W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

Podobne dokumenty
W zadaniu nie ma polecenia wyznaczania estymatora nieobciążonego o minimalnej wariancji. σ σ σ σ σ = =

( X, Y ) będzie dwuwymiarową zmienną losową o funkcji gęstości

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

. Wtedy E V U jest równa

N ( µ, σ ). Wyznacz estymatory parametrów µ i. Y które są niezależnymi zmiennymi losowymi.

Prawdopodobieństwo i statystyka r.

ma rozkład normalny z wartością oczekiwaną EX = EY = 1, EZ = 0 i macierzą kowariancji

ma rozkład normalny z nieznaną wartością oczekiwaną m

Zadanie 1. ), gdzie 1. Zmienna losowa X ma rozkład logarytmiczno-normalny LN (, . EX (A) 0,91 (B) 0,86 (C) 1,82 (D) 1,95 (E) 0,84

Prawdopodobieństwo i statystyka r.

będą niezależnymi zmiennymi losowymi z rozkładu o gęstości

( ) ( ) ( ) ( ) ( ) ( )

W loterii bierze udział 10 osób. Regulamin loterii faworyzuje te osoby, które w eliminacjach osiągnęły lepsze wyniki:

( ) L 1. θ θ = M. Przybycień Rachunek prawdopodobieństwa i statystyka. = θ. min

POPULACJA I PRÓBA. Próba reprezentatywna. Dr Adam Michczyński - METODY ANALIZY DANYCH POMIAROWYCH 5 1

Funkcja wiarogodności

będą niezależnymi zmiennymi losowymi o tym samym 2 x

Matematyka ubezpieczeń majątkowych r. t warunkowo niezależne i mają (brzegowe) rozkłady Poissona:

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 7-8

wyniki serii n pomiarów ( i = 1,..., n) Stosując metodę największej wiarygodności możemy wykazać, że estymator wariancji 2 i=

ROZKŁADY ZMIENNYCH LOSOWYCH

TESTY NORMALNOŚCI. ( Cecha X populacji ma rozkład normalny). Hipoteza alternatywna H1( Cecha X populacji nie ma rozkładu normalnego).

JEDNOWYMIAROWA ZMIENNA LOSOWA

Stanisław Cichocki. Natalia Nehrebecka. Zajęcia 5

( ) ( ) ( ) ( ) ( ) ( )

OBLICZANIE NIEPEWNOŚCI METODĄ TYPU B

VI. TWIERDZENIA GRANICZNE

L.Kowalski zadania ze statystyki opisowej-zestaw 5. ZADANIA Zestaw 5

Zadanie 2 Niech,,, będą niezależnymi zmiennymi losowymi o identycznym rozkładzie,.

opisać wielowymiarową funkcją rozkładu gęstości prawdopodobieństwa f(x 1 , x xn

IV. ZMIENNE LOSOWE DWUWYMIAROWE

Badania niezawodnościowe i statystyczna analiza ich wyników

Tablica Galtona. Mechaniczny model rozkładu normalnego (M10)

Statystyka matematyczna. Wykład II. Estymacja punktowa

16, zbudowano test jednostajnie najmocniejszy dla weryfikacji hipotezy H

k k M. Przybycień Rachunek Prawdopodobieństwa i Statystyka Wykład 13-2

X i T (X) = i=1. i + 1, X i+1 i + 1. Cov H0. ( X i. k 31 ) 1 Φ(1, 1818) 0, 12.

STATYSTYKA MATEMATYCZNA WYKŁAD 1. Wiadomości wstępne

L.Kowalski PODSTAWOWE TESTY STATYSTYCZNE WERYFIKACJA HIPOTEZ PARAMETRYCZNYCH

Statystyka Inżynierska

Podstawy opracowania wyników pomiarowych, analiza błędów

[, ] [, ] [, ] ~ [23, 2;163,3] 19,023 2,7

ma rozkład złożony Poissona z oczekiwaną liczbą szkód równą λ i rozkładem wartości pojedynczej szkody takim, że Pr( Y

Estymacja to wnioskowanie statystyczne koncentrujące się wokół oszacowania wartości parametrów rozkładu populacji.

