Metoda momentów i kwantyli próbkowych. Wrocław, 7 listopada 2014

Podobne dokumenty
Definicja 1 Statystyką nazywamy (mierzalną) funkcję obserwowalnego wektora losowego

Wykład 5 Estymatory nieobciążone z jednostajnie minimalną war

Wykład 3 Momenty zmiennych losowych.

Wykład 3 Momenty zmiennych losowych.

Statystyka matematyczna. Wykład III. Estymacja przedziałowa

Wykład 6 Estymatory efektywne. Własności asymptotyczne estym. estymatorów

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 4 - zagadnienie estymacji, metody wyznaczania estymatorów

Estymacja parametrów rozkładu cechy

METODY ESTYMACJI PUNKTOWEJ. nieznanym parametrem (lub wektorem parametrów). Przez X będziemy też oznaczać zmienną losową o rozkładzie

Estymacja przedziałowa - przedziały ufności dla średnich. Wrocław, 5 grudnia 2014

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 7 i 8 - Efektywność estymatorów, przedziały ufności

... i statystyka testowa przyjmuje wartość..., zatem ODRZUCAMY /NIE MA POD- STAW DO ODRZUCENIA HIPOTEZY H 0 (właściwe podkreślić).

Matematyka z el. statystyki, # 6 /Geodezja i kartografia II/

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

Statystyka. Wykład 2. Krzysztof Topolski. Wrocław, 11 października 2012

Wykład 1 Próba i populacja. Estymacja parametrów z wykorzystaniem metody bootstrap

Kwantyle. Kwantyl rzędu p rozkładu prawdopodobieństwa to taka liczba x p. , że. Możemy go obliczyć z dystrybuanty: P(X x p.

Testowanie hipotez statystycznych.

Testowanie hipotez statystycznych.

Testowanie hipotez statystycznych.

Prawdopodobieństwo i statystyka

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

1.1 Wstęp Literatura... 1

Estymacja punktowa i przedziałowa

Estymacja parametrów w modelu normalnym

7. Estymacja parametrów w modelu normalnym( ) Pojęcie losowej próby prostej

Wykład 1 Zmienne losowe, statystyki próbkowe - powtórzenie materiału

Prawdopodobieństwo i statystyka

Metody probabilistyczne

Rachunek prawdopodobieństwa i statystyka

WYKŁADY Z RACHUNKU PRAWDOPODOBIEŃSTWA I wykład 4 Przekształcenia zmiennej losowej, momenty

Wykład 7 Testowanie zgodności z rozkładem normalnym

1 Estymacja przedziałowa

Zmienne losowe, statystyki próbkowe. Wrocław, 2 marca 2015

STATYSTYKA MATEMATYCZNA WYKŁAD grudnia 2009

MATEMATYKA Z ELEMENTAMI STATYSTYKI LABORATORIUM KOMPUTEROWE DLA II ROKU KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI ZESTAWY ZADAŃ

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

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 3 - model statystyczny, podstawowe zadania statystyki matematycznej

Ważne rozkłady i twierdzenia c.d.

Prawdopodobieństwo i statystyka r.

Statystyka matematyczna. Wykład IV. Weryfikacja hipotez statystycznych

Metoda najmniejszych kwadratów

LABORATORIUM Populacja Generalna (PG) 2. Próba (P n ) 3. Kryterium 3σ 4. Błąd Średniej Arytmetycznej 5. Estymatory 6. Teoria Estymacji (cz.

Metody probabilistyczne

Metody systemowe i decyzyjne w informatyce

Metoda największej wiarygodności

O ŚREDNIEJ ARYTMETYCZNEJ I MEDIANIE

PEWNE FAKTY Z RACHUNKU PRAWDOPODOBIEŃSTWA

Przykład 1 W przypadku jednokrotnego rzutu kostką przestrzeń zdarzeń elementarnych

Tablica Wzorów Rachunek Prawdopodobieństwa i Statystyki

Statystyka matematyczna

Prawdopodobieństwo i statystyka

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 11 i 12 - Weryfikacja hipotez statystycznych

