Statystyka w analizie i planowaniu eksperymentu

Transkrypt

1 31 marca 2014

2 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś prawdopodobieństwa. Trójka (Ω, F, P), gdzie P jest rodzina funkcji prawdopodobieństwa nazywamy przestrzenia statystyczna.

3 Podstawowe zadania statystyki Przestrzeń statystyczna s luży do opisu możliwych mechanizmów rzadz acych eksperymentem losowym. Wybór przestrzeni statystycznej jest zazwyczaj kompromisem miedzy prostota modelu a jego adekwatnościa.

4 Przyk lad Oznaczmy przez p prawdopodobieństwo otrzymania or la przy jednokrotnym rzucie moneta. Wówczas Ω = {O, R}, F = {, {O}, {R}, {O, R}} oraz P = {p : 0 p 1}

5 Podstawowe zadania statystyki Po co ta statystyka? Jednym z podstawowych zadań statystyki jest podanie metod, które umożliwiaja identyfikacje rozk ladu prawdopodobieństwa, rzadz acego eksperymentem losowym, na podstawie obserwacji wyniku tego eksperymentu.

6 Podstawowe zadania statystyki Uwaga W dalszej cześci wyk ladu zostanie pokazane, że wielokrotne powtarzanie eksperymentu może znacznie u latwić identyfikacje opisujacego go rozk ladu prawdopodobieństwa.

7 Poj ecie próby prostej i statystyki Zebrane wyniki eksperymentu np. X 1, X 2,... X n (gdzie X 1, X 2,... (zmienne losowe)) nazywamy próba losowa Jeżeli rozk lady zmiennych losowych X 1, X 2,... X n sa niezależne, to mamy do czynienia z prosta próba losowa.

8 Przyk lady prób losowych 1 wyniki rzutów moneta; 2 wyniki rzutów kostka; 3 czas obs lugi klientów przy kasie; 4 d lugość piór pawia.

9 Poj ecie próby prostej i statystyki Z każda próba losowa można zwiazać funkcje T o wartościach rzeczywistych, każda taka funkcje nazywamy statystyka

10 Przyk lady statystyk 1 X 2 Sn 2 = 1 ni=1 n (X i X ) 2 3 Sn 1 2 = 1 ni=1 (X i X ) 2 n 1 4 mo, me, d, X min, X max.

11 Przyk lady statystyk Średnia z próby Niech X 1, X 2,... X n bedzie próba losowa. Średnia z próby nazywamy statystyke X n = 1 n X i n Uwaga i=1 Średnia jako funkcja próby losowej jest zmienna losowa

12 Podstawowe w lasności średniej z próby 1 Jeżeli EX 1 =... = EX n = µ, to E X n = µ

13 Podstawowe w lasności średniej z próby 1 Jeżeli EX 1 =... = EX n = µ, to E X n = µ 2 Jeżeli X 1,..., X n jest próba prosta oraz EX i = µ i VarX i = σ 2 < dla i = 1, 2,..., n, to Var X n = Var( 1 ni=1 n X i ) = 1 n σ2

14 Podstawowe w lasności średniej z próby 1 Jeżeli EX 1 =... = EX n = µ, to E X n = µ 2 Jeżeli X 1,..., X n jest próba prosta oraz EX i = µ i VarX i = σ 2 < dla i = 1, 2,..., n, to Var X n = Var( 1 ni=1 n X i ) = 1 n σ2 3 Jeżeli X 1, X 2,..., X n sa zmiennymi losowymi z rozk ladu normalnego N(µ, σ), to X jest zmienna losowa o rozk ladzie N(µ, σ/ n)

15 Rozk lad normalny w lasności średniej z próby - interpretacja N(0,1) N(0,0.5) N(0,0.25)

16 Rozk lad normalny interpretacja parametru skali N(0,2) N(0,1.5) N(0,1)

17 W lasności średniej - prawo wielkich liczb Niech X bedzie zmienna losowa taka, że EX = µ i o skończonej wariancji i niech X 1,..., X n bedzie prosta próba losowa z rozk ladu zmiennej X. Wówczas X n E[X ] gdy n.

