PRAVDĚPODOBNOST A STATISTIKA. Odhady parametrů Postačující statistiky

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

PRAVDĚPODOBNOST A STATISTIKA

PRAVDĚPODOBNOST A STATISTIKA

Přijímací zkouška na navazující magisterské studium 2014

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

Téma 22. Ondřej Nývlt

Pravděpodobnost a statistika

Definice spojité náhodné veličiny zjednodušená verze

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

Základy teorie pravděpodobnosti

z Matematické statistiky 1 1 Konvergence posloupnosti náhodných veličin

Úvod do teorie odhadu. Ing. Michael Rost, Ph.D.

Přijímací zkouška na navazující magisterské studium 2017

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

Apriorní rozdělení. Jan Kracík.

PRAVDĚPODOBNOST A STATISTIKA. Bayesovské odhady

Statistika II. Jiří Neubauer

3 Bodové odhady a jejich vlastnosti

prof. RNDr. Roman Kotecký DrSc., Dr. Rudolf Blažek, PhD Pravděpodobnost a statistika Katedra teoretické informatiky Fakulta informačních technologií

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

Mgr. Rudolf Blažek, Ph.D. prof. RNDr. Roman Kotecký Dr.Sc.

Odhady Parametrů Lineární Regrese

Charakterizace rozdělení

Pravděpodobnost a statistika I KMA/K413

Minikurz aplikované statistiky. Minikurz aplikované statistiky p.1

Waldovy testy, vlastnosti a Operační charakteristika

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

NMSA202 PRAVDĚPODOBNOST A MATEMATICKÁ STATISTIKA POZNÁMKY O ZKOUŠCE

PRAVDĚPODOBNOST A STATISTIKA

Základy teorie odhadu parametrů bodový odhad

Lineární algebra : Lineární (ne)závislost

Pravděpodobnost a matematická statistika

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

PRAVDĚPODOBNOST A STATISTIKA

Univerzita Karlova v Praze procesy II. Zuzana. funkce

PRAVDĚPODOBNOST A STATISTIKA. Testování hypotéz o rozdělení

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

Bakalářské studium na MFF UK v Praze Obecná matematika Zaměření: Stochastika. 1 Úvodní poznámky. Verze: 13. června 2013

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

Výběrové charakteristiky a jejich rozdělení

Pravděpodobnost a aplikovaná statistika

PRAVDĚPODOBNOST A STATISTIKA

Evgeny Kalenkovich. z Teorie pravděpodobnosti I

a způsoby jejího popisu Ing. Michael Rost, Ph.D.

Matematika III. 4. října Vysoká škola báňská - Technická univerzita Ostrava. Matematika III

PRAVDĚPODOBNOST A STATISTIKA. Neparametrické testy hypotéz čast 1

Markovské metody pro modelování pravděpodobnosti

Poznámky k předmětu Aplikovaná statistika, 4. téma

2. Je dáno jevové pole (Ω;A) a na něm nezáporná normovaná funkce. Definujte distrubuční funkci náhodného vektoru.

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

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

naopak více variant odpovědí, bude otázka hodnocena jako nesprávně zodpovězená.

9. T r a n s f o r m a c e n á h o d n é v e l i č i n y

NMAI059 Pravděpodobnost a statistika

Odhad parametrů N(µ, σ 2 )

NUMP403 (Pravděpodobnost a Matematická statistika I)

NMFM301 Statistika pro finanční matematiky. Michal Kulich

NEPARAMETRICKÉ BAYESOVSKÉ ODHADY V KOZIOLOVĚ-GREENOVĚ MODELU NÁHODNÉHO CENZOROVÁNÍ. Michal Friesl

AVDAT Náhodný vektor, mnohorozměrné rozdělení

1 Posloupnosti a řady.

Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory

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

Příklady: - počet členů dané domácnosti - počet zákazníků ve frontě - počet pokusů do padnutí čísla šest - životnost televizoru - věk člověka

Intervalové Odhady Parametrů

Oct 19th Charles University in Prague, Faculty of Mathematics and Physics. Multidimensional estimators. Základní pojmy.

