PRAVDĚPODOBNOST A STATISTIKA. Metoda momentů Metoda maximální věrohodnosti

Podobné dokumenty
PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná vybraná rozdělení

z Matematické statistiky 1 1 Konvergence posloupnosti náhodných veličin

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA. Bayesovské odhady

můžeme toto číslo považovat za pravděpodobnost jevu A.

Minikurz aplikované statistiky. Minikurz aplikované statistiky p.1

Výběrové charakteristiky a jejich rozdělení

PRAVDĚPODOBNOST A STATISTIKA. Náhodná proměnná Vybraná spojitá rozdělení

Charakterizace rozdělení

5. B o d o v é o d h a d y p a r a m e t r ů

PRAVDĚPODOBNOST A STATISTIKA

Pravděpodobnost a statistika I KMA/K413

Téma 22. Ondřej Nývlt

Základy teorie odhadu parametrů bodový odhad

E(X) = np D(X) = np(1 p) 1 2p np(1 p) (n + 1)p 1 ˆx (n + 1)p. A 3 (X) =

Odhady Parametrů Lineární Regrese

KMA/P506 Pravděpodobnost a statistika KMA/P507 Statistika na PC

10. cvičení z PST. 5. prosince T = (n 1) S2 X. (n 1) s2 x σ 2 q χ 2 (n 1) (1 α 2 ). q χ 2 (n 1) 2. 2 x. (n 1) s. x = 1 6. x i = 457.

Apriorní rozdělení. Jan Kracík.

1 Klasická pravděpodobnost. Bayesův vzorec. Poslední změna (oprava): 11. května 2018 ( 6 4)( 43 2 ) ( 49 6 ) 3. = (a) 1 1 2! + 1 3!

Střední hodnota a rozptyl náhodné. kvantilu. Ing. Michael Rost, Ph.D.

Spojitá náhodná veličina

MATEMATICKÁ STATISTIKA. Katedra matematiky a didaktiky matematiky Technická univerzita v Liberci

PRAVDĚPODOBNOST A STATISTIKA

Odhady - Sdružené rozdělení pravděpodobnosti

8.1. Definice: Normální (Gaussovo) rozdělení N(µ, σ 2 ) s parametry µ a. ( ) ϕ(x) = 1. označovat písmenem U. Její hustota je pak.

Určujeme neznámé hodnoty parametru základního souboru. Pomocí výběrové charakteristiky vypočtené z náhodného výběru.

MATEMATICKÁ STATISTIKA

Statistika II. Jiří Neubauer

Přednáška. Další rozdělení SNP. Limitní věty. Speciální typy rozdělení. Další rozdělení SNP Limitní věty Speciální typy rozdělení

Statistika a spolehlivost v lékařství Charakteristiky spolehlivosti prvků I

Přednáška. Diskrétní náhodná proměnná. Charakteristiky DNP. Základní rozdělení DNP

KGG/STG Statistika pro geografy

15. T e s t o v á n í h y p o t é z

Náhodná veličina. Michal Fusek. 10. přednáška z ESMAT. Ústav matematiky FEKT VUT, Michal Fusek

Pravděpodobnost a matematická statistika

Pravděpodobnost a statistika (BI-PST) Cvičení č. 9

NÁHODNÉ VELIČINY JAK SE NÁHODNÁ ČÍSLA PŘEVEDOU NA HODNOTY NÁHODNÝCH VELIČIN?

Vybraná rozdělení náhodné veličiny

ROZDĚLENÍ SPOJITÝCH NÁHODNÝCH VELIČIN

Přijímací zkouška na navazující magisterské studium 2014

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

jevu, čas vyjmutí ze sledování byl T j, T j < X j a T j je náhodná veličina.

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

Základy teorie pravděpodobnosti

BAYESOVSKÉ ODHADY. Michal Friesl V NĚKTERÝCH MODELECH. Katedra matematiky Fakulta aplikovaných věd Západočeská univerzita v Plzni

3 Bodové odhady a jejich vlastnosti

AKM CVIČENÍ. Opakování maticové algebry. Mějme matice A, B regulární, potom : ( AB) = B A

Pravděpodobnost a statistika

VYBRANÁ ROZDĚLENÍ. DISKRÉTNÍ NÁH. VELIČINY Martina Litschmannová

5. T e s t o v á n í h y p o t é z

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

PRAVDĚPODOBNOST A STATISTIKA. Náhodný vektor nezávislost, funkce náhodného vektoru

Pravděpodobnost a statistika (BI-PST) Cvičení č. 7

Řešení. Označme po řadě F (z) Odtud plyne, že

správně - A, jeden celý příklad správně - B, jinak - C. Pro postup k ústní části zkoušky je potřeba dosáhnout stupně A nebo B.