0.1 ROZKŁADY WYBRANYCH STATYSTYK

Wnioskowanie statystyczne dla korelacji i regresji.

Podprzestrzenie macierzowe

będzie próbką prostą z rozkładu normalnego ( 2

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

Estymatory nieobciążone o minimalnej wariancji

EKSTREMA FUNKCJI EKSTREMA FUNKCJI JEDNEJ ZMIENNEJ. Tw. Weierstrassa Każda funkcja ciągła na przedziale domkniętym ma wartość najmniejszą i największą.

Statystyka Matematyczna Anna Janicka

Rachunek prawdopodobieństwa i statystyka matematyczna. Estymacja przedziałowa parametrów strukturalnych zbiorowości generalnej

Statystyczne charakterystyki liczbowe szeregu

Statystyka Opisowa 2014 część 3. Katarzyna Lubnauer

Zadanie 1. Rzucamy symetryczną monetą tak długo, aż w dwóch kolejnych rzutach pojawią się,,reszki. Oblicz wartość oczekiwaną liczby wykonanych rzutów.

Miary położenia wskazują miejsce wartości najlepiej reprezentującej wszystkie wielkości danej zmiennej. Mówią o przeciętnym poziomie analizowanej

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

Portfel złożony z wielu papierów wartościowych

Mh n. 2 ε. h h/ n n. Ekstrapolacja Richardsona (szacowanie błędu) błąd. ekstrapolowana wartość całki I. kwadratury z adaptowanym krokiem

Prawdopodobieństwo i statystyka r.

Matematyka dyskretna. 10. Funkcja Möbiusa

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

Średnia arytmetyczna Klasyczne Średnia harmoniczna Średnia geometryczna Miary położenia inne

Podstawowe pojcia. Metody probabilistyczne i statystyka Wykład 7: Statystyka opisowa. Rozkłady prawdopodobiestwa wystpujce w statystyce.

Wyznaczanie oporu naczyniowego kapilary w przepływie laminarnym.

16 Przedziały ufności

Permutacje. } r ( ) ( ) ( ) 1 2 n. f = M. Przybycień Matematyczne Metody Fizyki I Wykład 2-2

Statystyka Opisowa Wzory

Planowanie eksperymentu pomiarowego I

Różniczkowanie funkcji rzeczywistych wielu zmiennych. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

System finansowy gospodarki

Prawdopodobieństwo i statystyka r.

FUNKCJE DWÓCH ZMIENNYCH

Analiza Matematyczna Ćwiczenia. J. de Lucas

Statystyczna analiza miesięcznych zmian współczynnika szkodowości kredytów hipotecznych

Zastosowanie metody najmniejszych kwadratów do pomiaru częstotliwości średniej sygnałów o małej stromości zboczy w obecności zakłóceń

Statystyka matematyczna dla leśników

Zmiana bazy i macierz przejścia

Indukcja matematyczna

TARCIE CIĘGIEN O POWIERZCHNIĘ WALCOWĄ WZÓR EULERA

ZMIENNA LOSOWA JEDNOWYMIAROWA POJĘCIE ZMIENNEJ LOSOWEJ

5. OPTYMALIZACJA NIELINIOWA

PŁASKA GEOMETRIA MAS. Środek ciężkości figury płaskiej

ZAGADNIENIE TRANSPORTOWE

Niech X i Y będą niezależnymi zmiennymi losowymi o rozkładach wykładniczych, przy czym Y EX = 4 i EY = 6. Rozważamy zmienną losową Z =.

