POPULACJA I PRÓBA POPULACJĄ w statystyce matematyczej azywamy zbór wszystkch elemetów (zdarzeń elemetarych charakteryzujących sę badaą cechą opsywaą zmeą losową. Zbadae całej populacj (przeprowadzee tzw. badań wyczerpujących w celu określea rozkładu zmeej losowej zwązaej z badaą cechą lub jego parametrów częstokroć e jest możlwe. W takm przypadku przeprowadza sę badaa PRÓBY - tz. wybraej częśc populacj. Podstawowym warukem, który gwaratuje poprawość wosków o całej populacj jest tzw. reprezetatywość próby. PRÓBĄ REPREZENTATYWNĄ azywamy próbę o strukturze bardzo zblżoej do struktury całej populacj. Najlepszą metodą zapewea reprezetatywośc próby jest jej stworzee poprzez całkowce losowy wybór elemetów populacj. Próba reprezetatywa Dr Adam Mchczyńsk - METODY ANALIZY DANYCH POMIAROWYCH 5
POPULACJA I PRÓBA W ODNIESIENIU DO POMIARU Prawdopodobeñstwo 0.5 0.4 0.3 0. 0. Populacja zbór wszystkch możlwych wyków pomarów Próba wyk przeprowadzoych pomarów, x, x 3, x 4, x 5, x 6 0 x 6 x 5 x x x 3 x 4 wyk pomarów Rzeczywsta wartość merzoej welkośc x 0, będąca wartoścą oczekwaą rozkładu prawdopodobeństwa opsującego całą populację poszukway parametr rozkładu zmeej losowej dla całej populacj Dr Adam Mchczyńsk - METODY ANALIZY DANYCH POMIAROWYCH 5
ESTYMACJA - ozacza oszacowae welkośc (parametrów opsujących pewe cechy populacj a podstawe próby. CECHY DOBRYCH ESTYMATORÓW:. ZGODNOŚĆ ESTYMATORA lm P{Q Q < ε} gdze: ε dowole mała lczba dodata, Q parametr estymoway, Q estymator z -elemetowej próby. Jest to tzw. zbeżość stochastycza.. NIEOBCIĄŻONOŚĆ E(Q Q Dla estymatorów obcążoych defujemy obcążęe jako B E(Q - Q 3. EFEKTYWNOŚĆ Estymator ajbardzej efektywy Q * to tak, który ma ajmejszą dyspersję (warację spośród wszystkch możlwych estymatorów oblczoych z próby -elemetowej. W(Q V(Q V(Q * Dr Adam Mchczyńsk - METODY ANALIZY DANYCH POMIAROWYCH 5 3
METODA NAJWIĘKSZEJ WIARYGODNOŚCI Wzory, które pozwolą am wyzaczyć estymatory poszukwaych parametrów możemy wyprowadzć stosując metodę ajwększej warygodośc. Załóżmy, że przeprowadzlśmy pomarów pewej welkośc (wylosowalśmy próbę -elemetową w otrzymalśmy w ch wyku astępujące wartośc: x, x, x 3,..., x. Prawdopodobeństwo otrzymaa w wyku pomaru wartośc x (a dokładej z przedzału [x, x +dx] jest rówe: dp f,, dx gdze f,, jest rozkładem gęstośc prawdopodobeństwa zmeej losowej x, w którym występują ezae am parametry. Poeważ poszczególe przeprowadzoe pomary możemy uzać za ezależe, prawdopodobeństwo otrzymaa (wylosowaa z populacj ser x, x, x 3,..., x wyzaczymy jako loczy prawdopodobeństw dp,x,...,x,, dp f,, dx Fukcja f,x,...,x,, f,, ma zatem ses rozkładu gęstośc prawdopodobeństwa otrzymaa w wyku ser pomarów wartośc x, x, x 3,..., x. Fukcję tą, możemy jedak potraktować jako określającą prawdopodobeństwo, że dla zaej ser wartośc x, x,..., x ezae parametry rozkładu przyjmują wartośc. Tak określoą welkość azywamy warygodoścą. Metoda ajwększej warygodośc akazuje am szukać takej wartośc estymowaego parametru, dla której fukcja warygodośc osąga maksmum. Dr Adam Mchczyńsk - METODY ANALIZY DANYCH POMIAROWYCH 5 4