SPOJITÉ ROZDĚLENÍ PRAVDĚPODOBNOSTI. 7. cvičení

15. T e s t o v á n í h y p o t é z

Limitní věty teorie pravděpodobnosti. Jiří Neubauer. Katedra ekonometrie, FVL, UO Brno kancelář 69a, tel

6. ZÁKLADY STATIST. ODHADOVÁNÍ. Θ parametrický prostor. Dva základní způsoby odhadu neznámého vektoru parametrů bodový a intervalový.

Model tenisového utkání

S1P Příklady 02. Náhodná proměnná (veličina) Mějme krabičku o rozměrech 1 x 2 x 3 cm. Na stranách jsou obrázky: :

Bayesovské metody. Mnohorozměrná analýza dat

Pravděpodobnost a aplikovaná statistika

Všechno, co jste chtěli vědět z teorie pravděpodobnosti, z teorie informace a

VYBRANÁ ROZDĚLENÍ. SPOJITÉ NÁH. VELIČINY Martina Litschmannová

Deskriptivní statistické metody II. Míry polohy Míry variability

Národní informační středisko pro podporu jakosti

Pravděpodobnost a statistika (BI-PST) Cvičení č. 4

Poznámky k předmětu Aplikovaná statistika, 11. téma

PRAVDĚPODOBNOST ... m n

I. D i s k r é t n í r o z d ě l e n í

ÚVOD. Rozdělení slouží: K přesnému popisu pravděpodobnostního chování NV Střední hodnota, rozptyl, korelace atd.

p(x) = P (X = x), x R,

Vlastnosti odhadů ukazatelů způsobilosti

Poznámky k předmětu Aplikovaná statistika, 5.téma

Odhad parametrů N(µ, σ 2 )

TEORIE PRAVDĚPODOBNOSTI. 2. cvičení

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

Definice spojité náhodné veličiny zjednodušená verze

n = 2 Sdružená distribuční funkce (joint d.f.) n. vektoru F (x, y) = P (X x, Y y)

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

MATEMATICKÁ STATISTIKA 1, CVIČENÍ (NMSA331) Poslední úprava dokumentu: 17. listopadu 2016

Úvěr a úvěrové výpočty 1

s p nazýváme směrový vektor přímky p, t je parametr bodu

Analytická metoda aneb Využití vektorů v geometrii

Základní typy pravděpodobnostních rozdělení

PRAVDĚPODOBNOST A STATISTIKA. Odhady parametrů Postačující statistiky

7. Rozdělení pravděpodobnosti ve statistice

KVADRATICKÁ KALIBRACE

Markovovy řetězce se spojitým časem CTMC (Continuous time Markov Chain)

NMAI059 Pravděpodobnost a statistika

y = 0, ,19716x.

Nestranný odhad Statistické vyhodnocování exp. dat M. Čada

1. Náhodný vektor (X, Y ) má diskrétní rozdělení s pravděpodobnostní funkcí p, kde. p(x, y) = a(x + y + 1), x, y {0, 1, 2}.

LIMITNÍ VĚTY DALŠÍ SPOJITÁ ROZDĚLENÍ PR. 8. cvičení

Statistika, Biostatistika pro kombinované studium. Jan Kracík

Základy biostatistiky II. Veřejné zdravotnictví 3.LF UK - II

Definice 7.1 Nechť je dán pravděpodobnostní prostor (Ω, A, P). Zobrazení. nebo ekvivalentně

Transkript:

SP3 Odhady arametrů PRAVDĚPODOBNOST A STATISTIKA Metoda momentů Metoda maimální věrohodnosti

SP3 Odhady arametrů Metoda momentů Vychází se z: - P - ravděodobnostní rostor - X je náhodná roměnná s hustotou f θ nebo s ravděodobnostní funkcí - Θ a b a b r r nerázdná množina arametrů θ θ Θ k - nechť eistují obecné momenty E X k r které závisí na θ r

