Pojcie estymacji. Metody probabilistyczne i statystyka Wykład 9: Estymacja punktowa. Własnoci estymatorów. Rozkłady statystyk z próby.



Podobne dokumenty
Rozkłady statystyk z próby. Metody probabilistyczne i statystyka Wykład 2: Rozkłady statystyk z próby. Przedziały ufnoci

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

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.

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

Statystyka matematyczna. Wykład II. Estymacja punktowa

Estymacja przedziałowa

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

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

STATYSTYKA MATEMATYCZNA

Rachunek prawdopodobieństwa i statystyka Wnioskowanie statystyczne. Estymacja i estymatory. Dr Anna ADRIAN Paw B5, pok407

θx θ 1, dla 0 < x < 1, 0, poza tym,

16 Przedziały ufności

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,

Estymatory nieobciążone o minimalnej wariancji

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

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

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

1. Wnioskowanie statystyczne. Ponadto mianem statystyki określa się także funkcje zmiennych losowych o

Twierdzenia graniczne:

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

Statystyka opisowa. (n m n m 1 ) h (n m n m 1 ) + (n m n m+1 ) 2 +1), gdy n jest parzyste

Lista 6. Estymacja punktowa

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

Liczebnośd (w tys.) n

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

0.1 ROZKŁADY WYBRANYCH STATYSTYK

Ćwiczenie 2 ESTYMACJA STATYSTYCZNA

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

lim a n Cigi liczbowe i ich granice

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

1 Dwuwymiarowa zmienna losowa

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

Rozkłady statystyk z próby. Metody probabilistyczne i statystyka Wykład 10: Rozkłady statystyk z próby. Przedziały ufnoci.

1 Wnioskowanie statystyczne podstawowe poj cia

Rozkłady statystyk z próby

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

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

Rozkłady statystyk z próby Twierdzenia graniczne

Prawdopodobieństwo i statystyka r.

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

Testowanie hipotez. H 1 : µ 15 lub H 1 : µ < 15 lub H 1 : µ > 15

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

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

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

Wykład 11 ( ). Przedziały ufności dla średniej

Estymacja przedziałowa - przedziały ufności

Parametryczne Testy Istotności

STATYSTKA I ANALIZA DANYCH LAB II

1 Testy statystyczne. 2 Rodzaje testów

Prawdopodobieństwo i statystyka r.

Statystyka matematyczna dla leśników

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

Estymacja parametrów rozkładu cechy

KURS STATYSTYKA. Lekcja 3 Parametryczne testy istotności ZADANIE DOMOWE. Strona 1

Biostatystyka, # 5 /Weterynaria I/

Statystyka Matematyczna Anna Janicka

Podstawowe pojęcia. Próba losowa. Badanie próby losowej

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

SIGMA KWADRAT LUBELSKI KONKURS STATYSTYCZNO- DEMOGRAFICZNY

Estymacja przedziałowa:

Modele probabilistyczne zjawisk losowych

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych

Statystyka i opracowanie danych W3: Wprowadzenie do statystycznej analizy danych Podstawy wnioskowania statystycznego. Estymacja i estymatory

PODSTAWY PROBABILISTYKI Z PRZYKŁADAMI ZASTOSOWAŃ W INFORMATYCE

Statystyka opisowa. () Statystyka opisowa 24 maja / 8

Wnioskowanie statystyczne. Statystyka w 5

Elementy statystyki opisowej Izolda Gorgol wyciąg z prezentacji (wykład I)

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

Analiza algorytmów to dział informatyki zajmujcy si szukaniem najefektywniejszych, poprawnych algorytmów dla danych problemów komputerowych.

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

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

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

Rachunek prawdopodobieństwa i statystyka W12: Statystyczna analiza danych jakościowych. Dr Anna ADRIAN Paw B5, pok 407 adan@agh.edu.

Estymacja przedziałowa - przedziały ufności

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

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

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

PODSTAWY BIOSTATYSTYKI ĆWICZENIA

STATYSTYKA MATEMATYCZNA WYKŁAD 2 ESTYMACJA PUNKTOWA

Miary położenia (tendencji centralnej) to tzw. miary przeciętne charakteryzujące średni lub typowy poziom wartości cechy.

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

Zdarzenia losowe, definicja prawdopodobieństwa, zmienne losowe

Prawdopodobieństwo i statystyka

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

Statystyka w przykładach

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

ANALIZA DANYCH DYSKRETNYCH

3. Regresja liniowa Założenia dotyczące modelu regresji liniowej

Modele tendencji rozwojowej STATYSTYKA OPISOWA. Dr Alina Gleska. Instytut Matematyki WE PP. 18 listopada 2017

1 Twierdzenia o granicznym przejściu pod znakiem całki

Podstawowe rozkłady zmiennych losowych typu dyskretnego

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 =.