Statystyka i eksploracja danych

1 Podstawy rachunku prawdopodobieństwa

Próbkowanie. Wykład 4 Próbkowanie i rozkłady próbkowe. Populacja a próba. Błędy w póbkowaniu, cd, Przykład 1 (Ochotnicy)

Weryfikacja hipotez statystycznych

Komputerowa analiza danych doświadczalnych

zadania z rachunku prawdopodobieństwa zapożyczone z egzaminów aktuarialnych

Komputerowa analiza danych doświadczalnych

WNIOSKOWANIE W MODELU REGRESJI LINIOWEJ

Kolokwium ze statystyki matematycznej

Prawdopodobieństwo i statystyka

Weryfikacja hipotez statystycznych za pomocą testów statystycznych

1 Gaussowskie zmienne losowe

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 13 i 14 - Statystyka bayesowska

STATYSTYKA MATEMATYCZNA WYKŁAD października 2009

Testowanie hipotez statystycznych.

WYKŁAD 5 TEORIA ESTYMACJI II

Jeśli wszystkie wartości, jakie może przyjmować zmienna można wypisać w postaci ciągu {x 1, x 2,...}, to mówimy, że jest to zmienna dyskretna.

WYKŁAD 6. Witold Bednorz, Paweł Wolff. Rachunek Prawdopodobieństwa, WNE, Uniwersytet Warszawski. 1 Instytut Matematyki

Hipotezy proste. (1 + a)x a, dla 0 < x < 1, 0, poza tym.

Statystyka w analizie i planowaniu eksperymentu

Statystyka w analizie i planowaniu eksperymentu

O ŚREDNIEJ STATYSTYCZNEJ

Centralne twierdzenie graniczne

Idea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość

Testowanie hipotez. Hipoteza prosta zawiera jeden element, np. H 0 : θ = 2, hipoteza złożona zawiera więcej niż jeden element, np. H 0 : θ > 4.

Oznacza to, że chcemy znaleźć minimum, a właściwie wartość najmniejszą funkcji

Komputerowa Analiza Danych Doświadczalnych

Statystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r

Spis treści 3 SPIS TREŚCI

Statystyka w analizie i planowaniu eksperymentu

Wykład 12 Testowanie hipotez dla współczynnika korelacji

ESTYMACJA PRZEDZIAŁOWA WYBRANYCH PARAMETRÓW

Statystyczna analiza danych

Zmienne losowe i ich rozkłady. Momenty zmiennych losowych. Wrocław, 10 października 2014

Wykład 12 Testowanie hipotez dla współczynnika korelacji

Elementy Rachunek prawdopodobieństwa

Agata Boratyńska Statystyka aktuarialna... 1

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

Statystyka w przykładach

Statystyczna analiza danych (molekularnych) estymacja bayesowska i MLE

Wykład z analizy danych: estymacja punktowa

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

WYKŁADY ZE STATYSTYKI MATEMATYCZNEJ wykład 9 i 10 - Weryfikacja hipotez statystycznych

Rozkłady prawdopodobieństwa zmiennych losowych

Estymatory nieobciążone

SIMR 2017/18, Statystyka, Przykładowe zadania do kolokwium - Rozwiązania

Elementy Modelowania Matematycznego Wykład 4 Regresja i dyskryminacja liniowa

Transkrypt:

Metoda momentów i kwantyli próbkowych Wrocław, 7 listopada 2014

Metoda momentów

Momenty zmiennych losowych X 1, X 2,..., X n - próba losowa.

Momenty zmiennych losowych X 1, X 2,..., X n - próba losowa. Momenty teoretyczne: µ 1 = EX 1, µ 2 = EX 2 1, µ 3 = EX 3 1,..., µ k = EX k 1

Momenty zmiennych losowych X 1, X 2,..., X n - próba losowa. Momenty teoretyczne: µ 1 = EX 1, µ 2 = EX 2 1, µ 3 = EX 3 1,..., µ k = EX k 1 Momenty empiryczne: m 1 = 1 n X i, n i=1 m 2 = 1 n n i=1 X 2 i, m 3 = 1 n n i=1 X 3 i,..., m k = 1 n n i=1 X k i

Momenty zmiennych losowych Momenty empiryczne są nieobciążonymi estymatorami momentów teoretycznych E(m 1 ) = E E(m 2 ) = E E(m k ) = E ( 1 n ( 1 n ( 1 n ) n X i = EX 1 = µ 1 i=1 ) n Xi 2 = EX1 2 = µ 2 i=1. n i=1 X k i ) = EX k 1 = µ k.

