Próbkowe odpowiedniki wielkości populacyjnych

Transkrypt

1 Część I Podstawy 11

2

3 Rozdział 1 Próbkowe odpowiedniki wielkości populacyjnych 1.1 Rozkład empiryczny Statystyka matematyczna opiera się na założeniu, że dane są wynikiem pewnego doświadczenia losowego. Przypuśćmy, że dane mają postać ciągu liczb x 1, x 2,..., x n. Zakładamy, że mamy do czynienia ze zmiennymi losowymi X 1, X 2,..., X n określonymi na przestrzeni probabilistycznej (Ω, F, P) i dane są realizacjami (wartościami) tych zmiennych losowych, czyli x 1 = X 1 (ω),..., x n = X n (ω) dla pewnego ω Ω. Nie znamy rozkładu prawdopodobieństwa P na przestrzeni Ω, który rządzi zachowaniem zmiennych losowych i chcemy się dowiedzieć czegoś o tym rozkładzie na podstawie obserwacji x 1, x 2,..., x n. Rozważmy najpierw prostą sytuację, kiedy obserwacje są realizacjami niezależnych zmiennych losowych o jednakowym rozkładzie DEFINICJA. Próbką z rozkładu prawdopodobieństwa o dystrybuancie F nazywamy ciąg niezależnych zmiennych losowych X 1, X 2,..., X n o jednakowym rozkładzie, P(X i x) = F (x) dla i = 1, 2,..., n. Będziemy używali oznaczenia X 1, X 2,..., X n iid F. W powyższej definicji dystrybuanta jest tylko pewnym sposobem opisu rozkładu prawdopodobieństwa. Mówiąc na przykład o próbce z rozkładu normalnego, napiszemy X 1,... X n iid N(µ, σ 2 ). Mówi się także, że X 1, X 2,..., X n jest próbką z rozkładu fikcyjnej zmiennej losowej X F. Uwaga. W statystycznych badaniach reprezentacyjnych stosuje się różne schematy losowania z populacji skończonej. W Definicji żądamy niezależności, zatem ta definicja nie obejmuje próbki wylosowanej bez zwracania. 13

4 14 ROZDZIAŁ 1. PRÓBKOWE ODPOWIEDNIKI WIELKOŚCI POPULACYJNYCH DEFINICJA. Niech X 1, X 1,..., X n będzie próbką z rozkładu o dystrybuancie F. Funkcję ˆF (x) = 1 n 1(X i x) n nazywamy dystrybuantą empiryczną. Gdy chcemy podkreślić, że próbka ma rozmiar n, to piszemy ˆF n zamiast ˆF. Traktujemy ˆF jako empiryczny odpowiednik nieznanej dystrybuanty F Przykład (Waga noworodków). Powiedzmy, że wylosowano 114 noworodków 1 w celu poznania cech fizycznych dzieci urodzonych w Warszawie w roku Waga noworodków była taka: Dane traktujemy jako próbkę z rozkładu prawdopodobieństwa zmiennej losowej X = waga noworodka losowo wybranego z populacji. Rysunek 1.1 przedstawia dystrybuantę empiryczną ˆF odpowiadającą tej próbce. Dystrybuanta empiryczna jest funkcją pary argumentów (x, ω), czyli ˆF : R Ω [0, 1], ale wygodnie jest pomijać argument ω. Dla ustalonego ω Ω dystrybuanta empiryczna jest funkcją R [0, 1], która argumentowi x przyporządkowuje liczbę 1(X i (ω) x)/n. Dla ustalonego a R wartość dystrybuanty empirycznej jest zmienną losową, ˆF (a) : Ω [0, 1]. Ciąg indykatorów odpowiada schematowi Bernoulliego z prawdopodobieństwem sukcesu F (a) i dlatego zmienna losowa ˆF (a) ma następujący rozkład prawdopodobieństwa: ( ) P( ˆF n (a) = k/n) = F (a) k (1 F (a)) n k (k = 0, 1,..., n). k 1 W istocie, dane pochodzą z dwóch numerów Gazety Wyborczej, ( Gazeta Stołeczna, 29 sierpnia 2009 i 5 września 2009).

5 1.1. ROZKŁAD EMPIRYCZNY 15 noworodki Fn(x) x Rysunek 1.1: Dystrybuanta empiryczna wagi noworodków. Dane z Przykładu

6 16 ROZDZIAŁ 1. PRÓBKOWE ODPOWIEDNIKI WIELKOŚCI POPULACYJNYCH DEFINICJA. Rozważmy próbkę X 1, X 2,..., X n. Dla każdego ω Ω, niech X 1:n (ω) X 2:n (ω) X n:n (ω) będzie ciągiem liczb X 1 (ω), X 2 (ω),..., X n (ω) uporządkowanym w kolejności rosnącej. Określone w ten sposób zmienne losowe X 1:n, X 2:n,..., X n:n nazywamy statystykami pozycyjnymi. W szczególności, X 1:n = min(x 1,..., X n ) i X n:n = max(x 1,..., X n ); pierwsza i ostatnia statystyka pozycyjna to, odpowiednio, najmniejsza i największa obserwacja w próbce. Dystrybuanta empiryczna ˆF jest funkcją schodkową : jest stała na każdym z przedziałów pomiędzy statystykami pozycyjnymi [X i:n, X i+1:n [. Widać, że dla x < X 1:n mamy ˆF (x) = 0; dla X i:n x < X i+1:n mamy ˆF (x) = i n ; dla x X n:n mamy ˆF (x) = 1. W punktach X i:n funkcja ˆF ma nieciągłości (skacze w górę). Jeśli teoretyczna dystrybuanta F jest ciągła, to P(X 1:n < X 2:n < < X n:n ) = 1, a więc, z prawdopodobieństwem 1, mamy ˆF (X i:n ) = i/n i każdy skok dystrybuanty empirycznej ma wielkość 1/n. Jeśli teoretyczna dystrybuanta jest dyskretna, to z niezerowym prawdopodobieństwem niektóre statystyki pozycyjne będą się pokrywać i dystrybuanta empiryczna będzie miała skoki wysokości 2/n lub 3/n i tak dalej. W poniższym stwierdzeniu będziemy mieli do czynienia z nieskończoną próbką, czyli z ciągiem zmiennych losowych X 1, X 2,..., X n,..., które są niezależne i mają jednakowy rozkład prawdopodobieństwa. Możemy sobie wyobrazić, że wciąż dodajemy do próbki nowe zmienne losowe. Dystrybuanta empiryczna ˆF n jest określona tak jak w Definicji 1.1.2, to znaczy, zależy od początkowych zmiennych X 1,..., X n. Rozpatrujemy teraz ciąg dystrybuant empirycznych ˆF 1, ˆF 2,..., ˆF n, Stwierdzenie. Jeśli X 1,..., X n,... jest próbką z rozkładu o dystrybuancie F, to dla każdego x R, ˆF n (x) p.n. F (x), (n ). Dowód. Zmienne losowe 1(X 1 x),..., 1(X n x),... są niezależne i mają jednakowy rozkład prawdopodobieństwa: 1(X n x) przyjmuje wartość 1 z prawdopodobieństwem F (x) lub wartość 0 z prawdopodobieństwem 1 F (x). Oczywiście, E1(X n x) = F (x). Z Mocnego Prawa Wielkich Liczb (MPWL) dla schematu Bernoulliego wynika, że zdarzenie lim n ˆFn (x) = F (x) zachodzi z prawdopodobieństwem 1. To znaczy, że ciąg zmiennych losowych ˆF n (x) jest zbieżny prawie na pewno do liczby F (x). Istnieje mocniejsza wersja poprzedniego stwierdzenia, którą przytoczymy bez dowodu. Można pokazać, że zbieżność ˆF F zachodzi jednostajnie z prawdopodobieństwem 1.