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

Wykład 10 Estymacja przedziałowa - przedziały ufności dla średn

Wykład 2 Hipoteza statystyczna, test statystyczny, poziom istotn. istotności, p-wartość i moc testu

ZBIEŻNOŚĆ CIĄGU ZMIENNYCH LOSOWYCH. TWIERDZENIA GRANICZNE

Estymacja parametrów populacji

STATYSTYKA OPISOWA I PROJEKTOWANIE EKSPERYMENTU dr inż Krzysztof Bryś

Transkrypt:

Pojcie estymacji Metody probabilistycze i statystyka Wykład 9: Estymacja puktowa. Własoci estymatorów. Rozkłady statystyk z próby. Szacowaie wartoci parametrów lub rozkładu zmieej losowej w populacji geeralej a podstawie rozkładu empiryczego, uzyskaego z próby losowej pobraej z tej populacji azywa si estymacj. Małgorzata Krtowska Wydział Iformatyki Politechika Białostocka f(x) populacja geerala N(µ,σ) 5 4 próba losowa e-mail: mmac@ii.pb.bialystok.pl stroa www: http://aragor.pb.bialystok.pl/~gkret liczosc 3 µ-σ µ µ+σ x. 5.. 5.. 5 3. 3. 5 4. Metody probabilistycze i statystyka, studia dziee Metody probabilistycze i statystyka, studia dziee Estymator Rodzaje estymacji Załómy, e rozkład zmieej losowej X w populacji geeralej zaley od iezaego parametru θ. Estymacja puktowa Wyzaczaa jest jeda warto Estymacja przedziałowa Wyzaczay jest przedział wartoci tzw. przedział ufoci Estymatorem parametru θ rozkładu zmieej X azywamy tak statystyk ˆ θ = g( X, X, X bdc fukcj próby losowej pobraej z tej populacji, której rozkład prawdopodobiestwa zaley od szacowaego parametru., ) Metody probabilistycze i statystyka, studia dziee 3 Metody probabilistycze i statystyka, studia dziee 4

Zgodo Nieobcioo Efektywo Dostateczo Własoci estymatorów Zgodo Estymator parametru θ azywamy zgodym, jeeli jest stochastyczie (w sesie prawdopodobiestwa) zbiey do szacowaego parametru ( ˆ θ θ < ε ) =, ε lim P > Iterpretacja: wraz ze wzrostem liczoci próby wzrasta dokłado oszacowaia parametru θ. Metody probabilistycze i statystyka, studia dziee 5 Metody probabilistycze i statystyka, studia dziee 6 Nieobcioo Estymator jest ieobcioy jeeli: Obciaie estymatora: E( ˆ θ ) = θ, dla kazdego B ˆ θ = ˆ ) E( θ ) θ ( Estymator asymptotyczie ieobcioy lim B ( ˆ θ ) = Iterpretacja Właso ieobciooci ozacza, e przy wielokrotym losowaiu próby redia z wartoci przyjmowaych przez estymator ieobcioy rówa si wartoci szacowaego parametru. Właso ta gwaratuje otrzymaie za jego pomoc oce wolych od błdu systematyczego. Metody probabilistycze i statystyka, studia dziee 7 Zgodo i ieobcioo Współzaleoci pomidzy własociami zgodoci i ieobciooci: jeeli estymator θ parametru jest zgody, to rówoczeie jest asymtotyczie ieobcioy; twierdzeie odwrote ie jest prawdziwe jeeli estymator θ parametru θ jest ieobcioy (lub asymptotyczie ieobcioy) oraz jeeli jego wariacja w miar wzrostu liczeboci próby zmierza do zera, to θ jest estymatorem zgodym Metody probabilistycze i statystyka, studia dziee 8

Efektywo Estymator ieobcioy θ parametru θ który ma ajmiejsz wariacj sporód wszystkich ieobcioych estymatorów daego parametru θ wyzaczoych z prób -elemetowych azywamy ajefektywiejszym. Miara efektywoci estymatora: * gdzie θˆ estymator ajefektywiejszy ef ( ˆ θ ) < V ˆ θ ef ( ˆ θ ) = V ˆ θ * Nierówo Rao-Cramera W przypadku estymowaia jedego parametru wariacja dowolego ieobcioego estymatora spełia astpujc ierówo ˆ θ E l f ( X, θ ) V gdzie f ozacza gsto prawdopodobiestwa zmieej losowej X cigłej lub fukcj rozkładu prawdopodobiestwa dla zmieej typu dyskretego. Jeeli w powyszym wzorze dla wariacji pewego ieobcioego estymatora zachodzi rówo, wtedy estymator te jest estymatorem efektywym. Estymator asymtotyczie ajefektywiejszy: lim ef ( ˆ θ ) = Metody probabilistycze i statystyka, studia dziee 9 Metody probabilistycze i statystyka, studia dziee Dostateczo Estymator θ parametru θ jest dostateczy, jeeli zawiera wszystkie iformacje, jakie a temat parametru θ wystpuj w próbie, i ade iy estymator ie moe da dodatkowych iformacji o szacowaym parametrze. Metody wyzaczaia estymatorów Metoda mometów estymatory zgode, ale przewaie obcioe i mało efektywe Metoda ajwikszej wiarogodoci estymatory zgode, asymptotyczie ieobcioe i asymptotyczie efektywe Metoda ajmiejszych kwadratów (estymacja parametrów wyraajcych róe zaleoci pomidzy zmieymi losowymi) estymatory zgode ieobcioe i ajefektywiejsze w klasie estymatorów liiowych Metody probabilistycze i statystyka, studia dziee Metody probabilistycze i statystyka, studia dziee