Základy počtu pravděpodobnosti a metod matematické statistiky

Poznámky k předmětu Aplikovaná statistika, 4. téma

5 Vícerozměrná data - kontingenční tabulky, testy nezávislosti, regresní analýza

AVDAT Klasický lineární model, metoda nejmenších

Základy teorie pravděpodobnosti

Vybraná rozdělení náhodné veličiny

Definice 1.1. Nechť je M množina. Funkci ρ : M M R nazveme metrikou, jestliže má následující vlastnosti:

Šárka Došlá. Matematicko-fyzikální fakulta Univerzita Karlova v Praze. Bimodální rozdělení. Šárka Došlá. Motivace. Základní pojmy

Odhad parametrů N(µ, σ 2 )

Náhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X

1. Klasická pravděpodobnost

IV. Základní pojmy matematické analýzy IV.1. Rozšíření množiny reálných čísel

LWS při heteroskedasticitě

2 Hlavní charakteristiky v analýze přežití

LEKCE10-RAD Otázky

15. T e s t o v á n í h y p o t é z

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

Náhodný vektor. Náhodný vektor. Hustota náhodného vektoru. Hustota náhodného vektoru. Náhodný vektor je dvojice náhodných veličin (X, Y ) T = ( X

Neparametrické odhady podmíněné rizikové funkce

Fakt. Každou soustavu n lineárních ODR řádů n i lze eliminací převést ekvivalentně na jednu lineární ODR

Nestranný odhad Statistické vyhodnocování exp. dat M. Čada

Základní statistické modely Statistické vyhodnocování exp. dat M. Čada ~ cada

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

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

X = x, y = h(x) Y = y. hodnotám x a jedné hodnotě y. Dostaneme tabulku hodnot pravděpodobnostní

Zápočtová písemka z Matematiky III (BA04) skupina A

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.

Statistika a spolehlivost v lékařství Charakteristiky spolehlivosti prvků I

Poznámky k předmětu Aplikovaná statistika, 5.téma

SPOJITÉ ROZDĚLENÍ PRAVDĚPODOBNOSTI. 7. cvičení

Náhodná veličina Číselné charakteristiky diskrétních náhodných veličin Spojitá náhodná veličina. Pravděpodobnost

Náhodné vektory a matice

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

Náhodný pokus Náhodným pokusem (stručněji pokusem) rozumíme každé uskutečnění určitého systému podmínek resp. pravidel.

Pojistná matematika. Úmrtnostní tabulky, komutační čísla a jejich použití. Silvie Kafková

Transkript:

PRAVDĚPODOBNOS A SAISIKA Odhady parametrů

SP3 Připomenutí pojmů Připomenutí pojmů z S1P a SP2 odhady Nechť X,, je náhodný výběr z rozdělení s distribuční funkcí. 1 X,, X ) ( 1 n Statistika se nazývá bodovým odhadem funkce (), pokud nabývá hodnot blízkých (). nestranný (nevychýlený) asymptoticky nestranný E( ) ( ) ( X,, X ) ( ) lim E 1 n n nejlepším nestranný ve třídě nestranných odhadů s D( ) D( S) E( 2 )

Statistika S se nazývá postačující pro parametr, jestliže podmíněné rozdělení vektoru X ( X 1,, ) při daném S nezávisí na. edy pravděpodobnost : P není funkcí parametru X x S( X ) s P ( X x) ( S( X ) PS( X ) s s) Poznámka: tedy statistika S vyčerpá všechnu informaci o parametru.

Nechť X, 1, je náhodný výběr z A( p), p (0,1). Pak statistika S n i1 X i ~ Bi( n, p) je postačující pro parametr p. Nechť X, 1, je náhodný výběr z Po(). Pak statistika S n i1 X i ~ Po( n) je postačující pro parametr λ.