ESTYMATOR WARTOŚCI OCZEKIWANEJ Metoda ajwększej warygodośc pozwala am m.. zaleźć estymator wartośc oczekwaej dla przypadku przeprowadzea ezależych pomarów (tz. dla próby -elemetowej jeżel rozkład możlwych wyków każdego z pomarów f,, ma postać rozkładu Gaussa. Poeważ z wcześejszych rozważań wemy, że wartość prawdzwa jest rówa wartośc oczekwaej będze to też wzór pozwalający oszacować rzeczywstą wartość merzoej welkośc. Przeprowadźmy zatem odpowede wylczea: Przyjmjmy, że przeprowadzlśmy pomarów otrzymalśmy wyk x, x,..., x. Rozkład gęstośc prawdopodobeństwa dla każdego z pomarów x jest rozkładem Gaussa o tych samych parametrach : f,, π Założee, że parametry są take same dla każdego z pomarów jest rówozacze temu, że wszystke pomary zostały przeprowadzoe w tych samych warukach. Fukcja warygodośc ma zatem postać: f,x,...,x,, π π Dr Adam Mchczyńsk - METODY ANALIZY DANYCH POMIAROWYCH 5 5
Dr Adam Mchczyńsk - METODY ANALIZY DANYCH POMIAROWYCH 5 6 Pochoda fukcj warygodośc po będze zatem wyosła: π π,,...,x,,x f ( π,,...,x,,x f π W celu zalezea estymatora wartośc oczekwaej szukamy takej wartośc m, dla której powyższa pochoda jest rówa zeru. Zauważmy, że może być oa rówa zeru tylko wtedy, gdy rówe zeru będze wyrażee w awase kwadratowym: 0 m Przekształcając powyższe wyrażee otrzymamy: 0 x x m m m x m x
Otrzymalśmy w te sposób wzór określający estymator wartośc oczekwaej wyzaczoej a podstawe wyków ezależych pomarów przeprowadzoych w ezmeoych warukach jeżel rozkład możlwych wyków każdego z pomarów jest rozkładem Gaussa. Jeżel estymator te ozaczymy symbolem x sr to możemy zapsać: x sr Jest to dobrze zay wzór a średą arytmetyczą, dlatego też w dalszej częśc estymator wartośc oczekwaej będze azyway właśe wartoścą średą. Łatwo zauważyć, że estymator te jest estymatorem zgodym. Okazuje sę, że jest o także eobcążoy ajbardzej efektywy. Każdy estymator a w szczególośc wartość średa jako fukcja zmeych losowych sam jest zmeą losową. Możemy zatem dla dowolego estymatora (p. wartośc średej określć take pojęca jak rozkład prawdopodobeństwa, wartość oczekwaa, waracja czy dyspersja. W praktyce fakt, że wartość średa jest zmeą losową ozacza, ż jeśl a podstawe klku ser pomarów wyzaczymy wykające z ch wartośc średe, to będą oe cechowały sę rozrzutem podobe jak wartośc pojedyczych pomarów. x Dr Adam Mchczyńsk - METODY ANALIZY DANYCH POMIAROWYCH 5 7
WARIANCJA WARTOŚCI ŚREDNIEJ Zastaówmy sę zatem ad rozrzutem wartośc średej. W tym celu spróbujmy powązać warację wartośc średej z waracją pojedyczego pomaru: Vsr V x Korzystając z zależośc V(ax a V oraz V + x V + V otrzymamy: V V x sr V Poeważ przyjęto, że rozkład gęstośc prawdopodobeństwa dla każdego z pomarów x jest rozkładem Gaussa o tych samych parametrach, zatem waracja V ma taką samą wartość dla każdego x. Jeśl ozaczymy tę wartość jako V możemy apsać: Vsr V V sr V Rozrzut wartośc średej jest mejszy od rozrzutu pojedyczych pomarów maleje ze wzrostem lośc pomarów uwzględoych przy oblczau średej. Dr Adam Mchczyńsk - METODY ANALIZY DANYCH POMIAROWYCH 5 8