7 1.1. ROZKŁAD EMPIRYCZNY 17 n=10 n=25 Fn(x) Fn(x) x x n=100 n=500 Fn(x) Fn(x) x x Rysunek 1.2: Zbieżność dystrybuant empirycznych do dystrybuanty.

8 18 ROZDZIAŁ 1. PRÓBKOWE ODPOWIEDNIKI WIELKOŚCI POPULACYJNYCH TWIERDZENIE (Gliwienko-Cantelli). Jeżeli X 1,..., X n,... jest próbką z rozkładu o dystrybuancie F to sup ˆF n (x) F (x) p.n. 0 (n ). <x< Jeśli mamy możliwość nieograniczonego powiększania próbki, to możemy poznać rozkład prawdopodobieństwa z dowolną dokładnością. Zamiast dowodu Twierdzenia Gliwienki-Cantelliego przytoczymy wyniki przykładowych symulacji komputerowych. Na Rysunku 1.2 widać dystrybuanty empiryczne F 10, F 25, F 100 i F 500, dla próbki z rozkładu normalnego N(0, 1) na tle teoretycznej dystrybuanty tego rozkładu (ciągła, niebieska krzywa). Skoncentrowaliśmy uwagę na dystrybuancie empirycznej, ale podobnie można zdefiniować o empiryczny rozkład prawdopodobieństwa. Rozważmy zbiór borelowski B R i próbkę X 1, X 2,..., X n z rozkładu zmiennej losowej X. Przybliżeniem nieznanej liczby P (B) = P(X B) jest prawdopodobieństwo empiryczne ˆP (B) = 1 n n 1(X i B). Określone w ten sposób odwzorowanie ˆP : B Ω R, gdzie B oznacza rodzinę zbiorów borelowskich, nazywane jest empirycznym rozkładem prawdopodobieństwa. Dla ustalonego ω Ω jest to dyskretny rozkład prawdopodobieństwa; jeśli wartości x 1 = X 1 (ω),..., x n = X n (ω) są różnymi liczbami to ˆP ({x i }) = 1/n dla i = 1, 2,..., n, czyli empiryczny rozkład prawdopodobieństwa jest rozkładem równomiernym na zbiorze {x 1,..., x n }. Z drugiej strony ˆP (B) jest, dla ustalonego zbioru B, zmienną losową (a nie liczbą). Oczywiście, ˆP (], x]) = ˆF (x) Przykład (Statystyczna kontrola jakości). Producent chce się dowiedzieć, jaki procent wytwarzanych przez niego wyrobów jest wadliwych. Sprawdza dokładnie pewną liczbę sztuk. Powiedzmy, że badaniu poddano 50 sztuk i wyniki są takie (zakodujemy wyrób prawidłowy jako liczbę 1 i wadliwy jako 0 ): Potraktujemy ten ciąg jako próbkę z pewnego rozkładu prawdopodobieństwa na zbiorze dwupunktowym {prawidłowy, wadliwy} = {1, 0}. Producenta interesuje liczba P (0) = P (wadliwy) = % sztuk wadliwych wśród wszystkich wyrobów.

9 1.2. MOMENTY I KWANTYLE Z PRÓBKI. 19 Na podstawie próbki możemy obliczyć prawdopodobieństwo empiryczne ˆP (0) = ˆP (wadliwy) = % sztuk wadliwych wśród 50 zbadanych wyrobów = 5 50 = Przykład jest trywialny. Chodzi tylko o to, żeby podkreślić różnicę między nieznaną, interesującą nas liczbą P (0) i znaną ale losową wielkością ˆP (0). 1.2 Momenty i kwantyle z próbki. Określimy teraz próbkowe odpowiedniki pewnych wielkości, związanych z rozkładem prawdopodobieństwa. Będziemy postępowali w podobnym duchu jak w definicji dystrybuanty empirycznej. Cały czas X 1,..., X n jest próbką. Średnią z próbki nazywamy zmienną losową X = 1 n X i. n Widać, że X jest wartością oczekiwaną rozkładu empirycznego. próbki S 2 = 1 n (X i n X) 2 jest niczym innym, jak wariancją rozkładu empirycznego. próbki (zwykłe i centralne) oznaczymy przez â k i ˆm k : Podobnie, wariancja z Wyższego rzędu momenty z â k = 1 n n Xi k, ˆm k = 1 n n (X i X) k. Są to odpowiedniki momentów, czyli a k = EX k, m k = E(X i EX) k. Wielkości a k i m k zależą od prawdziwego, teoretycznego rozkładu zmiennej losowej X, podczas gdy â k i ˆm k są obliczone dla rozkładu empirycznego. Oczywiście, â 1 = X i ˆm 2 = S 2, ale te dwa momenty spotykać będziemy tak często, że zasługują na specjalne oznaczenie. Zauważmy jeszcze oczywisty związek ˆm 2 = â 2 â 2 1 (Zadanie 1.4).

