Rachunek Sciaga Egzamin - Szara

  • November 2019
  • PDF

This document was uploaded by user and they confirmed that they have the permission to share it. If you are author or own the copyright of this book, please report to us by using this DMCA report form. Report DMCA


Overview

Download & View Rachunek Sciaga Egzamin - Szara as PDF for free.

More details

  • Words: 1,241
  • Pages: 1
ESTYMATORY 1. Celem zastosowania estymatora jest znalezienie parametru rozkładu cechy w populacji. 2. Estymator Tn parametru θ to dowolna statystyka z próby Tn=t(X1,X2,...,Xn), pozwalająca wyznaczyć wartości parametru θ. Tn jest zmienną losową, mającą rozkład zależny od parametru θ. 3. Oceną parametru nazwiemy każdą realizację tn zmiennej losowej Tn. Błąd szacunku d = Tn – θ. 4. Własności estymatorów: A)Nieobciążoność - estymator jest nieobciążony, jeśli wartość oczekiwana rozkładu estymatora jest równa wartości szacowanego parametru: E(Zn)= θ B) estymator nazywamy obciążonym jeśli różnica pomiędzy wartością oczekiwaną rozkładu estymatora a wartością szacowanego parametru jest zależna funkcyjnie od estymatora: samą różnicę nazywamy obciążeniem estymatora. E(Zn)- θ=b(Zn) C) Asymptotyczna nieobciążoność - estymator nazywamy asymptotycznie nieobciążonym, jeśli obciążenie estymatora dąży do zera przy rosnącej liczebności próby: lim(przy n→∞)b(Zn)=0 D) Zgodność - estymator nazywamy zgodnym, jeśli jest stochastycznie zbieżny do szacowanego parametru: lim(przy n→∞) P{|Zn- θ|<є}=1. Inaczej: zwiększając liczebność próby, zmniejszamy ryzyko popełnienia błędu. E) Efektywność Spośród zbioru wszystkich nieobciążonych estymatorów Zn1, Zn2..., Znr . najefektywniejszym nazywamy estymator o najmniejszej wariancji.F) Asymptotyczna efektywność Estymator Zn jest asymptotycznie najefektywniejszy, jeśli przy wzrastającej liczebności próby wariancja estymatora Zn dąży do wariancji estymatora najefektywniejszego Zn*: lim(przy n→∞) D2(Zn) / D2(Zn) = 1. gdzie D2(Zn) oznacza wariancję estymatora. 5. Metody wyznaczania estymatorów A) Metoda momentów Etap 1. Przedstawiamy momenty jako funkcje parametrów rozkładu w taki sposób, aby powstały w ten sposób układ równań miał jednoznaczne rozwiązanie.: η1 = f1(θ1,θ2,...,θr), η2 = f2(θ1,θ2,...,θr), [...], ηr = fr(θ1,θ2,...,θr) Etap 2. Rozwiązujemy układ równań względem parametrów θi i w miejsce momentów z populacji ηi wstawiamy momenty z próby Mi B) Metoda największej wiarygodności Etap 1. Wyznaczamy funkcję wiarygodności próby zgodnie ze wzorem: L(x1,...,xn; θ1..., θr)=∏(od i=1, do n) f(xi; θ1,..., θr) gdzie f oznacza funkcję gęstości rozkładu, zaś p funkcję prawdopodobieństwa. Etap 2. Wyznaczamy lnL Etap 3. Wyznaczamy pochodne cząstkowe ∂lnL / ∂θi dla i = 1,...,r Etap 4. Rozwiązujemy układ równań ∂lnL / ∂θi = 0 względem θi . Rozwiązanie układu stanowią estymatory szukanych parametrów. C)nieobciazonosc – należy sprawdzic czy E(p^)=p jeśli tak, to jest nieobc.b F. 1D, 2D, EX, ROZKLAD JEDNOSTAJNY, F. CHARAKTEYSTYCZNA, NIEZALEZNOSC, GESTOSC, 1. Funkcja zm.los 1D:funkcja prawdopodobieństwa to tabelka xi, p(X=xi) A)E(X)= ∑(od i do n)xipi //stos. kiedy mamy podany rozklad w tabelce B)fy(y)=fx(h-1(y))|[h-1(y)]’|, gdzie y=h(x), x=h-1(y) //np: zm.los.X ma gestosc fx(x), znalezc gęstość fy(y) dla y=arctgX C)rozklad jednostajny na przedziale (a,b) → fx(x)={1/(b-a) dla x∈ (a, ), 0 dla x ∉ (a,b)}, E(Y)=∫(-,+∞) y(x)∙fx(x)dx 2.funkcja charakterystyczna: A)φ(t)=E(eitX), φ(t)={∑eitxk∙pk gdy X jest skokowe, ∫(-.+∞)eitx∙f(x) dla x ABS} B)własności: 1. φ(0)=1 2.φ(-t)= φ(t)* [sprzężona] 3.|φ(t)|≤1. 4.φ(t) jest jednostajnie ciągla w calej dziedzinie, eitx=cos(tx)+i∙sin(tx) C)dla niezależnych X i Y φX+Y(t)= φx(t)∙φy(t) D)E(Xk)=φ(k)(0)/ik //np.:E(X)=φ’(0)/i 3.Zm. los. 2D skokowe: A)X i Y są niezależne jeżeli iloczyn prawd. brzegowych = prawdopodobieństwu P(y=yi, x=xi) B)X i Y są nieskorelowane jeżeli ich wsp korelacji ρ=0, czyli kowariancja =0. ρxy=cov(x,y)/σxσy, gdzie cov(x,y)=E(X-EX)∙(Y-EY)=E(XY)-EXEY, gdzie E(XY)=∑(od i)∑(od j) xiyj∙pij, gdzie pij=P(X=xi, Y=yi) 4.Zm.los 2D ABS: A)łączna gęstość: f(x,y)={ c dla (x,y) ∈ D, 0 dla (x,y) ∉ D}, gdzie D jest obszarem zakreskowanym. c=1/|D| B)gęstości brzegowe: fx(x)=∫(-,+∞) f(x,y)dy, fy(y)=∫(-,+∞) f(x,y)dx C)X i Y są niezależne ↔ łączna gęstość(lub dystr) jest iloczynem gęstości(dystr) brzegowych. D)gdy dana jest dystr. łączna F(x,y), to dystr x i y liczymy: Fx(x)=lim(przy y→∞) F(x,y), Fy(y)= lim(przy x→∞) F(x,y) E)gdy X i Y sa niezależne to P(X0), to P.P. jest jednorodny, a stała λ to jego intensywność. INACZEJ: S.L. nazywamy strumieniem lub P.P. gdy jest strumieniem bez następstw, stacjonarnym i pojedynczym. 4.Suma 2 jednorodnych P.P. o intensywnościach λ1 i λ2 jest jednorodnym P.P. o intensywności λ1+ λ2 5.Prostym potokiem sygnałów lub poissonowskim ciągiem punktów los. nazywamy ciąg punktów los. τ1=T1, τ2=T1+T2 … τn=T1+T2+…+Tn na półosi dodatniej <0,∞> 5.Proces Palma – w określeniu P.P. warunek braku następstw zastępujemy warunkiem, że odstępy czasu Tk są niezależnymi zmiennymi losowymi. P{Tk

Related Documents

Batman-egzamin
November 2019 15
Ynto - Egzamin
November 2019 8
Analiza Egzamin
November 2019 23
Sciaga - Calki
November 2019 8