Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Podobne dokumenty
Niezależność zmiennych, funkcje i charakterystyki wektora losowego, centralne twierdzenia graniczne

STATYSTKA I ANALIZA DANYCH LAB II

Prawdopodobieństwo i statystyka

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

1 Twierdzenia o granicznym przejściu pod znakiem całki

Twierdzenia graniczne:

16 Przedziały ufności

Wykład 11 ( ). Przedziały ufności dla średniej

WYKŁAD 1. Zdarzenia losowe i prawdopodobieństwo Zmienna losowa i jej rozkłady

P ( i I A i) = i I P (A i) dla parami rozłącznych zbiorów A i. F ( ) = lim t F (t) = 0, F (+ ) = lim t + F (t) = 1.

Dyskretne zmienne losowe

Kurs Prawdopodobieństwo Wzory

Lista 6. Estymacja punktowa

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

Matematyka ubezpieczeń majątkowych r.

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE

4,5. Dyskretne zmienne losowe (17.03; 31.03)

θx θ 1, dla 0 < x < 1, 0, poza tym,

Wykład 13: Zbieżność według rozkładu. Centralne twierdzenie graniczne.

Model ciągły wyceny opcji Blacka Scholesa - Mertona. Wzór Blacka - Scholesa na wycenę opcji europejskiej.

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

Wykład 8: Zbieżność według rozkładu. Centralne twierdzenie graniczne.

Podstawowe rozkłady zmiennych losowych typu dyskretnego

Lista 5. Odp. 1. xf(x)dx = xdx = 1 2 E [X] = 1. Pr(X > 3/4) E [X] 3/4 = 2 3. Zadanie 3. Zmienne losowe X i (i = 1, 2, 3, 4) są niezależne o tym samym

0.1 ROZKŁADY WYBRANYCH STATYSTYK

3. Tworzenie próby, błąd przypadkowy (próbkowania) 5. Błąd standardowy średniej arytmetycznej

Estymacja przedziałowa

Komputerowa analiza danych doświadczalnych

ZADANIA NA ĆWICZENIA 3 I 4

Rozkład normalny (Gaussa)

Elementy modelowania matematycznego

Prawdopodobieństwo i statystyka r.

Statystyka i Opracowanie Danych. W7. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

6. Zmienne losowe typu ciagłego ( ) Pole trapezu krzywoliniowego

Komputerowa analiza danych doświadczalnych

Statystyka matematyczna. Wykład II. Estymacja punktowa

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

Komputerowa analiza danych doświadczalnych

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

STATYSTYKA MATEMATYCZNA

są niezależnymi zmiennymi losowymi o jednakowym rozkładzie Poissona z wartością oczekiwaną λ równą 10. Obliczyć v = var( X

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

Wykłady 14 i 15. Zmienne losowe typu ciągłego

n n X n = σ σ = n n n Ponieważ zmienna losowa standaryzowana ma rozkład normalny N(0, 1), więc

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.

1 Zmienne losowe. Własności dystrybuanty F (x) = P (X < x): F1. 0 F (x) 1 dla każdego x R, F2. lim F (x) = 0 oraz lim F (x) = 1,

Podstawowe oznaczenia i wzory stosowane na wykładzie i laboratorium Część I: estymacja

STATYSTYKA MATEMATYCZNA. WYKŁAD 0 (powt. wiadomości z r. p-stwa)

oznaczają łączne wartości szkód odpowiednio dla k-tego kontraktu w t-tym roku. O składnikach naszych zmiennych zakładamy, że:

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

1 Układy równań liniowych

0.1 Statystyczne Podstawy Modelu Regresji

Wykład 5 Przedziały ufności. Przedział ufności, gdy znane jest σ. Opis słowny / 2

Korelacja i regresja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 12

Estymacja: Punktowa (ocena, błędy szacunku) Przedziałowa (przedział ufności)

PRZEDZIAŁY UFNOŚCI. Niech θ - nieznany parametr rozkładu cechy X. Niech α będzie liczbą z przedziału (0, 1).

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic).

1 Dwuwymiarowa zmienna losowa

Komputerowa analiza danych doświadczalnych

Zmienna losowa N ma rozkład ujemny dwumianowy z parametrami (, q) = 7,

Ciągi liczbowe wykład 3

Rozkłady statystyk z próby Twierdzenia graniczne

Komputerowa analiza danych doświadczalnych

STATYSTYKA. Rafał Kucharski. Uniwersytet Ekonomiczny w Katowicach 2015/16 ROND, Finanse i Rachunkowość, rok 2

Estymacja. Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych. Wykład 7

Komputerowa analiza danych doświadczalnych

Wykład 11. a, b G a b = b a,

Komputerowa analiza danych doświadczalnych

STATYSTYKA OPISOWA PODSTAWOWE WZORY

1 Przedziały ufności. ). Obliczamy. gdzie S pochodzi z rozkładu B(n, 1 2. P(2 S n 2) = 1 P(S 2) P(S n 2) = 1 2( 2 n +n2 n +2 n ) = 1 (n 2 +n+2)2 n.