10 20 ROZDZIAŁ 1. PRÓBKOWE ODPOWIEDNIKI WIELKOŚCI POPULACYJNYCH Kwantyle próbkowe określamy zgodnie z tym samym schematem. Po prostu zastępujemy rozkład prawdopodobieństwa rozkładem empirycznym i obliczamy kwantyle. Przypomnijmy najpierw definicję kwantyla. Niech 0 < q < 1. Jeśli P(X < ξ q ) = F (ξ q ) q F (ξ q ) = P(X ξ q ), to liczbę ξ q nazywamy kwantylem rzędu q zmiennej losowej X. Taka liczba zawsze istnieje, ale nie musi być wyznaczona jednoznacznie. Jeśli istnieje dokładnie jedna liczba ξ q taka, że P(X ξ q ) = F (ξ q ) = q to oczywiście ξ q jest q-tym kwantylem. Podobnie jest w przypadku gdy F (ξ q ) < q < F (ξ q ). Jeśli jednak F (a) = F (b) = q, to każda z liczb z przedziału [a, b] jest kwantylem. Liczbę ˆξ q nazywamy kwantylem empirycznym rzędu q, jeśli ˆF (ˆξ q ) q ˆF (ˆξ q ). Statystyka pozycyjna X np :n jest kwantylem empirycznym rzędu p ale niekoniecznie jedynym. Najlepiej widać to na przykładzie mediany (kwantyla rzędu q = 1/2). Jeśli rozmiar próbki n jest liczbą nieparzystą, to statystyka pozycyjna o numerze (n + 1)/2 jest medianą z próbki. Jeśli rozmiar próbki jest liczbą parzystą, to każda z liczb z przedziału [X n/2:n, X n/2+1,n ] jest medianą rozkładu empirycznego. W R i innych pakietach statystycznych, dla uniknięcia niejednoznaczności, zwykle podaje się środek przedziału median: (X n/2:n + X n/2+1:n )/2. Przyjmiemy następujące oznaczenia na medianę i medianę z próbki: med(x) = ξ 1/2, med ˆ = med(x ˆ 1,..., X n ) = ˆξ 1/2. Kwantyle rzędu 1/4 i 3/4 noszą nazwę kwartyli i bywają oznaczane Q 1 i Q Przykład (Waga noworodków, kontynuacja). Dla naszej niemowlęcej próbki z Przykładu mamy X = , S = Jak już zauważyliśmy poprzednio, med ˆ = Kwartyle próbkowe, zgodnie z naszą definicją, są równe Q 1 = ˆξ 1/4 = X 29:114 = 2930 i Q 3 = ˆξ 3/4 = X 86:114 = Medianę, kwartyle, minimum i maksimum próbki przedstawia tak zwany wykres pudełkowy (ang. Box and Whiskers Plot, Rysunek 1.3). Boki prostokąta (na tym rysunku boki pionowe) odpowiadają kwartylom. Kreska wewnątrz prostokąta pokazuje medianę. Wąsy umieszcza się (w zasadzie) w miejscu minimum i maksimum z próbki. Wykres pudełkowy pozwala na graficzne porównanie kilku próbek. W tym przypadku na jednym obrazku widnieje kilka pudełek, a ich grubość może być związana z licznościami poszczególnych próbek. Na zakończenie naszych wstępnych rozważań wspomnimy o jeszcze jednym graficznym sposobie podsumowania danych. Na Rysunku 1.4 przedstawiony jest histogram danych z Przykładu Wydaje się, że szczegółowe objaśnienia są zbędne, bo budowa histogramu jest 2 Określenie kwantyla próbkowego w pakietach statystycznych nieco różni się od naszego, ale nie ma to zasadniczego znaczenia, szczególnie jeśli próbka jest duża. W naszym przykładzie R podaje następujące wartości kwartyli: Q 1 = ˆξ 1/4 = i Q 3 = ˆξ 3/4 =

11 1.2. MOMENTY I KWANTYLE Z PRÓBKI. 21 noworodki Rysunek 1.3: Wykres pudełkowy. Dane z Przykładu

12 22 ROZDZIAŁ 1. PRÓBKOWE ODPOWIEDNIKI WIELKOŚCI POPULACYJNYCH dość oczywista i dobrze znana czytelnikom prasy i telewidzom. Zwróćmy tylko uwagę na to, że skala osi pionowej zastała tak dobrana, aby pole pod histogramem było równe 1, podobnie jak pole pod wykresem gęstości prawdopodobieństwa. W istocie, histogram jest w pewnym sensie empirycznym odpowiednikiem gęstości. Histogram of noworodki Density 0e+00 2e 04 4e 04 6e noworodki Rysunek 1.4: Histogram danych z Przykładu

13 1.3. ZADANIA Zadania 1.1. Obliczyć E ˆF (x), Var ˆF (x) Pokazać, że ciąg zmiennych losowych n( ˆF n (x) F (x)) jest zbieżny do rozkładu normalnego. Zidentyfikować parametry tego rozkładu Podać granicę lim n P( ˆF n (x) F (x)) przy założeniu, że 0 < F (x) < 1. Dokładnie uzasadnić odpowiedź Wyprowadzić alternatywny wzór na wariancję próbkową: S 2 = 1 n n Xi 2 X Niech X 1,..., X n będzie próbką z rozkładu normalnego N(µ, σ 2 ). Podać rozkład średniej próbkowej X = Xi /n Obliczyć dystrybuantę i gęstość rozkładu zmiennej losowej U n:n = max(u 1,..., U n ), gdzie U 1,..., U n jest próbką z rozkładu jednostajnego U(0, 1) (Ciąg dalszy). Obliczyć EU n:n, gdzie U n:n oznacza ostatnią statystykę pozycyjną (maksimum z próbki) z rozkładu jednostajnego U(0, 1) (Ciąg dalszy). Obliczyć VarU n:n, gdzie U n:n oznacza maksimum z próbki z rozkładu jednostajnego U(0, 1) (Ciąg dalszy). Zbadać zbieżność według rozkładu ciągu zmiennych losowych n(1 U n:n ), gdzie U n:n oznacza ostatnią statystykę pozycyjną (maksimum z próbki) z rozkładu jednostajnego U(0, 1) Niech X 1,..., X n będzie próbką z rozkładu wykładniczego Ex(λ). Obliczyć rozkład prawdopodobieństwa X 1:n, pierwszej statystyki pozycyjnej (minimum z próbki). Podać dystrybuantę, gęstość, nazwę tego rozkładu Rozważmy próbkę X 1,..., X n z rozkładu o dystrybuancie F. Pokazać, że zmienna losowa X k:n (k-ta statystyka pozycyjna) ma dystrybuantę P(X k:n x) = n i=k ( ) n F (x) i (1 F (x)) n i. i Załóżmy, że dystrybuanta F jest funkcją ciągłą i ściśle rosnącą, a zatem istnieje funkcja odwrotna F 1 :]0, 1[ R. Pokazać, że jeśli U U(0, 1) to zmienna losowa X = F 1 (U) ma dystrybuantę F (Ciąg dalszy). Niech U k:n oznacza statystykę pozycyjną z rozkładu U(0, 1). Pokazać, że X k:n = F 1 (U k:n ) ma rozkład taki jak statystyka pozycyjna z rozkładu o dystrybuancie F.