18 Przyk lad zastosowania prawa wielkich liczb - rzut moneta Nich X 1, X 2,... X n, bed a to wyniki kolejnych rzutów moneta. Z prawa wielkich liczb wiemy, że X E[X ] = p. Stad średnia arytmetyczna z próby jest oszacowaniem (estymatorem) parametru p.

19 Zadanie Wygeneruj n-krotny rzut moneta dla n = 50, 500, Oblicz średnia dla każdego z tych przypadków a nastepnie porównaj wyniki.

20 Symulacje [1] "n=50" [1] 0.48 [1] "n=500" [1] 0.52 [1] "n=5000" [1]

21 Uwaga Prawo wielkich liczb nie daje żadnej odpowiedzi na pytanie jak liczna powinna być próba aby przybliżenie nieznanej wartości oczekiwanej by lo dobre.

22 Estymacja przedzia lowa W praktyce zdarza si e, że zamiast szacowania wartości nieznanego parametru (przy pomocy estymatorów) decydujemy si e na podanie przedzia lu, do którego z pewnym prawdopodobieństwem należy szacowany przez nas parametr.

23 Problem Oszacowanie parametru µ na podstawie próby X 1, X 2,..., X n z rozk ladu N (µ, σ).

24 Problem Oszacowanie parametru µ na podstawie próby X 1, X 2,..., X n z rozk ladu N (µ, σ). Uwaga Rozpatrujemy dwa przypadki 1 parametr σ jest znany (rzadko spotykany w praktyce); 2 parametr σ nie jest znany (przypadek cz esto spotykany w praktyce).

25 Przypadek nr. 1 Niech X 1, X 2,..., X n b edzie to próba losowa z rozk ladu N(µ, σ) przy czym parametr µ jest nieznany natomiast parametr σ jest znany. Po serii latwych przekszta lceń :) otrzymujemy: P( X a α σ/ n µ X + a α σ/ n) = 1 α. Jest to przedzia l ufności dla parametru µ utworzony na podstawie próby losowej X 1, X 2,... X n na poziomie ufności 1 α

26 Przypadek nr. 1 Niech X 1, X 2,..., X n b edzie to próba losowa z rozk ladu N(µ, σ) przy czym parametr µ jest nieznany natomiast parametr σ jest znany. Po serii latwych przekszta lceń :) otrzymujemy: P( X a α σ/ n µ X + a α σ/ n) = 1 α. Jest to przedzia l ufności dla parametru µ utworzony na podstawie próby losowej X 1, X 2,... X n na poziomie ufności 1 α Uwaga a α jest to wartość kwantyla (rz edu 1 α/2) z rozk ladu normalnego N (0, 1).

27 Przypadek nr. 2 Niech X 1, X 2,..., X n b edzie to próba losowa z rozk ladu N (µ, σ) przy czym parametr µ oraz parametr σ jest nieznany. Przypadek ten jest nieco trudniejszy i wymaga szczypty wiedzy matematycznej. Podzielimy ten przypadek na dwa tzn. Przypadek nr. 2a oraz Przypadek nr. 2b.

28 Przypadek nr. 2a Niech X 1, X 2,..., X n gdzie n 30 b edzie to próba losowa z rozk ladu N(µ, σ) przy czym parametr µ oraz parametr σ jest nieznany.

29 Przypadek 2a szczypta matematyki Niech X 1, X 2,..., X n bedzie próba prosta z rozk ladu normalnego N(µ, σ) o nieznanych µ i σ. Zmienna losowa t = X µ S n 1 n ma rozk lad t Studenta o n 1 stopniach swobody ( S n 1 = 1 n 1 ni=1 (X i X ) 2 ).

30 Przypadek nr. 2a Po serii latwych przekszta lceń :) otrzymujemy: P( X t(α/2, n 1)S n 1 / n µ X + t(α/2, n 1)S n 1 / n) = 1 α. Jest to przedzia l ufności dla parametru µ utworzony na podstawie próby losowej X 1, X 2,... X n na poziomie istotności 1 α

31 Przypadek nr. 2a Po serii latwych przekszta lceń :) otrzymujemy: P( X t(α/2, n 1)S n 1 / n µ X + t(α/2, n 1)S n 1 / n) = 1 α. Jest to przedzia l ufności dla parametru µ utworzony na podstawie próby losowej X 1, X 2,... X n na poziomie istotności 1 α Uwaga t(α/2, n 1) oznacza kwantyl rz edu α/2 z rozk ladu studenta z n 1 stopniami swobody.