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Estymacja przedziałowa

Zadania z rachunku prawdopodobieństwa

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH. I Pracownia IF UJ Marzec 2017

Podstawy analizy niepewności pomiarowych (I Pracownia Fizyki)

STATYKA. Cel statyki. Prof. Edmund Wittbrodt

STATYSTYKA MATEMATYCZNA

AKADEMIA MORSKA W SZCZECINIE

dev = y y Miary położenia rozkładu Wykład 9 Przykład: Przyrost wagi owiec Odchylenia Mediana próbkowa: Przykłady Statystyki opisowe Σ dev i =?

Metoda Monte-Carlo i inne zagadnienia 1

Wokół testu Studenta 1. Wprowadzenie Rozkłady prawdopodobieństwa występujące w testowaniu hipotez dotyczących rozkładów normalnych

Linie regresji II-go rodzaju

Regresja REGRESJA

PDF created with FinePrint pdffactory Pro trial version WIII/1

Transkrypt:

4. Na podstawe erówośc Cramera Rao wyzacz dole ograczee dla waracj eobcążoego estymatora waracj σ w rozkładze ormalym N(0, σ ). W zadau e ma polecea wyzaczaa estymatora eobcążoego o mmalej waracj dla σ, lecz jedye dole ograczee w erówośc Cramera Rao: Nerówość Cramera Rao Nech gˆ(,... ) będze estymatorem eobcążoym dla g( ) E gˆ(,... ) g( ) ). Wówczas zachodz: ( g ( )) Var (( ˆ g(,... )) I ( ). (czyl Zgode z treścą zadaa: g( σ ) σ ( g ( σ )) ( σ ) 4 σ. Pozostaje węc wyzaczyć formację Fshera dla daego modelu. Zaczyamy od zapsaa fukcj łączej gęstośc, astępe lczymy perwszą drugą pochodą fukcj warogodośc: L( σ ) f (,... ) exp( ) ( σ π ) σ l( σ ) l L( σ ) l( π ) lσ σ l ( σ ) + 3 σ σ 3 l ( σ ) 4 σ σ Oblczamy formację Fshera: 3 3 3 I ( σ ) El ( σ ) E( + ) 4 + E 4 E + 4 σ σ σ σ σ σ Zgode ztreścą zadaa ~ N (0, σ ), czyl E 0, Var σ. Drug momet zwykły wyzaczamy zgode ze wzorem: Var( ) E ( E) E Var( ) + ( E) σ + 0 σ Ostatecze formacja Fshera wyos: ( ) 3 3 I σ + E 4 + σ 4 σ σ σ σ σ Dole ograczee a eobcążoy estymator σ wyos: 4σ σ 4 ( g ( σ )) I ( σ ) σ 4. Obserwujemy dwe ezależe próby losowe: (,... ), ( Y,... Y ), przy czym wadomo, że zmee mają rozkład wykładczy o wartośc oczekwaej λ, a zmee Y rozkład wykładczy o wartośc oczekwaej 3 λ. Rozważmy estymator parametru λ postac ˆ λ + Y. Wyzacz obcążee ryzyko tego estymatora.

Obcążee: E ˆ λ E ( + Y ) *3 E + EY E + EY λ + λ λ Dla estymatora eobcążoego: b( λ) E ˆ λ λ 0 Ryzyko: Dla estymatora eobcążoego ryzyko jest rówe waracj estymatora: ˆ R( λ) Var( λ) Var( + Y ) {Korzystamy z ezależośc obu prób od sebe; waracja sumy ezależych zmeych losowych jest rówa sume waracj} Var( ) + Var( Y ) Var( ) + Var( Y ) λ + (3 λ) λ + λ λ 4 3 4 3 4 4 4 3 4.3 Nech,... /( x) będze próbą prostą z rozkładu o dystrybuace F( x) e, dla x > 0. a) Oblcz estymator ajwększej warogodośc ˆ ezaego parametru > 0. Wyzaczmy gęstość: δ F( x) f ( x) e ( )( ) e δ x x x Fukcja warogodośc: /( x) /( x) L( ) exp( ) x x l( ) l( ) l x x Polczmy perwszą pochodą przyrówajmy wyk do zera w celu wyzaczea wartośc parametru maksymalzującego fukcję warogodośc: l '( ) 0 + x x b) Wyzacz obcążee, warację błąd średokwadratowy tego estymatora. x E E E x