14 24 ROZDZIAŁ 1. PRÓBKOWE ODPOWIEDNIKI WIELKOŚCI POPULACYJNYCH

15 Rozdział 2 Modele statystyczne 2.1 Przestrzenie statystyczne Zaczniemy od formalnej definicji, której sens postaramy się w dalszym ciągu wyjaśnić i zilustrować przykładami DEFINICJA. Przestrzeń statystyczna jest to trójka (X, F, {P θ ; θ Θ}), gdzie X jest zbiorem, wyposażonym w σ-ciało F podzbiorów, zaś {P θ ; θ Θ} jest rodziną rozkładów prawdopodobieństwa na przestrzeni (X, F). Zbiór X nazywamy przestrzenią obserwacji zaś Θ nazywamy przestrzenią parametrów. Widoczny jest związek z definicją znaną z rachunku prawdopodobieństwa. Dla każdego ustalonego θ Θ, trójka (X, F, P θ ) jest przestrzenią probabilistyczną. Najważniejszą nowością w Definicji jest to, że rozważamy rodzinę rozkładów prawdopodobieństwa, {P θ ; θ Θ}. Jak już powiedzieliśmy w poprzednim rozdziale, w statystyce matematycznej traktujemy dane jako wynik doświadczenia losowego, ale nie wiemy, jaki rozkład rządzi badanym zjawiskiem. Wobec tego rozpatrujemy rodzinę wszystkich branych pod uwagę rozkładów prawdopodobieństwa. Zakładamy, że prawdziwy rozkład należy do tej rodziny, czyli jest to rozkład P θ0 dla pewnego θ 0 Θ, tylko nie umiemy wskazać θ Uwaga (Kanoniczna przestrzeń próbkowa). Powiedzmy, że wynikiem obserwacji są zmienne losowe X 1,..., X n. Niech Ω będzie zbiorem wszystkich możliwych wyników doświadczenia losowego, a więc w naszym przypadku zbiorem ciągów ω = (x 1,..., x n ). Możemy przyjąć, że zmienne losowe X i są funkcjami określonymi na przestrzeni próbkowej Ω wzorem X i (ω) = x i. Wektor X = (X 1,..., X n ) możemy traktować jako pojedynczą, wielowymiarową obserwację i napisać X(ω) = ω. Przy tej umowie, milcząco przyjętej w Definicji 2.1.1, rozkład prawdopodobieństwa na przestrzeni Ω = X jest tym samym, co rozkład prawdopodobieństwa obserwacji: P θ (B) = P θ (X B), dla B F. Jest to, co należy podkreślić, łączny rozkład wszystkich obserwowanych zmiennych losowych. Szczególny wybór przestrzeni Ω nie ma zasadniczego znaczenia, jest po prostu wygodny. 25

16 26 ROZDZIAŁ 2. MODELE STATYSTYCZNE Uwaga (Ciągłe i dyskretne przestrzenie obserwacji). Skupimy uwagę na dwóch typach przestrzeni statystycznych, które najczęściej pojawiają się w zastosowaniach. Mówimy o modelu ciągłym, jeśli X jest borelowskim podzbiorem przestrzeni R n, wyposażonym w σ-ciało B zbiorów borelowskich i n-wymiarową miarę Lebesgue a. Model nazywamy dyskretnym, jeśli przestrzeń X jest skończona lub przeliczalna, wyposażona w σ-ciało 2 X wszystkich podzbiorów i miarę liczącą. Rozkład prawdopodobieństwa obserwacji X najczęściej opisujemy przez gęstość f θ na przestrzeni X, zależną od parametru θ Θ. W zależności od kontekstu, posługujemy się gęstością względem odpowiedniej miary. W skrócie piszemy X f θ. Jeśli zmienna X ma skończony lub przeliczalny zbiór wartości X, to f θ (x) = P θ (X = x). (jest to gęstość względem miary liczącej). Dla jednowymiarowej zmiennej losowej X o absolutnie ciągłym rozkładzie, f θ jest gęstością w zwykłym sensie, czyli względem miary Lebesgue a. Mamy wówczas dla dowolnego przedziału [a, b], P θ (a X b) = b a f θ (x)dx. Jeśli X = (X 1,..., X n ) to rozumiemy, że f θ jest łączną gęstością prawdopodobieństwa na przestrzeni X = R n. Dla dowolnego zbioru borelowskiego B R n, P θ (X B) = f θ (x)dx = f θ (x 1,..., x n )dx 1 dx n. B W szczególnym przypadku, gdy zmienne X 1,..., X n są niezależne i mają jednakowy rozkład, pozwolimy sobie na odrobinę nieścisłości, oznaczając tym samym symbolem f θ jednowymiarową gęstość pojedynczej obserwacji i n-wymiarową gęstość całej próbki: f θ (x 1,..., x n ) = f θ (x 1 ) f θ (x n ). Jeśli T : X R, to wartość średnią (oczekiwaną) zmiennej losowej T (X) obliczamy zgodnie ze wzorem T (x)f X θ(x)dx w przypadku ciągłym; E θ T (X) = x X T (x)f θ(x) w przypadku dyskretnym. Jeśli X R n, to całka X jest n-wymiarowa, dx = dx 1 dx n. Podobnie, będziemy używać symboli Var θ, Cov θ i podobnych. Jeśli rodzina rozkładów prawdopodobieństwa {P θ ; θ Θ} jest zdefiniowana przez podanie rodziny gęstości {f θ ; θ Θ} względem pewnej (wspólnej dla wszystkich rozkładów) miary, to mówimy, że przestrzeń statystyczna jest zdominowana. Nasze rozważania będą niemal wyłącznie ograniczone do takich przestrzeni. B

17 2.1. PRZESTRZENIE STATYSTYCZNE 27 Przejdziemy teraz do przykładów, które wyjaśnią sens (nieco abstrakcyjnej) Definicji Przykład (Statystyczna kontrola jakości, kontynuacja). Powróćmy do Przykładu Przestrzenią obserwacji jest X = {0, 1} n. Obserwacje X 1,..., X n są zmiennymi losowymi o łącznym rozkładzie prawdopodobieństwa P p (X 1 = x 1,..., X n = x n ) = n p x i (1 p) 1 x i = p Σx i (1 p) n Σx i, gdzie x i {0, 1} dla i = 1,..., n i x i oznacza n x i. Nieznanym parametrem jest prawdopodobieństwo sukcesu, θ = p. Przestrzenią parametrów jest Θ = [0, 1] Przykład (Badanie reprezentacyjne). Powiedzmy, że populacja składa się z r jednostek. Przedmiotem badania jest nieznana liczba m jednostek wyróżnionych. Na przykład może to być liczba euroentuzjastów w populacji wyborców albo liczba palących w populacji studentów. Interesują nas własności całej populacji, ale pełne badanie jest niemożliwe lub zbyt kosztowne. Wybieramy losowo n jednostek spośród r i obserwujemy, ile jednostek wyróżnionych znalazło się wśród wylosowanych. Załóżmy, że stosujemy schemat losowania bez zwracania 1. Najlepiej wyobrazić sobie losowe wybranie n kul z urny zawierającej r kul, w tym m czerwonych i r m białych. Liczby r i n są znane. Liczba X kul białych wśród wylosowanych jest obserwacją. Zmienną losowa X ma tak zwany hipergeometryczny rozkład prawdopodobieństwa: ( )( ) / ( ) m r m r P m (X = x) =, x n x n zależny od parametru θ = m ze zbioru Θ = {0, 1,..., r}. Przestrzenią obserwacji jest zbiór X = {0, 1,..., n}. Parametr θ jest etykietką identyfikującą rozkład prawdopodobieństwa. Nie zawsze θ jest liczbą, może wektorem lub nawet funkcją Przykład (Model nieparametryczny). Zgodnie z Definicją 1.1.1, ciąg obserwowanych zmiennych losowych X 1,..., X n stanowi próbkę z rozkładu o dystrybuancie F, jeśli P F (X 1 x 1,..., X n x n ) = F (x 1 ) F (x n ). Symbol P F przypomina, że dystrybuanta F jest nieznana i odgrywa rolę nieskończenie wymiarowego parametru. Przestrzenią parametrów jest zbiór wszystkich dystrybuant. Przestrzenią obserwacji jest X = R n 2. 1 Próbka wylosowana w ten sposób nie jest próbką w sensie Definicji Jest to jedyny w tym skrypcie przykład przestrzeni statystycznej, która nie jest zdominowana.