Metoda ajwikszej wiarogodoci Niech rozkład badaej cechy X zaley od k iezaych parametrów θ, θ,..., θ k, które chcemy oszacowa a podstawie -elemetowej próby losowej prostej X, X,..., X. Wyzaczamy tzw. fukcj wiarogodoci L: L = f x ; θ, θ,, θ ) f ( ; θ, θ,, θ ) ( k x k Metoda ajwikszej wiarogodoci utwórz fukcj wiarogodoci L = f ( x; θ, θ,, θ k ) f ( x ; θ, θ,, θ k ) policz logarytm aturaly z fukcji L ll policz pochode fukcji ll wzgldem poszczególych gdzie f( ) ozacza gsto prawdopodobiestwa (cecha cigła) lub fukcj rozkładu prawdopodobiestwa (cecha dyskreta). parametrów θ, θ,..., θ k l L i Estymatorami uzyskaym metod ajwikszej wiarogodoci azywamy takie estymatory, dla których fukcja wiarogodoci przyjmuje warto ajwiksz. przyrówaj otrzymae pochode do wartoci l L = i Metody probabilistycze i statystyka, studia dziee 3 Metody probabilistycze i statystyka, studia dziee 4 Estymatory parametrów rozkładu ormalego Próba elemetowa popraa z populacji o rozkładzie ormalym N( µ, σ ) Estymatory uzyskae metod ajwikszej wiarogodoci: ˆµ = x = σˆ = s = x i ( x i x) Metody probabilistycze i statystyka, studia dziee 5 Rozkłady statystyk z próby Statystyk azywamy zmie losow, bdc fukcj zmieych losowych X, X,..., X staowicych prób. Statystyka jako zmiea losowa posiada pewie rozkład, który azywamy rozkładem statystyki z próby. Zaley o przede wszystkim od rozkładu populacji, z której pochodzi próba oraz od liczeboci próby. Ze wzgldu a liczebo próby rozkłady statystyk dzielimy a dokłade - rozkłady prawdopodobiestwa wyzaczoe dla dowolej liczby aturalej, bdcej liczeboci próby. S oe wykorzystywae dla małych prób. graicze - rozkład prawdopodobiestwa statystyki, który otrzymuje si przy załoeiu ieograiczeie duej próby,. Nie ma jedej, okreloej wartoci od której uzajemy prób za du. W iektórych przypadkach rozkład dokłady ju dla >3 iewiele rói si od rozkładu graiczego, w iych przypadkach potrzebujemy >. Metody probabilistycze i statystyka, studia dziee 6

Rozkład rediej arytmetyczej z próby x = x i. Cecha X w populacji geeralej ma rozkład N(µ,σ), σ zae. Z populacji tej pobieramy prób -elemetow (X, X,..., X ). redia arytmetycza z próby ma rozkład: σ N ( µ, ) f(x) N(,) N(,.) Metody probabilistycze i statystyka, studia dziee 7 x sredia arytmetycza X Rozkład rediej arytmetyczej z próby w praktyce wykorzystujemy zmie stadaryzowa: która ma rozkład N(,). u = x m σ. Cecha X w populacji ma rozkład N(µ,σ), σ iezae, 3 Dokoujemy przekształceia zwaego studetyzacj: X m t = s = ( x i X ) s zmiea t ma rozkład t Studeta z - stopiami swobody. Liczba stopi swobody jest parametrem rozkładu t-studeta; jest oa rówa liczbie iezaleych obserwacji okrelajcych statystyk t. Ze wzgldu a zaleo: liczba iezaleych obserwacji w tym przypadku jest rówa -. ( x i x) = Metody probabilistycze i statystyka, studia dziee 8 Rozkład rediej arytmetyczej z próby 3. Cecha X w populacji ma rozkład dowoly, σ iezae, >3. Dla duych prób zakładamy, e σ s. Korzystamy ze statystyki: która ma rozkład N(,). x m u = s Metody probabilistycze i statystyka, studia dziee 9