W celu wyzaczea wartośc oczekwaej waracj estymatora warto zacząć od wyzaczea rozkładu x. F t P t P P F / ( ) ( ) ( ) () ( ) < t < t F ( t ) t e t F/ ( t) e Jak e trudo zauważyć wyzaczoy rokład to rozkład wykładczy. Exp( ) Γ(, ) x Γ(, ) x x E E E x Estymator jest eobcążoy, zatem obcążee wyos zero! x Var Var Var x Dla estymatora eobcążoego ryzyko jest rówe jego waracj! c) Wyzacz formację Fshera w tym modelu. Czy estymator uzyskay w pukce a) jest ENMW ( )? W celu wyzaczea formacj Fshera polczymy drugą pochodą logarytmu fukcj warogodośc. l '( ) l ''( ) x + x 3 I ( ) E( l ''( )) E( ) + E + x x 3 3 3 3

Zauważmy, że waracja estymatora jest rówa odwrotośc formacj Fsher a, tz: waracja osąga dole ograczee wyzaczoe przez erówość Cramer a Rao. Estymator poadto jest eobcążoy, zatem jest ENMW ( )! 4.4 Sprawdzć, czy ENW jest estymatorem eobcążoym o mmalej waracj parametru, jeśl,... jest próbą prostą z rozkładu N(,). Na ćwczea pokazalśmy, że estymatorem MNW wartośc oczekwaej w rozkładze ormalym jest średa arytmetycza polczoa a podstawe próby prostej wylosowaej z tego rozkładu. E E Estymator MNW jest eobcążoy! Czy mam mmalą warację? σ Var Var Var U as waracja pojedyczej realzacj zmeej losowej wyos. Var Dole ograczee waracj estymatora uzyskamy lcząc formację Fsher a dla rozkładu ormalego. Np. tak: I I ( ) ( ) δ log f ( x) I( ) E( ), f ( x) e δ π ( x ) Powyższy wzór a gęstość uwzględa fakt, że waracja tego rozkładu jest rówa jede! 4

f x x x x δ log f ( x) ( x ) δ δ log f ( x) δ δ log f ( x) I( ) I( ) ( E( ) ( ) δ l ( ) l π ( ) l π ( + ) Var wdać, że waracja estymatora jest odwrotoścą formacj Fsher a, czyl ma mmalą warację! 4.5 Nech,... będze próbą prostą z rozkładu N(,). Wyzacz obcążee estymatora T (,..., ) ( ) parametru. Nech,... będze próbą prostą z rozkładu N ( µ, σ ). σ Zauważmy, że N( µ, ) (wyprowadzee tego, faktu pojawło sę a zajęcach) Skorzystajmy z tożsamośc: σ Var E ( E ) E Var + ( E ) + µ U as: µ σ, ET (,..., ) E( ) + Obcążee wyzaczymy z defcj: b( ) ET (,..., ) + Rozwązae alteratywe, umożlwające poradzee sobe z bardzej ogólym przypadkam, dla których e tak łatwo wyzaczyć rozkład średej z próby. Rozwązae tego zadaa było proste, poeważ łatwo możemy wyzaczyć rozkład średej polczoej a podstawe próby prostej z rozkładu ormalego. W ogólym przypadku ależałoby, odwołać sę do defcj wartośc oczekwaej. ET (,..., ) E( ) E(... ) E(... ) + + + + + j j j 5