18 28 ROZDZIAŁ 2. MODELE STATYSTYCZNE Przykład (Wypadki). Liczba wypadków drogowych w ciągu tygodnia ma, w dobrym przybliżeniu, rozkład Poissona. Niech X 1,..., X n oznaczają liczby wypadków w kolejnych tygodniach. Jeśli nic specjalnie się nie zmienia (pogoda jest podobna i nie zaczyna się właśnie okres wakacyjny) to można przyjąć, że każda ze zmiennych X i ma jednakowy rozkład. Mamy wtedy próbkę z rozkładu Poissona, czyli θ Σx i f θ (x 1,..., x n ) = P θ (X 1 = x 1,..., X n = x n ) = e θn x 1! x n!. Przestrzenią obserwacji jest X = {0, 1, 2,...} n, a przestrzenią parametrów Θ =]0, [. Wiemy, że E θ X i = θ i Var θ X i = θ Przykład (Czas życia żarówek). Rozpatrzmy jeszcze jeden przykład z dziedziny statystycznej kontroli jakości. Producent bada partię n żarówek. Interesuje go czas życia, to jest liczba godzin do przepalenia się żarówki. Załóżmy, że czasy życia X 1,..., X n badanych żarówek stanowią próbkę z rozkładu wykładniczego Ex(θ), czyli f θ (x 1,..., x n ) = n (θe θx i ) = θ n e θσx i. Jest to typowe i dość realistyczne założenie. Mamy tutaj X = [0, [ n i Θ =]0, [. Zauważmy, że E θ X i = 1/θ i Var θ X i = 1/θ Przykład (Pomiar z błędem losowym). Powtarzamy niezależnie n razy pomiar pewnej wielkości fizycznej µ. Wyniki poszczególnych pomiarów X 1,..., X n są zmiennymi losowymi bo przyrząd pomiarowy jest niedoskonały. Najczęściej zakłada się, że każdy z pomiarów ma jednakowy rozkład normalny N(µ, σ 2 ). Mamy zatem ( ) n [ 1 f µ,σ (x 1,..., x n ) = exp 1 ] (xi µ) 2. 2πσ 2σ 2 Tutaj rolę parametru θ gra para liczb (µ, σ), gdzie < µ < i σ > 0. Przestrzenią parametrów jest Θ = R ]0, [. Oczywiście, przestrzenią obserwacji jest X = R n. Wiemy, że E µ,σ X i = µ i Var µ,σ X i = σ Statystyki i rozkłady próbkowe Rozpatrujemy, jak zwykle, przetrzeń statystyczną (X, F, {P θ ; θ Θ}). Niech (T, A) będzie przestrzenią mierzalną (znaczy to, że zbiór T jest wyposażony w σ-ciało podzbiorów A; zazwyczaj będzie to podzbiór przestrzeni R d z σ-ciałem borelowskim).

19 2.2. STATYSTYKI I ROZKŁADY PRÓBKOWE DEFINICJA. Mierzalną funkcję T : X T określoną na przestrzeni obserwacji X nazywamy statystyką o wartościach w przestrzeni T. W Definicji istotne jest to, że statystyka jest wielkością obliczoną na podstawie danych i nie zależy od nieznanego parametru θ. Będziemy w skrócie pisać T = T (X). Skupiamy uwagę na przypadkach, kiedy przestrzeń T ma wymiar znacznie mniejszy niż X : staramy się obliczyć taką statystykę T (X) która ma streścić dane X Przykład (Statystyki i inne zmienne losowe). W Przykładzie (Statystyczna kontrola jakości), S = n X i, a więc liczba prawidłowych wyrobów w próbce jest statystyką. Oczywiście, S : {0, 1} n {0, 1,..., n}. Statystyka S ma dwumianowy rozkład prawdopodobieństwa: ( ) n P p (S = s) = p s (1 p) n s. s W skrócie napiszemy S Bin(n, p). Zmienna losowa (S np)/ np(1 p) nie jest statystyką, bo zależy od nieznanego parametru p. Ma w przybliżeniu normalny rozkład prawdopodobieństwa N(0, 1), jeśli n jest duże a p(1 p) nie jest zbyt małe. W Przykładzie (Wypadki) sumaryczna liczba wypadków S = n X i jest statystyką i ma rozkład Poiss(nθ). W Przykładzie (Żarówki) średnia X = (1/n) n X i jest statystyką i ma rozkład Gamma(n, nθ). Model normalny, wprowadzony w Przykładzie zasługuje na więcej miejsca. Załóżmy, że X 1,..., X n jest próbką z rozkładu N(µ, σ 2 ). Ważną rolę w dalszych rozważaniach odgrywać będą statystyki: X = 1 n X i, n S 2 = 1 n 1 n (X i X) 2, S = S 2. Zauważmy, że S 2 różni się od wariancji z próbki S2, o której mówiliśmy w poprzednim rozdziale: mnożnik 1/n zastąpiliśmy przez 1/(n 1). Rozkład prawdopodobieństwa średniej z próbki jest w modelu normalnym niezwykle prosty: X N(µ, σ 2 /n). Zajmiemy się teraz rozkładem statystyki S 2. Rozkład chi-kwadrat z k stopniami swobody jest to, z definicji, rozkład zmiennej losowej Y = k Zi 2, gdzie Z 1,..., Z k są niezależnymi zmiennymi losowymi o rozkładzie N(0, 1). Będziemy pisali symbolicznie Y χ 2 (k).