Momenty zmiennych losowych Niech X 1, X 2,..., X n oznacza próbę losową z rozkładu o gęstości f θ (x), gdzie θ = (θ 1, θ 2,..., θ n ) jest wektorem nieznanych parametrów rozkładu.

Momenty zmiennych losowych Niech X 1, X 2,..., X n oznacza próbę losową z rozkładu o gęstości f θ (x), gdzie θ = (θ 1, θ 2,..., θ n ) jest wektorem nieznanych parametrów rozkładu. Momenty µ j - funkcje nieznanych parametrów θ 1, θ 2,..., θ n postaci µ j = g j (θ 1, θ 2,..., θ n ).

Momenty zmiennych losowych Przykład 1 Niech X 1, X 2,..., X n, będzie próbą losową z rozkładu normalnego ze średnią θ 1 i wariacją θ 2 2, wówczas momenty teoretyczne µ 1 i µ 2 są funkcjami tych parametrów postaci: µ 1 = EX 1 = θ 1 µ 2 = EX 2 1 = θ2 1 + θ2 2

Momenty zmiennych losowych Przykład 1 Niech X 1, X 2,..., X n, będzie próbą losową z rozkładu normalnego ze średnią θ 1 i wariacją θ 2 2, wówczas momenty teoretyczne µ 1 i µ 2 są funkcjami tych parametrów postaci: µ 1 = EX 1 = θ 1 µ 2 = EX 2 1 = θ2 1 + θ2 2 Drugą z równości otrzymaliśmy korzystając z tego, że EX 2 1 = (EX 1) 2 + Var(X 1 ).

Metoda Momentów Estymatorem ( ˆθ 1, ˆθ 2,..., ˆθ n ) wektora parametrów θ = (θ 1, θ 2,..., θ n ) nazywamy rozwiązanie układu równań: m 1 = g 1 (θ 1, θ 2,..., θ n ) = µ 1 m 2 = g 2 (θ 1, θ 2,..., θ n ) = µ 2. m k = g k (θ 1, θ 2,..., θ n ) = µ k.

Metoda Momentów - przykłady Przykład 2 Niech X 1, X 2,..., X n bedzie próbą z rozkładu Normalnego N(µ, σ 2 ). Szukamy estymatorów wektora (θ 1, θ 2 ) = (µ, σ 2 ). Momenty teoretyczne są postaci: µ 1 = g 1 (θ 1, θ 2 ) = g 1 (µ, σ 2 ) = µ, µ 2 = g 2 (θ 1, θ 2 ) = g 2 (µ, σ 2 ) = µ 2 + σ 2. Momenty otrzymane z próby są postaci: m 1 = 1 n ni=1 X i m 2 = 1 n ni=1 X 2 i

Metoda Momentów - przykłady Przykład 2 - cd A zatem przyrównując do siebie odpowiednie momenty otrzymujemy układ równań postaci: { m1 = 1 ni=1 n X i = µ = µ 1 m 2 = 1 ni=1 n Xi 2 = µ 2 + σ 2 = µ 2 Rozwiązując powyższy układ równań ze względu na µ i σ 2 otrzymujemy: ˆµ = 1 n ni=1 X i = X ˆσ 2 = 1 n ni=1 X 2 i [ 1 n ] ni=1 2 X i = 1 ni=1 n (X i X ) 2, gdzie ˆµ i ˆσ 2 oznaczają odpowiednio estymatory średniej µ i wariancji σ 2.

Metoda Momentów - przykłady Przykład 2 - cd Widzimy zatem, że estymatorem średniej w rozkładzie normalnym otrzymanym MM jest średnia z próby, natomiast estymatorem wariancji obciążona wariancja próbkowa.