Plan wykładu. Analiza danych Wykład 1: Statystyka opisowa. Literatura. Podstawowe pojęcia

Moda (Mo, D) wartość cechy występującej najczęściej (najliczniej).

Zadanie 3. ( ) Udowodnij, że jeśli (X n, F n ) jest martyngałem, to. X i > t) E X n. . t. P(sup

Wykład z Rachunku Prawdopodobieństwa II

Komputerowa analiza danych doświadczalnych

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +

40:5. 40:5 = υ5 5p 40, 40:5 = p 40.

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem

Wyższe momenty zmiennej losowej

n k n k ( ) k ) P r s r s m n m n r s r s x y x y M. Przybycień Rachunek prawdopodobieństwa i statystyka

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Ćwiczenia nr 5. TEMATYKA: Regresja liniowa dla prostej i płaszczyzny

Estymacja punktowa i przedziałowa

Statystyka i opracowanie danych Podstawy wnioskowania statystycznego. Prawo wielkich liczb. Centralne twierdzenie graniczne. Estymacja i estymatory

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

Matematyka I. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr zimowy 2018/2019 Wykład 11

EKONOMETRIA. Liniowy model ekonometryczny (regresji) z jedną zmienną objaśniającą

STATYSTYKA OPISOWA WYKŁAD 1 i 2

Statystyczny opis danych - parametry

O liczbach naturalnych, których suma równa się iloczynowi

Statystyka i rachunek prawdopodobieństwa

ZDARZENIE ELEMENTARNE to możliwy wynik doświadczenia losowego. Wszystkie takie możliwe wyniki tworzą zbiór zdarzeń elementarnych.

STATYSTYKA OPISOWA PODSTAWOWE WZORY

Prawdopodobieństwo i statystyka r.

Transkrypt:

Charakterystyki liczbowe zmieych losowych: wartość oczekiwaa i wariacja dr Mariusz Grządziel Wykłady 3 i 4;,8 marca 24 Wartość oczekiwaa zmieej losowej dyskretej Defiicja. Dla zmieej losowej dyskretej X wartość oczekiwaa, jeśli istieje, jest liczba określoa wzorem EX = x i p i, ) i w którym sumowaie obejmuje wszystkie wartości zmieej X; jeśli suma ) jest szeregiem ieskończoym, zakładamy, że jest o bezwzględie zbieży, to zaczy x i p i = g, gdzie g jest pewa liczba rzeczywista. i Uwaga Wartość oczekiwaa zmieej losowej azywaa jest literaturze także wartością średią zmieej losowej. Wartość oczekiwaa może być iterpretowaa jako "środek ciężkości" układu puktów materialych x, x 2,... o wagach p, p 2,... Własości wartości oczekiwaej Łatwo widać, że wartość oczekiwaa zmieej losowej Y = ax + b jest rówa EaX + b) = aex + b wartość oczekiwaa ma własość liiowości). Jeśli wartości oczekiwae zmieych losowych X i X 2 istieją i są rówe, odpowiedio, µ i µ 2, to EX + X 2 ) = µ + µ 2. Wariacja zmieej losowej Defiicja 2. Wariację zmieej losowej X określamy wzorem gdzie µ = EX. V arx = EX µ) 2,

Wariacja jest rówa wartości oczekiwaej kwadratu odchyleia wartości zmieej losowej od swojej wartości przeciętej. Uwaga: W defiicji tej ie zakładamy, że zmiea losowa X jest dyskreta. Zakładamy atomiast istieie wartości oczekiwaej EX µ) 2. Dla a > mamy: V arax + b) = a 2 V arx). Dla zmieej dyskretej X wariacja jest rówa V arx = i x i µ) 2 p i. Własości wariacji rozkładu Widzimy, że wariacja jest tym większa, im większa jest średia odległość puktów x i od środka ciężkości µ- wartości oczekiwaej. Jeśli wszystkie wartości x i są sobie rówe, wtedy wariacja jest rówa zeru. Odchyleie stadardowe Odchyleie stadardowe zmieej losowej X, ozaczae przez DX, defiiujemy jako pierwiastek kwadratowy wariacji X. Odchyleie stadardowe zmieej losowej X często jest też ozaczae grecką literą σ. Moża pokazać, że dla a : DaX + b) = adx. 2) Wartość oczekiwaa i wariacja zmieej o rozkladzie dwumiaowym Niech X będzie zmieą losową o rozkładzie dwumiaowym z parametrami N i p, ). Moża pokazać, że: EX) = p, V arx) = p p). Wartość oczekiwaa i wariacja dla zmieych losowych typu ciagłego Wartość oczekiwaa zmieej losowej typu ciągłego X określoa jest wzorem EX) = przy założeiu, że całka 3) jest bezwzględie zbieża, to jest x gx)dx = h, xgx)dx, 3) gdzie h jest pewą liczbą rzeczywistą. Wariację zmieej losowej X typu ciągłego), przy założeiu, że oa istieje, moża wyrazić wzorem: V arx) = x µ) 2 gx)dx. 2