20 30 ROZDZIAŁ 2. MODELE STATYSTYCZNE Uwaga. Rozkłady chi-kwadrat są szczególnej postaci rozkładami Gamma, mianowicie χ 2 (k) = Gamma(k/2, 1/2) (Zadanie 2.5). Jeśli Y χ 2 (k) to EY = k i VarY = 2k. Wykresy gęstości kilku rozkładów χ 2 są pokazane na Rysunku Stwierdzenie (Twierdzenie Fishera). W modelu normalnym, X i S 2 są niezależnymi zmiennymi losowymi, X N(µ, σ 2 /n); n 1 σ 2 S 2 χ 2 (n 1). Pominiemy dowód, bo w Rozdziale 9 udowodnimy twierdzenie znacznie ogólniejsze. Niezależność zmiennych losowych X i S 2 nie jest oczywista. Zauważmy też, że pojawia się rozkład chi-kwadrat z n 1 stopniami swobody, chociaż (n 1)S 2 jest sumą n kwadratów zmiennych normalnych Wniosek. E µ,σ S 2 = σ 2 i Var µ,σ S 2 = 2σ 4 /(n 1). Rozkład t Studenta z k stopniami swobody jest to, z definicji, rozkład zmiennej losowej T = Z Y/k, gdzie Z i Y są niezależnymi zmiennymi losowymi, Z N(0, 1) i Y χ 2 (k). Będziemy pisali symbolicznie T t(k). Dwa rozkłady t oraz rozkład normalny są pokazane na Rysunku Wniosek. W modelu normalnym, zmienna losowa n( X µ)/s ma rozkład t(n 1). Rozkład F Snedecora z k i m stopniami swobody jest to, z definicji, rozkład zmiennej losowej R = Y/k U/m, gdzie Y i U są niezależnymi zmiennymi losowymi, Y χ 2 (k) i U χ 2 (m). Będziemy pisali symbolicznie R F(k, m) Przykład (Model dwóch próbek). Załóżmy, że obserwujemy niezależne zmienne losowe X 1,..., X n i Y 1,..., Y m, przy tym X i N(µ X, σx 2 ) i Y j N(µ Y, σy 2 ) dla i = 1,..., n i j = 1,..., m. Statystyki X i S 2 X są określone tak jak poprzednio, dla próbki X 1,..., X n. Podobnie określamy statystyki Ȳ i SY 2, dla próbki Y 1,..., Y m. Z tego, co powiedzieliśmy wcześniej wynika, że SX 2 σ2 Y F(n 1, m 1). SY 2 σ2 X Zauważmy, że zmienna losowa SX 2 σ2 Y /(S2 Y σ2 X ) nie jest statystyką, bo zależy nie tylko od obserwacji, ale i od nieznanych paramerów σ X i σ Y. Jeśli założymy, że σx 2 = σ2 Y to statystyka SX 2 /S2 Y ma rozkład F(n 1, m 1).

21 2.2. STATYSTYKI I ROZKŁADY PRÓBKOWE 31 chi2( 1 ) chi2( 2 ) density density χ χ 2 chi2( 5 ) chi2( 10 ) density density χ χ 2 Rysunek 2.1: Rozkłady χ 2 dla różnej liczby stopni swobody.

22 32 ROZDZIAŁ 2. MODELE STATYSTYCZNE t Student density t(1) t(3) N(0,1) t Rysunek 2.2: Rozkłady t Studenta i rozkład normalny.

23 2.3. DOSTATECZNOŚĆ 33 Podobnie, jeśli σ 2 X = σ2 Y = σ2 to X Ȳ (µ X µ Y ) (k 1)S 2 X + (m 1)S 2 Y km (k + m 2) t(k + m 2). k + m 2.3 Dostateczność Rozważmy przestrzeń statystyczną (X, F, {P θ : θ Θ}) i statystykę T = T (X) o wartościach w przestrzeni (T, A) DEFINICJA. Statystykę T = T (X) nazywamy dostateczną, jeśli warunkowy rozkład prawdopodobieństwa obserwacji X przy danej wartości statystyki T = t nie zależy od parametru θ, dla każdego t T. Uwaga. W pewnym uproszczeniu, statystyka jest dostateczna, jeśli prawdopodobieństwo warunkowe (*) P θ (X B T (X) = t) nie zależy od θ, dla dowolnego zbioru B F i (prawie) każdego t. Niestety, ścisłe sformułowanie Definicji wymaga znajomości ogólnego pojęcia warunkowego rozkładu prawdopodobieństwa i teorii miary. Zwróćmy uwagę, że określenie warunkowego rozkładu poprzez gęstość tutaj się bezpośrednio nie stosuje, bo rozkład X przy danym T (X) = t jest zazwyczaj skupiony na podprzestrzeni o niższym wymiarze, patrz Zadanie Jeśli jednak X jest przestrzenią dyskretną, to możemy się posłużyć elementarną definicją prawdopodobieństwa warunkowego. W tym przypadku warunek ( ) redukuje się do tego, że (**) P θ (X = x T (X) = t) nie zależy od θ, dla dowolnych t i x (to prawdopodobieństwo jest niezerowe tylko jeśli T (x) = t). Sens Definicji wyjaśni doświadczenie myślowe. Wyobraźmy sobie, że statystyk zaobserwował X = x, obliczył i zapisał T (x) = t, po czym... zgubił dane, czyli stracił x. Może jednak wylosować sztuczne dane X z rozkładu warunkowego obserwacji przy danym T = t, ponieważ ten rozkład nie wymaga znajomości θ. Skoro sztuczne dane X mają ten sam rozkład prawdopodobieństwa co prawdziwe dane X, więc nasz statystyk nic nie stracił zapisując t i zapominając x. Stąd właśnie nazwa: statystyka dostateczna zawiera całość informacji o parametrze zawartych w obserwacji. Załóżmy teraz, że przestrzeń statystyczną (X, F, {P θ : θ Θ}) jest zdominowana (Uwaga 2.1.3), to znaczy rozkłady P θ mają gęstości f θ. Zwykle są to albo gęstości względem miary Lebesgue a, albo gęstości dyskretne f θ (x) = P θ (X = x).

24 34 ROZDZIAŁ 2. MODELE STATYSTYCZNE TWIERDZENIE (Kryterum faktoryzacji). Statystyka T = T (X) jest dostateczna wtedy i tylko wtedy gdy gęstości obserwacji można przedstawić w postaci f θ (x) = g θ (T (x))h(x). Dowód. Żeby uniknąć trudności technicznych, ograniczymy się tylko do przypadku dyskretnej przestrzeni X. Jeśli T (x) = t to P θ (X = x T (X) = t) = f θ (x) x :T (x )=t f θ(x ) i oczywiście P θ (X = x T (X) = t) = 0 jeśli T (x) t. Jeżeli spełniony jest warunek faktoryzacji to natychmiast otrzymujemy, w przypadku T (x) = t, P θ (X = x T (X) = t) = g θ (t)h(x) x :T (x )=t g θ(t)h(x ) = h(x) x :T (x )=t h(x ). Odwrotnie, jeśli P θ (X = x T (X) = t) nie zależy od θ to własność faktoryzacji zachodzi dla h(x) = P θ (X = x T (X) = t) i g θ (t) = x :T (x )=t f θ(x ) Przykład (Ile jest kul w urnie?). Kule w urnie są ponumerowane: U = {1, 2,..., r} ale r jest nieznane. Pobieramy próbkę n kul, bez zwracania. Niech S oznacza losowy zbiór numerów a max(s) największy spośród nich. Prawdopodobieństwo wylosowania zbioru s U jest równe P r (S = s) = { 1(r max(s)) ( r = n) 1 /( ) r jeśli r max(s), n 0 jeśli r < max(s). Stąd widać, że max(s) jest statystyką dostateczną. W czasie II wojny światowej alianci notowali seryjne numery zdobytych czołgów niemieckich w celu oszacowania liczby produkowanych przez nieprzyjaciela czołgów. Rozważany schemat urnowy jest uproszczonym modelem takiej sytuacji Przykład (Statystyki dostateczne w poprzednich przykładach). W Przykładzie (Schemat Bernoulliego), liczba sukcesów S = n X i jest statystyką dostateczną. W Przykładzie (model Poissona) suma obserwacji S = n X i jest statystyką dostateczną. W Przykładzie (model wykładniczy) średnia X = (1/n) n X i jest statystyką dostateczną. W Przykładzie (model normalny z nieznanymi µ i σ) ( X, S 2 ) jest dwuwymiarową statystyką dostateczną.