Metoda Momentów Uwaga Estymatory wyznaczone metodą momentów w ogólności nie są wyznaczone jednoznacznie.

Metoda Momentów - przykłady Przykład 3 Niech X 1, X 2,..., X n bedzie próbą z rozkładu Poissona Poi(λ).

Metoda Momentów - przykłady Przykład 3 Niech X 1, X 2,..., X n bedzie próbą z rozkładu Poissona Poi(λ). I. Wyznaczamy estymator parametru λ w oparciu o pierwszy moment. Ponieważ µ 1 = EX 1 = λ otrzymujemy: ˆλ = 1 n n X i = X. i=1

Metoda Momentów - przykłady Przykład 3 - cd II. Wyznaczamy estymator parametru λ w oparciu o pierwsze dwa momenty. Ponieważ µ 2 = EX1 2 = (EX 1) 2 + Var(X 1 ) = λ 2 + λ otrzymujemy: { 1 ni=1 n X i = λ ni=1 Xi 2 = λ 2 + λ, 1 n

Metoda Momentów - przykłady Przykład 3 - cd II. Wyznaczamy estymator parametru λ w oparciu o pierwsze dwa momenty. Ponieważ µ 2 = EX1 2 = (EX 1) 2 + Var(X 1 ) = λ 2 + λ otrzymujemy: { 1 ni=1 n X i = λ ni=1 Xi 2 = λ 2 + λ, 1 n a stąd otrzymujemy estymatory ˆλ 1 = X ˆλ 2 = 1 2 ( 1 + 4 X 2 1)

Metoda Momentów - przykłady Przykład 3 - cd II. Wyznaczamy estymator parametru λ w oparciu o pierwsze dwa momenty. Ponieważ µ 2 = EX1 2 = (EX 1) 2 + Var(X 1 ) = λ 2 + λ otrzymujemy: { 1 ni=1 n X i = λ ni=1 Xi 2 = λ 2 + λ, 1 n a stąd otrzymujemy estymatory ˆλ 1 = X ˆλ 2 = 1 2 ( 1 + 4 X 2 1) Estymator ˆλ 1 jest najlepszym estymatorem nieobciążonym, estymator ˆλ 2 jest obciążony.

Metoda Momentów - przykłady Przykład 3 - cd II. Wyznaczamy estymator parametru λ w oparciu o pierwsze dwa momenty. Ponieważ µ 2 = EX1 2 = (EX 1) 2 + Var(X 1 ) = λ 2 + λ otrzymujemy: { 1 ni=1 n X i = λ ni=1 Xi 2 = λ 2 + λ, 1 n a stąd otrzymujemy estymatory ˆλ 1 = X ˆλ 2 = 1 2 ( 1 + 4 X 2 1) Estymator ˆλ 1 jest najlepszym estymatorem nieobciążonym, estymator ˆλ 2 jest obciążony. Przykład ten pokazuje, że MM może prowadzić do bezsensownych estymatorów.

Metoda Momentów - przykłady Przykład 4 Niech X 1, X 2,..., X n bedzie próbą z rozkładu jednostajnego na przedziale (a, b), U(a, b). Wyznaczymy estymaroty MM parametrów a i b.

Metoda Momentów - przykłady Przykład 4 Niech X 1, X 2,..., X n bedzie próbą z rozkładu jednostajnego na przedziale (a, b), U(a, b). Wyznaczymy estymaroty MM parametrów a i b. Momenty teoretyczne z rozkładu jednostajnego są postaci: µ 1 = EX 1 = a+b 2 µ 2 = Var(X 1 ) + (EX 1 ) 2 = (b a)2 12 + ( ) 2 a+b 2 = a 2 +ab+b 2 3