32 Przypadek nr. 2b Niech X 1, X 2,..., X n b edzie to próba losowa (n- duże ) z rozk ladu N(µ, σ) przy czym parametr µ oraz parametr σ jest nieznany. Uwaga Przypadek ten traktujemy tak jak przypadek nr. 1 z tym, że we wzorze zamiast parametru σ stosujemy: S n = 1 n n (X i X ) 2. i=1

33 Problem Pytanie Co zrobić gdy nasze obserwacje nie pochodza z rozk ladu normalnego? Możliwe odpowiedzi 1 w przypadku ma lej próby możemy napisać list do św. Miko laja (w wiadomej sprawie);

34 Problem Pytanie Co zrobić gdy nasze obserwacje nie pochodza z rozk ladu normalnego? Możliwe odpowiedzi 1 w przypadku ma lej próby możemy napisać list do św. Miko laja (w wiadomej sprawie); 2 w przypadku licznej próby możemy użyć Centralnego Twierdzenia Granicznego.

35 Rozk lad średnich z próby i b l ad standardowy Uwaga Jeśli z populacji o jakimkolwiek rozk ladzie ze średnia µ i odchyleniem standardowym σ pobieramy próby o dużej liczebności N, to rozk lad średnich z tych prób bedzie rozk ladem normalnym o średniej µ i odchyleniu standardowym σ/ N. Wniosek z Centralnego Twierdzenia Granicznego Dla dowolnych a, b, a b i zmiennej losowej Z o standardowym rozk ladzie normalnym zachodzi P(a X µ σ/ n b) P(a Z b) = Φ(b) Φ(a) dla n daż acych do nieskończoności, gdzie Φ jest funkcja dystrybuanty standardowego rozk ladu normalnego.

36 Uwaga 1 Nie ma uniwersalnej regu ly mówiacej dla jak dużych n przybliżenie prawdopodobieństwa P(a X µ σ/ b) przez n rozk lad normalny jest dobre

37 Zadanie Rzucamy 200 razy nieznana moneta. Podaj przedzia l ufności dla parametru p na poziomie ufności 0.95.

38 Odpowiedź Stosujemy wzór: P( X a α σ/ n p X + a α σ/ n) = 1 α. przy czym za σ wstawiamy X (1 X ).

39 Zadanie W celach antropometrycznych wylosowano n = 400 studentów i dokonano pomiarów, mierzac miedzy innymi d lugość ich stopy. Otrzymano z tej próby x = 26.4 oraz s = 1.7 cm. Znajdź 0.90 przedzia l ufności dla średniej d lugości stopy.

40 Przedzia l ufności dla wariancji W badaniach statystycznych wariancja należy do najcześciej szacowanych parametrów. Gdy obserwacje pochodza z rozk ladu normalnego, wtedy można zbudować przedzia l ufności dla wariancji σ 2.

41 Podstawowe wyjaśnienia Najcześciej używanymi estymatorami wariancji sa statystyki określone wzorami: oraz S 2 n = 1 n n (X i X ) 2. i=1 S 2 n 1 = 1 n 1 n (X i X ) 2. i=1

42 Przypadek nr. 1 Niech X 1, X 2,..., X n (n 30) b edzie to próba losowa z rozk ladu N(µ, σ) przy czym parametr µ oraz parametr σ jest nieznany. Po serii latwych przekszta lceń :) otrzymujemy: P( ns2 n c 2 σ 2 ns2 n c 1 ) = 1 α. gdzie c 1 oraz c 2 sa wartościami kwantyli rozk ladu χ 2 z n 1 stopniami swobody. Spe lniajacymi warunki: P(χ 2 < c 1 ) = 1 2 α oraz P(χ 2 c 2 ) = 1 2 α.

43 Zadanie W celu oszacowania dok ladności pewnego przyrzadu pomiarowego dokonano nim 5 niezależnych pomiarów d lugości pewnego odcinka i otrzymano nastepuj ace wyniki: 15.15, 15.20, 15.04, 15.14, Przyjmujac wspó lczynnik ufności 0.98 zbudować przedzia l ufności dla nieznanej wariancji pomiarów tym przyrzadem.