25 2.4. RODZINY WYKŁADNICZE Rodziny wykładnicze Tak jak poprzednio, rozważamy model statystyczny, a więc rodzinę rozkładów prawdopodobieństwa na przestrzeni obserwacji X DEFINICJA. Rodzina rozkładów prawdopodobieństwa {P θ : θ Θ} jest rodziną wykładniczą jeśli rozkłady P θ mają, względem pewnej miary na X, gęstości f θ postaci: ( k ) f θ (x) = exp T j (x)ψ j (θ) + ψ 0 (θ) h(x), (θ Θ). j=1 Podkreślmy, że w tej definicji wymagamy, żeby istniały gęstości względem jednej miary wspólnej dla wszystkich θ. W większości zastosowań spotykamy, jak zwykle, albo gęstości względem miary Lebesgue a, albo gęstości dyskretne f θ (x) = P θ (X = x). Bez straty ogólności można zakładać, że funkcje T 1 (x),..., T k (x) są liniowo niezależne. To założenie będze w dalszym ciągu obowiązywać. Zauważmy prostą konsekwencję Definicji Zbiór {x : f θ > 0}, który nazywamy nośnikiem rozkładu P θ, 3 jest taki sam dla wszystkich θ Przykład. Rodzina rozkładów jednostajnych {U(0, θ) : θ > 0} nie jest rodziną wykładniczą. Ponieważ f θ (x) = 1 1(0 x θ), θ więc nośnikiem rozkładu U(0, θ) jest przedział [0, θ], który oczywiście zależy od θ Przykład. Rodzina rozkładów wykładniczych {Ex(θ) : θ > 0} jest rodziną wykładniczą, bo gęstości możemy napisać w następującej postaci: f θ (x) = θe θx = exp( θx + log θ). Nośnikiem każdego rozkładu wykładniczego jest ten sam przedział [0, [ Przykład. Rodzina rozkładów {Poiss(θ) : θ > 0} jest rodziną wykładniczą, bo ( θ θx 1 f θ (x) = e x! = exp θ + x log θ) x!. Oczywiście, każdy rozkład Poissona ma nośnik {0, 1, 2,...} Przykład. Rodzina przesuniętych rozkładów Cauchy ego o gęstościach f θ (x) = 1 π(1 + (x θ) 2 ), θ ], [, nie jest rodziną wykładniczą, bo funkcja log f θ (x) = log π log(1 + (x θ) 2 ) nie da się przedstawić w postaci sumy iloczynów k j=1 T j(x)ψ j (θ) + ψ 0 (θ). 3 Pozwalamy tu sobie na drobne uproszczenie, bo gęstość rozkładu prawdopodobieństwa jest wyznaczona jednoznacznie tylko prawie wszędzie.

26 36 ROZDZIAŁ 2. MODELE STATYSTYCZNE Przykład. Rodzina rozkładów {Gamma(α, λ) : α > 0, λ > 0} jest rodziną wykładniczą. ( ) f α,λ (x) = λα Γ(α) xα 1 e λx = exp λx + (α 1) log x + log λα Γ(α) Oczywiście, wspólnym nośnikiem wszystkich rozkładów Gamma jest przedział ]0, [. Inne przykłady rodzin wykładniczych to między innymi rodzina rozkładów normalnych {N(µ, σ) : < µ <, λ > 0}, rozkładów {Beta(α, β) : α, β > 0}, rodzina rozkładów dwumianowych {Bin(n, θ) : 0 < θ < 1}, ujemnych dwumianowych i wiele innych. Przejdźmy do omówienia kilku ciekawych własnosci rodzin wykładniczych Stwierdzenie. Jeżeli X 1,..., X n iid f θ jest próbką z rozkładu należącego do rodziny wykładniczej, to k-wymiarowy wektor ( n ) n T 1 (X i ),..., T k (X i ) jest statystyką dostateczną. Dowód. Jeżeli f θ ma postać taką jak w Definicji 2.4.1, to łaczna gęstość wektora obserwacji jest następująca: n ( k ) f θ (x 1,..., x n ) = exp T j (x i )ψ j (θ) + ψ 0 (θ) h(x i ) ( k = exp j=1 j=1 n ) n T j (x i )ψ j (θ) + nψ 0 (θ) h(x i ). Wystarczy teraz skorzystać z kryterium faktoryzacji (Twierdzenie 2.3.2). Zwróćmy uwagę, że dla wymiar statystyki dostatecznej w powyższym stwierdzeniu jest równy k, niezależnie od rozmiaru próbki n. Dla próbki z rodziny wykładniczej możliwa jest bardzo radykalna redukcja danych bez straty informacji. Zauważmy jeszcze, że k w Definicji wydaje się być związane z wymiarem przestrzeni parametrów. W Przykładach i mieliśmy jednoparametrowe rodziny wykładnicze, w Przykładzie dwuparametrową rodzinę. Staje się to bardziej przejrzyste, jeśli posłużymy się tak zwaną naturalną parametryzacją rodzin wykładniczych. Przyjmijmy wektor ψ = (ψ 1,..., ψ k ) = (ψ 1 (θ),..., ψ k (θ)) za nowy parametr, który identyfikuje rozkłady prawdopodobieństwa rozpatrywanej rodziny. Nieco nadużywając oznaczeń możemy napisać ( k ) (2.4.8) f ψ (x) = exp T j (x)ψ j b(ψ) h(x), j=1