Metoda Momentów - przykłady Przykład 4 Niech X 1, X 2,..., X n bedzie próbą z rozkładu jednostajnego na przedziale (a, b), U(a, b). Wyznaczymy estymaroty MM parametrów a i b. Momenty teoretyczne z rozkładu jednostajnego są postaci: µ 1 = EX 1 = a+b 2 µ 2 = Var(X 1 ) + (EX 1 ) 2 = (b a)2 12 + ( ) 2 a+b 2 = a 2 +ab+b 2 3 Przyrównując do siebie odpowiednie momenty dostajemy układ równań postaci: m 1 = 1 n ni=1 X i = a+b 2 = µ 1 m 2 = 1 n ni=1 X 2 i = a2 +ab+b 2 3 = µ 2

Metoda Momentów - przykłady Przykład 4 - cd Co dalej prowadzi do: { a = 2 X b b 2 2 X b + 4( X ) 2 3 X 2 = 0

Metoda Momentów - przykłady Przykład 4 - cd Co dalej prowadzi do: { a = 2 X b b 2 2 X b + 4( X ) 2 3 X 2 = 0 Dla równania drugiego wyznaczamy deltę = 4( X ) 2 16( X ) 2 + 12 X 2 = 12( X 2 ( X ) 2 ), a następnie pierwiastki równania.

Metoda Momentów - przykłady Przykład 4 - cd Co dalej prowadzi do: { a = 2 X b b 2 2 X b + 4( X ) 2 3 X 2 = 0 Dla równania drugiego wyznaczamy deltę = 4( X ) 2 16( X ) 2 + 12 X 2 = 12( X 2 ( X ) 2 ), a następnie pierwiastki równania. Ostatecznie otrzymujemy estymatory MM parametrów a i b postaci: â = X + ˆb = X 3( X 2 ( x) 2 ) 3( X 2 ( x) 2 )

Metoda kwantyli

Metoda Kwantyli Estymatorem ( ˆθ 1, ˆθ 2,..., ˆθ k ) wektora parametrów θ = (θ 1, θ 2,..., θ k ) nazywamy rozwiązanie układu równań: F 1 θ (p 1 ) = Z p1,n F 1 θ (p 2 ) = Z p2,n. Fθ 1 (p k ) = Z pk,n, gdzie Fθ 1 (p) oznacza kwantyl teoretyczny rzędu p, natomiast Z p,n = X [np]+1: n, p (0, 1) jest kwantylem z próby.

Metoda Kwantyli - przykłady Przykład 5 Niech X 1, X 2,..., X n bedzie próbą z rozkładu normalnego N(µ, σ 2 ), µ R, σ > 0 i niech Fθ 1 (p) bedzie kwantylem rzędu p, p (0, 1), θ = (µ, σ 2 ).

Metoda Kwantyli - przykłady Przykład 5 Niech X 1, X 2,..., X n bedzie próbą z rozkładu normalnego N(µ, σ 2 ), µ R, σ > 0 i niech Fθ 1 (p) bedzie kwantylem rzędu p, p (0, 1), θ = (µ, σ 2 ). Oznaczmy przez u p kwantyl rzędu p ze standardowego rozkładu normalnego N(0, 1), wówczas F 1 θ (p) = u p σ 2 + µ.

Metoda Kwantyli - przykłady Przykład 5 Niech X 1, X 2,..., X n bedzie próbą z rozkładu normalnego N(µ, σ 2 ), µ R, σ > 0 i niech Fθ 1 (p) bedzie kwantylem rzędu p, p (0, 1), θ = (µ, σ 2 ). Oznaczmy przez u p kwantyl rzędu p ze standardowego rozkładu normalnego N(0, 1), wówczas F 1 θ (p) = u p σ 2 + µ. Niech p q oraz Z p,n i Z q,n oznaczają odpowiednie kwantyle próbkowe rzedu p i q. W calu znalezienia estymatorów MK wektora parametrów θ = (µ, σ 2 ) należy rozwiązac układ równań: { F 1 θ (p) = u p σ 2 + µ = Z p,n F 1 θ (q) = u q σ 2 + µ = Z q,n

Metoda Kwantyli - przykłady Przykład 5 - cd Rozwiązując układ równań ze względu na µ i σ 2 dostajemy estymatory MK postaci: ˆµ = Zp,nuq Zq,nup u ( q u p ) ˆσ 2 Zp,n Z 2 = q,n u p u q.