SP3 Odhady arametrů Metoda momentů Metoda: - P - ravděodobnostní rostor - Θ a b a b r r nerázdná množina arametrů θ - X X n náhodný výběr n k - nechť M k X i k r jsou výběrové momenty n i - arametry θ r hledáme omocí r-rovnic: k r k M k Θ r

SP3 Odhady arametrů metoda momentů Vybraná rozdělení diskrétní NP Alternativní Bernoulliovo rozdělení A Náhodná veličina X s alternativním rozdělením X ~A 0 má základní rostor Z = {0} a ravděodobnostní funkci: 0 Charakteristiky: střední hodnota: E X roztyl: D X koeficient šikmosti: A3 X koeficient šičatosti: A 4 X 6

SP3 Odhady arametrů metoda momentů Vybraná rozdělení diskrétní NP Klasické rozdělení diskrétní rovnoměrné rozdělení Cn Náhodná veličina X s klasickým rozdělením X~Cn n N má základní rostor Z = { n} a ravděodobnostní funkci: n Z Charakteristiky: střední hodnota: roztyl: medián: E X n D X n n n liché ~ n n sudé koeficient šikmosti: A3 X 0

SP3 Odhady arametrů metoda momentů Vybraná rozdělení diskrétní NP Binomické rozdělení Bin Náhodná veličina X s binomickým rozdělením X~Bin n N 0 má základní rostor Z = {0 n} a ravděodobnostní funkci: n n Charakteristiky: střední hodnota: E X n roztyl: medián: koeficient šikmosti: koeficient šičatosti: D X n ~ n n A A 3 4 X n 6 X n

SP3 Odhady arametrů metoda momentů Vybraná rozdělení diskrétní NP Geometrické rozdělení Ge Náhodná veličina X s geometrickým rozdělením X~Ge 0 má základní rostor Z = {0 n } a ravděodobnostní funkci: Pokus oakujeme tak dlouho až nastane úsěch. je ravděodobnost že rovedeme neúsěšných okusů. Charakteristiky: střední hodnota: roztyl: medián: E X D X ~ 0

SP3 Odhady arametrů metoda momentů Vybraná rozdělení diskrétní NP Negativní binomické Pascalovo rozdělení NBk Náhodná veličina X s negativně binomickým rozdělením X~NBk kn 0 má základní rostor Z = {0 n } a ravděodobnostní funkci: k k Pokus oakujeme tak dlouho až nastane k úsěchů. je ravděodobnost že rovedeme neúsěšných okusů řed k-tým úsěšným okusem. Charakteristiky: střední hodnota: roztyl: medián: E X k D X k ~ k

Náhodná veličina X s hyergeometrickým rozdělením X~HNMn kde N libovolné celé číslo M < N n<n základní rostor Z = {ma{0 M-N+n} min{mn} ravděodobnostní funkci: Hyergeometrické rozdělení HNMn Charakteristiky: střední hodnota: roztyl: medián: n N n M N M N M n X E N n N N M N M n X D ~ N n M N n M Vybraná rozdělení diskrétní NP SP3 Odhady arametrů metoda momentů

SP3 Odhady arametrů metoda momentů Vybraná rozdělení diskrétní NP Poissonovo rozdělení Poλ Náhodná veličina X s Poissonovým rozdělením X~Poλ λ R λ>0 má základní rostor Z = {0 n } a ravděodobnostní funkci: e! Charakteristiky: střední hodnota: roztyl: EX DX medián: ~ koeficient šikmosti: A3 X

SP3 Odhady arametrů metoda momentů Charakteristiky: střední hodnota: roztyl: medián: koef. šikmosti: koef. šičatosti: Vybraná rozdělení sojité NP Rovnoměrné rozdělení Rab Náhodná veličina X s rovnoměrným rozdělením X~Rab ab R a<b má základní rostor Z = R a hustotu ravděodobnosti: f b a 0 a b E X b a D X ~ a b A3 X 0 6 A4 X 5 a b jinak