Neumanovo faktorizační kriterium Nechť X ( X 1,, ) je náhodný výběr z rozdělení s hustotou f ( x; θ), θ Θ. Pak statistika S ( S 1,, S k ) je postačující pro právě tehdy, když k existuje nezáporná měřitelná funkce g( s; θ), s R a nezáporná měřitelná n funkce h(x), x R tak, že S( x), θ h( ) f ( x; θ) g x

Hustota exponenciálního typu: Nechť náhodná veličina X má hustotu f (x; θ), θ Θ, kterou lze psát ve tvaru: f ( x; θ) exp Q( θ) K( x) R( θ) L( x) Pak tato hustota se nazývá hustotou exponenciálního typu. Platí: Nechť náhodná veličina X má hustotu exponenciálního typu, je náhodný výběr. Pak statistika n S K( ) i1 je postačující statistikou pro parametr θ. X i X, 1,

Nechť X, 1, je náhodný výběr z A( p), p (0,1). Pak statistika S n i1 X i ~ Bi( n, p) je postačující pro parametr p. Nalezněte funkce g S(x ), p a h(x). Nechť X, 1, je náhodný výběr z Po(). Pak statistika S n i1 X i ~ Po( n) je postačující pro parametr λ. Nalezněte funkce g S(x), a h(x).

Rao-Blackwellova věta Nechť X ( X 1,, ) je náhodný výběr z rozdělení s hustotou f (x; θ), θ Θ () je daná parametrická funkce a (X) je nestranný odhad (). Dále nechť S S(X) je postačující statistika pro parametr. Pak existuje * nestranný odhad parametrické funkce (), který je funkcí postačující statistiky S a platí D( * ) D( ) Nestranný odhad s vlastností D( * ) D( ) se určí jako E * S Je statistika * určena jednoznačně?

Úplné postačující statistiky Řekneme, že statistika S je úplná, platí-li pro libovolnou borelovskou funkci u : R R že E( u( S)) 0, u( S) 0 skoro jistě kde u ( S) 0 skoro jistě P( u( S) 0) 1 Je-li S úplná statistika a q(s,), systém hustot se nazývá úplný. systém jejich hustot, pak se tento 2 Nechť X ~ N(, ), neznámé,σ 2 známé, i = 1;2 jsou nezávislé. Ukažte, že X, X i 1 2, X1 X 2, X1 X jsou postačující statistiky. X, X 2 1 2, X1 X 2 jsou uplné statistiky X není uplná statistika 1 X 2

Úplné postačující statistiky Věta o jednoznačnosti Nechť X ( X 1,, ) je náhodný výběr z rozdělení s hustotou f (x; θ), θ, Θ Dále nechť S S(X) je úplná postačující statistika pro parametr. a nechť (X) je nestranný odhad parametrické funkce () Pak existuje nestranný odhad parametrické funkce (), který je pouze funkcí postačující statistiky S a tento odhad je určen jednoznačně (skoro jistě). edy S je úplná postačující statistika pro parametr, je nestranný odhad ( ), * pak E S je nejlepší nestranný odhad ()

Úplné postačující statistiky Rao-Blackwellova věta - modifikace Nechť X ( X 1,, ) je náhodný výběr z rozdělení s hustotou f (x; θ), θ, Θ () je daná parametrická funkce a (X) je nestranný odhad (). Dále nechť S S(X) je úplná postačující statistika pro parametr. Pak * existuje nestranný odhad parametrické funkce (), který je funkcí postačující statistiky S a platí D( * ) D( ) Nestranný odhad s vlastností a je určen jednoznačně. D( * ) D( ) se určí jako * E S

Úplné postačující statistiky Nechť X, 1, je náhodný výběr z Po(), ( ). Určete postačující statistiku. Zjistěte, zda je úplná a poté určete nejlepší nestranný odhad (). Nechť X, 1, je náhodný výběr z Po(), ( ) e P( X 0). Určete postačující statistiku. Zjistěte, zda je úplná a poté určete nejlepší nestranný odhad ().