, Warszawa, T. Gerstenkorn, T. Śródka, Kombinatoryka i rachunek prawdopodobieństwa, PWN, Warszawa, (dopisać inne, ciekawsze książki, w miarę przystępne, tanie i aktualne)