Zastaówmy sę, le jest takch loczyów zmeych losowych. Zauważmy, że dla każdego deksu mamy - takch loczyów, (poeważ deksy oraz j e mogą być sobe rówe). Ozacza to, że takch loczyów będze (-). Do takego samego wosku dojdzemy zauważając, że różych par loczyów zmeych losowych z różym deksam będze tyle, le jest dwuelemetowych waracj bez powtórzeń zboru elemetowego. Korzystając z ezależośc zmeych losowych z tego, że pochodzą z tego samego rozkładu otrzymamy: + + + j + + + j + j j j j E(... ) E(... ) E( ) E ( )( E ) bo dla ezależych zmeych losowych o tak samym rozkładze mamy: E( ) E( ) E( ) E( ) j j E( ) ( E ( )( E )) E + ( )( E ) + Ostatecze (zakładając, że rozkład zmeej losowej e jest ormaly) pozostałoby wyzaczee drugego mometu zwykłego, co ależałoby w ogólośc zrobć z defcj wartośc oczekwaej (polczyć odpowedą całkę). Wartość oczekwaą jest zaa, o le zay jest rozkład ( jego parametry) zmeej. 4. Zmee,..., mają rozkład o tej samej wartośc średej µ. Wykazać, że statystyka a +... + a postac T jest eobcążoym estymatorem parametru µ. a +... + a a +... + a ET E a +... + a E( a +... + a ) a E +... + a E a a a a +... + +... + ( a +... + a ) µ a a a a aµ +... + aµ µ +... + +... + Przy rozwązau skorzystalśmy z lowośc wartośc oczekwaej: E( + Y ) E + EY E( cy ) cey 4.7* Nech,... będze próbą prostą z rozkładu ormalego N ( µ, σ ). Wyzaczyć a tak, żeby estymator T (,..., ) a był estymatorem eobcążoym dla parametru σ. Wskazówka: Jak rozkład, dla ustaloego, ma? ( ) (...... ) ( ) j j

N ( µ, σ ) ( ) N j N j ( µ, σ ) ( µ, σ ) Y N(0, ) N(0, ) ( ) j σ + σ σ j Dla każdego deksu rozkład jest tak sam, taka sama jest wartość oczekwaa waracja. ET(,..., ) ae ae ae Y Dla uproszczea zapsu podstawmy υ σ 0 y υ y υ E Y y e dy πυ y e dy πυ Skorzystalśmy z symetryczośc rozkładu ormalego. Lczee całk ze zmaę w module jest kłopotlwe! Polczmy całkę stosując podstawee: y t ydy dt y y t t υ υ υ υ 0 πυ 0 πυ 0 πυ πυ 0 E Y e ydy e ydy e dt e dt t e υ υ 0 υ dt {Fukcja podcałkowa to gęstość rozkładu wykładczego z πυ parametrem υ } υ πυ π σ π ET (,..., ) ae Y a a a? ( ) π π σ π σ σ ( ) 7

4.8* Nech R( ) b( ) ozaczają odpowedo ryzyko obcążee estymatora ˆ. Pokazać, że R( ) Var( ˆ ) + b( ). ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ R( ) E( ) E( E( ) + E( ) ) E(( E( )) + ( E( ))( E( ) ) + ( E( ) ) ) E( ˆ E( ˆ )) + E( ˆ E( ˆ ))( E( ˆ ) ) + E( E( ˆ ) ) Zauważmy, że: ˆ ˆ ˆ E( E( )) Var( ) E( ˆ E( ˆ ))( E( ˆ ) ) ( E( ˆ ) ) E( ˆ E( ˆ )) ( E( ˆ ) )( E ˆ EE( ˆ )) ( E( ˆ ) )( E ˆ E( ˆ )) 0 bo ( E( ˆ ) ) jest elosowe moglśmy je wyłączy przed zak wartośc oczekwaej. ˆ ˆ E( E( ) ) ( E( ) ) b( ) bo ( E( ˆ ) ) jest elosowe (stała), a wartość oczekwaa stałej jest rówa tej stałej. Podsumowując: R Var ˆ b ( ) ( ) + ( ). 8