27 2.4. RODZINY WYKŁADNICZE 37 gdzie ( k b(ψ) = log exp T j (x)ψ j )h(x)dx. X j=1 Jeśli istnieje wzajemnie jednoznaczna odpowiedniość pomiędzy starym parametrem θ Θ i nowym parametrem ψ, to wybór jednej lub drugiej parametryzacji jest tylko kwestią wygody Przykład. Rozkłady dwumianowe Bin(θ, n) mają gęstości postaci ( ) n f θ (x) = θ x (1 θ) n x = exp ( x log θ + (n x) log(1 θ) )( ) n x x ( )( ) θ n = exp x log + n log(1 θ). 1 θ x Naturalnym parametrem jest ψ = log θ 1 θ zaś b(ψ) = n log(1 + e ψ ). Zauważmy, że θ/(1 θ) jest tak zwanym ilorazem szans : stosunkiem prawdopodobieństwa sukcesu do prawdopodobieństwa porażki. Funkcja Jeśli θ zmienia się w przedziale ]0, 1[ to ψ przebiega przedział ], [. Naturalną przestrzenią parametrów jest więc cała prosta rzeczywista Uwaga. Mówimy, że rodzina wykładnicza jest regularna, jeśli przestrzeń naturalnych parametrów {ψ(θ) : θ Θ}, traktowana jako podzbiór R k, ma niepuste wnętrze. Ważną własnością regularnych rodzin wykładniczych jest dopuszczalność różniczkowania pod znakiem całki. Jeśli U : X R jest statystyką to ψ j X U(x)f ψ (x)dx = X U(x) ψ j f ψ (x)dx, jeśli ψ jest punktem wewnętrznym naturalnej przestrzeni parametrów i całka po lewej stronie jest dobrze określona. Co więcej, podobna własność zachodzi dla pochodnych wyższych rzędów. Oczywiście, jeśli funkcje ψ j (θ) są odpowiednio gładkie, to możemy bezpiecznie różniczkować pod znakiem całki również względem θ. W następnym rozdziale takie operacje rachunkowe będą odgrywały ważną rolę.

28 38 ROZDZIAŁ 2. MODELE STATYSTYCZNE 2.5 Zadania 2.1. Rozpatrzmy proces statystycznej kontroli jakości przyjmując te same założenia co w Przykładzie z tą różnicą, że obserwujemy kolejne wyroby do momentu gdy natrafimy na k wybrakowanych, gdzie k jest ustaloną z góry liczbą. Zbudować model statystyczny Uogólnić rozważania z Przykładu (badanie reprezentacyjne), uwzględniając więcej niż jeden rodzaj jednostek wyróżnionych. Powiedzmy, że mamy w urnie m 1 kul czerwonych, m 2 zielonych i r m 1 m 2 białych, gdzie r jest znaną liczbą, a m 1 i m 2 są nieznane i są przedmiotem badania. Opisać dokładnie odpowiedni model statystyczny Obliczyć rozkład prawdopodobieństwa zmiennej losowej Z 2, jeśli Z N(0, 1) (obliczyć bezpośrednio dystrybuantę i gęstość rozkładu χ 2 (1)) Obliczyć rozkład prawdopodobieństwa zmiennej losowej Z Z2 2, jeżeli Z i N(0, 1) są niezależne dla i = 1, 2 (obliczyć bezpośrednio dystrybuantę i gęstość rozkładu χ 2 (2)) Korzystając z Zadania 2.3 oraz z własności rozkładów gamma, udowodnić Uwagę 2.2: gęstość zmiennej losowej Y χ 2 (k) ma postać f Y (y) = 1 2 k/2 Γ(k/2) yk/2 1 e y/2, (y > 0) Udowodnić zbieżność rozkładów: t(k) d N(0, 1) dla k Udowodnić wzór dotyczący rozkładu t-studenta na końcu Przykładu Niech X 1,..., X n będzie próbką z rozkładu (Weibulla) o gęstości { 3θx 2 e θx3 dla x > 0; f θ (x) = 0 dla x 0, gdzie θ > 0 jest nieznanym parametrem. Znaleźć jednowymiarową statystykę dostateczną Niech X 1,..., X n będzie próbką z rozkładu Gamma(α, λ). Znaleźć dwuwymiarową statystykę dostateczną, zakładając że θ = (α, λ) jest nieznanym parametrem Rozważamy rodzinę przesuniętych rozkładów wykładniczych o gęstości { e (x µ) dla x µ; f µ (x) = 0 dla x < µ. Niech X 1,..., X n będzie próbką losową z takiego rozkładu. dostateczną dla parametru µ. Znaleźć jednowymiarową statystykę Rozważamy rodzinę przesuniętych rozkładów wykładniczych z parametrem skali o gęstości { λe λ(x µ) dla x µ; f µ,λ (x) = 0 dla x < µ. Niech X 1,..., X n będzie próbką losową z takiego rozkładu. dostateczną dla parametru (µ, λ). Znaleźć dwuwymiarową statystykę

29 2.5. ZADANIA Rozważamy rodzinę rozkładów na przestrzeni {0, 1, 2,...}: { θ dla x = 0; f θ (x) = P θ (X = x) = (1 θ)/2 x dla x {1, 2,...}. gdzie θ ]0, 1[ jest nieznanym parametrem. Niech X 1,..., X n będzie próbką losową z wyżej podanego rozkładu. Znaleźć jednowymiarową statystykę dostateczną Niech X 1,..., X n będzie schematem Bernoulliego z prawdopodobieństwem sukcesu θ. Obliczyć warunkowy rozkład prawdopodobieństwa zmiennych losowych X 1,..., X n przy danym S = s, gdzie S = n X i jest liczbą sukcesów. Zinterpretować fakt, że statystyka S jest dostateczna Niech X 1,..., X n będzie próbką z rozkładu Poiss(θ). Obliczyć warunkowy rozkład prawdopodobieństwa zmiennych losowych X 1,..., X n przy danym S = s, gdzie S = n X i. Zinterpretować fakt, że statystyka S jest dostateczna Niech X 1,..., X n będzie próbką z rozkładu Ex(θ). Niech S = n X i. Pokazać, że rozkład warunkowy (X 1,..., X n 1 ) przy danym S = s jest jednostajny na sympleksie {(x 1,..., x n 1 ) : x i 0, n 1 x i s}. Zinterpretować fakt, że statystyka S jest dostateczna Znaleźć rozkład zmiennej losowej 1 σ 2 n (X i µ) 2 w modelu normalnym. Porównać z twierdzeniem Fishera (Stwierdzenie 2.2.3) (Ciąg dalszy). Wyprowadzić tożsamość 1 σ 2 n (X i µ) 2 = 1 n σ 2 (X i X) 2 + n σ 2 ( X µ) 2. Jaki jest rozkład prawdopodobieństwa pierwszego i drugiego składnika po prawej stronie? Rozważmy jednoparametryczną wykładniczą rodzinę rozkładów z gęstościami danymi wzorem f ψ (x) = exp ( T (x)ψ b(ψ) ) h(x). Pokazać, że E ψ T (X) = b(ψ) ψ (Ciąg dalszy). Pokazać, że Var ψ T (X) = 2 b(ψ) ψ (Ciąg dalszy). Pokazać, że E ψ exp ( rt (X) ) = exp ( b(ψ + r) b(ψ) ).

30 40 ROZDZIAŁ 2. MODELE STATYSTYCZNE