SP3 Odhady arametrů metoda momentů Charakteristiky: Vybraná rozdělení sojité NP Eonenciální rozdělení Ea λ Náhodná veličina X s eonenciálním rozdělením X~Ea λ aλ R λ >0 má základní rostor Z = R a hustotu ravděodobnosti: e f a 0 a jinak střední hodnota: roztyl: medián: koef. šikmosti: koef. šičatosti: E X a D X ~ a ln A3 X A4 X 9 3

SP3 Odhady arametrů metoda momentů Vybraná rozdělení sojité NP Normální rozdělení Nμ σ Náhodná veličina X s normálním rozdělením X~Nμ σ μ σ R σ >0 má základní rostor Z = R a hustotu ravděodobnosti: f { e Charakteristiky: střední hodnota: roztyl: medián: modus: koef. šikmosti: koef. šičatosti: EX D X ~ ˆ A3 X 0 A4 X 0

SP3 Odhady arametrů metoda momentů Vybraná rozdělení sojité NP Weibullovo rozdělení Wbδ β Náhodná veličina X s Weibulovým rozdělením X~Wbδ β δ β R δβ>0 má základní rostor Z = R a hustotu ravděodobnosti: f 0 e 0 jinak Charakteristiky: střední hodnota: roztyl: medián: kde E X D X ~ ln k t k t e dt 0

SP3 Odhady arametrů metoda momentů Vybraná rozdělení sojité NP Rayleighovo rozdělení Rδ Seciální říad Weibulova rozdělení: X~Rδ=Wbδ. Hustota ravděodobnosti: f e 0 0 jinak Charakteristiky: střední hodnota: roztyl: medián: kde E X 3/ D X ~ ln k t k t e dt 0 3/

SP3 Odhady arametrů metoda momentů Vybraná rozdělení sojité NP ognormální rozdělení Nѳ τ Náhodná veličina X je transformací náhodně veličiny Y Nѳ τ tak že X = ey. Hustota ravděodobnosti: f {ln e Charakteristiky: střední hodnota: roztyl: E X e D X e e

SP3 Odhady arametrů Metoda momentů - říklady Nechť X X je náhodný výběr z X ~ A n. Určete odhad metodou momentů. Odhadněte revalenci obezity v oulaci v ČR obezita: BMI > 30 z realizace náhodného výběru =... n kde z n = 50 testovaných jedinců bylo k = 4 obézních. Odhad roveďte metodou momentů.

SP3 Odhady arametrů Metoda momentů - říklady Nechť X X n je náhodný výběr z X ~ Po. Určete odhad metodou momentů. Stojíte u silnice a chcete odhadnout očet rojíždějících aut za jednu minutu. Pro náhodný výběr o 0 oložkách jste naměřili následující očty rojetých aut: 5 3 0 7 0. Metodou momentů odhadněte arametr

SP3 Odhady arametrů Metoda momentů - říklady Nechť X X n je náhodný výběr z X ~ E a. Určete odhad metodou momentů. θ a T Při koui 0 aut z autobazaru AAA nastala orucha o: 5 3 4 8 5 7 6 4 5 3 měsících. Pomocí metody momentů odhadněte arametry θ a T

SP3 Odhady arametrů Metoda momentů - říklady Nechť X X n je náhodný výběr z X ~ N. Určete odhad θ metodou momentů. T

SP3 Odhady arametrů Metoda momentů - říklady Během. světové války sojenci oužívali statistické metody ro odhad velikosti německého arzenálu. Odhadněte kolik raket bylo vyrobeno víte-li že eistují rakety se sériovými čísly = 5 0 7 8 30 39 49 73 77 byly již odáleny nebo byly zabaveny sojenci. Odhad roveďte metodou momentů.

SP3 Odhady arametrů Metoda maimální věrohodnosti Vychází se z: - P - ravděodobnostní rostor - Θ a b a b r r nerázdná množina arametrů θ - X náhodný výběr X n T - X X náhodný vektor s sdruženou hustotou X n nebo s sdruženou ravděodobnostní funkcí θ - ro evnou hodnotu funkci nazveme věrohodnostní funkcí Θ f θ θ f θ θ θ r

SP3 Odhady arametrů Metoda maimální věrohodnosti Nechť r= - θ a b - θˆ je maimálně věrohodný odhad MVO arametru θ latí-li θ ˆ θ θ - někdy se využívá tvar ln θˆ ln θ θ - označení se oužívá okud chceme zdůraznit rozsah výběru θˆn