Wartość oczekiwaa i wariacja zmieej losowej o rozkładzie U, ) Niech X U, ). Fukcja gęstości g jest rówa a [, ]; poza tym przedziałem jest rówa. Mamy: oraz V arx) = EX) = = xgx)dx = x 2 )2 gx)dx = x [ x 3 2 )2 dx = 3 x2 2 + x 4 [ x 2 ] xdx = = 2 2 ] = 3 2 + 4 = 2. Wartość oczekiwaa i wariacja zmieej losowej o rozkładzie ormalym Moża pokazać, że jeśli X Nµ, σ), to EX) = µ, V arx) = σ 2, DX) = σ. Wymaga to obliczeia całek trochę bardziej skomplikowaych iż dla przypadku odpowiadającego U, ). Niezależość zmieych losowych Defiicja 3. Mówimy, że zmiee losowe X i Y sa iezależe, jeżeli P X [a, b] Y [c, d]) = P X [a, b]) P Y [c, d]) dla dowolych przedziałów [a, b] i [c, d]. Ituicyjie: iezależe zmiee losowe odpowiadają realizacje liczbowe iezależych zmieych losowych. Cetrale Twierdzeie Graicze Twierdzeie. Jeżeli X, X 2,..., X sa iezależymi zmieymi losowymi o tym samym rozkładzie, EX ) = µ, DX ) = σ, to zmiea losowa X µ σ/, gdzie X = X +X 2 +...+X ), ma w przybliżeiu stadardowy rozkład ormaly N, ), tj. P a X µ ) σ/ b Φb) Φa) dla dowolych a i b, a < b 3

Iymi słowy, rozkład X jest w przybliżeiu rówy rozkładowi ormalemu Nµ, σ/ ). Niech X będzie zmieą losową o rozkładzie dwumiaowym z parametrami N i p, ). Z Cetralego Twierdzeia Graiczego wyika, że X ma w przybliżeiu rozkład a X ma w przybliżeiu rozkład N p, p p) ) N p, ) p p). Momety zmieych losowych Momet rzędu k rozkładu zmieej losowej X, gdzie k jest liczbą aturalą, defiiujemy wzorem M k = EX k ). Ozaczmy przez µ wartość oczekiwaą zmieej losowej X Momet cetraly rzędu k rozkładu zmieej losowej X, gdzie k jest liczbą aturalą większą lub rówą iż dwa, defiiujemy wzorem m k = EX µ) k. Momety próbkowe Niech X, X 2,..., X będą iezależymi zmieymi losowymi o wspólym rozkładzie. Niech x,..., x będą realizacjami zmieych losowych odpowiedio) X,..., X. Dobrym oszacowaiem mometu rzędu k wspólego rozkładu zmieych losowych X j, j =, 2,..., jest momet próbkowy rzędu k x k j. j= Dobrym oszacowaiem cetralego mometu rzędu k wspólego rozkładu zmieych losowych X j, j =, 2,..., jest cetraly momet próbkowy rzędu k gdzie x j x) k, j= x = x j. Dla k = 2 zamiast cetralego mometu próbkowego jako oszacowaie wariacji rozkładu czyli mometu cetralego rzędu dwa) wspólego rozkładu zmieych losowych X j, j =, 2,..., stosowae jest rówież oszacowaie s 2 określoe wzorem s 2 = j= x j x) 2. 4) j= 4

Zastosowaie do estymacji parametrów Załóżmy, że X, X 2,..., X są iezależymi zmieymi losowymi o wspólym rozkładzie ormalym z parametrami µ i σ >. Niech x,..., x będą realizacjami zmieych losowych odpowiedio) X,..., X. Dobrym oszacowaiem parametru µ jest x. Za oszacowaie σ moża przyjąć pierwiastek z wariacji próbkowej, zdefiiowaej wzorem 4), lub pierwiastek z mometu cetralego rzędu 2 dla daych x, x 2,..., x. Lektura uzupełiajaca T. Bedarski, Elemety matematyki w aukach ekoomiczych. Oficya ekoomicza. Kraków 24, str. 228 234. Koroacki, J., Mieliczuk, J. Statystyka dla studetów kieruków techiczych i przyrodiczych. WNT. Warszawa 2, podrozdział 2.2., str. 94. 5