Metoda maimální věrohodnosti Nechť r= -věrohodnostní rovnice: nebo SP3 Odhady arametrů 0 ln f f 0 ln 0 ln 0 f 0 0 f 0

Metoda maimální věrohodnosti Nechť r= - okud uvažujeme sdruženou hustotu ravděodobnost jako součin marginálních nezávislost náhodného výběru ak odobně SP3 Odhady arametrů n i i n i i f f f ln ln ln ln n i i f ln ln n i i n i i ln ln ln ln n i i ln ln

SP3 Odhady arametrů Metoda maimální věrohodnosti - říklady Nechť X X je náhodný výběr z X ~ A n. Určete maimálně věrohodný odhad. Odhadněte revalenci obezity v oulaci v ČR obezita: BMI > 30 z realizace náhodného výběru =... n kde z n = 50 testovaných jedinců bylo k = 4 obézních. Odhad roveďte metodou maimální věrohodnosti.

SP3 Odhady arametrů Metoda maimální věrohodnosti - říklady Nechť X X n je náhodný výběr z X ~ Po. Určete maimálně věrohodný odhad. Stojíte u silnice a chcete odhadnout očet rojíždějících aut za jednu minutu. Pro náhodný výběr o 0 oložkách jste naměřili následující očty rojetých aut: 5 3 0 7 0. Metodou maimální věrohodnosti odhadněte arametr

SP3 Odhady arametrů Metoda maimální věrohodnosti - říklady Nechť X X n je náhodný výběr z X ~ E0. Určete maimálně věrohodný odhad. Při koui 0 aut z autobazaru AAA nastala orucha o: 5 3 4 8 5 7 6 4 5 3 měsících. Pomocí metody maimální věrohodnosti odhadněte arametr

SP3 Odhady arametrů Metoda maimální věrohodnosti - říklady Nechť X X n je náhodný výběr z X ~ N. Určete maimálně věrohodný odhad

SP3 Odhady arametrů Metoda maimální věrohodnosti - říklady Během. světové války sojenci oužívali statistické metody ro odhad velikosti německého arzenálu. Odhadněte kolik raket bylo vyrobeno víte-li že eistují rakety se sériovými čísly = 5 0 7 8 30 39 49 73 77 byly již odáleny nebo byly zabaveny sojenci. Odhad roveďte metodou maimální věrohodnosti

SP3 Odhady arametrů Metoda maimální věrohodnosti - říklady Platí: Pokud MVO eistuje a je jediný ak je funkcí libovolné ostačující statistiky ale sám nemusí být ostačující.. Platí: Nechť θˆ je maimálně věrohodný odhad θ. Pak uθ ˆ je maimálně * věrohodný odhad uθ kde u : nemusí být rosté. Poznámka: Za jistých ředokladů regulární systém hustot - viz Anděl ro maimálně věrohodný odhad θˆn latí: ˆ as n n N0 J viz. X ~ A X ~ N

SP3 Odhady arametrů Metoda maimální věrohodnosti Nechť r> - θ r Θ Θ a b a b r r - θˆ je maimálně věrohodný odhad MVO arametru θ latí-li θˆ θ θ - někdy se využívá tvar ln Θ θˆ ln θ θ Θ

Metoda maimální věrohodnosti Nechť r> -věrohodnostní rovnice: nebo SP3 Odhady arametrů k j f j j 0 θ θ k j j j 0 θ θ k j f f j j 0 ln θ θ θ k j j j 0 ln θ θ θ

SP3 Odhady arametrů Metoda maimální věrohodnosti - říklady Nechť X X n je náhodný výběr z X ~ E a. Určete maimálně T věrohodný odhad. θ a Při koui 0 aut z autobazaru AAA nastala orucha o: 5 3 4 8 5 7 6 4 5 3 měsících. Pomocí metody maimální věrohodnosti odhadněte arametry T θ a

SP3 Odhady arametrů Metoda maimální věrohodnosti - říklady Nechť X je náhodný výběr z X ~ R a b X n. Určete maimálně T věrohodný odhad ro θ a. b Nechť X X n je náhodný výběr z X ~ N. Určete maimálně T věrohodný odhad ro θ.