Professional Documents
Culture Documents
14 Tacka ST Eocene
14 Tacka ST Eocene
Na osnovu uzorka treba da se odredi kakva je raspodela obeleja na populaciji Ako je tip raspodele poznat poznat, treba da se odrede parametri raspodele Poto je realizovana vrednost statistike realan broj, to ocene parametara nazivamo takaste ocene. Neka je X1, X2, ..., Xn prost sluajan uzorak obima n za posmatrano obeleje X. Statistika Y =f (X1, X2, ..., Xn ) je sluajna promenljiva koja implicitno zavisi od parametara u raspodeli obeleja X. Ako se sa Y ocenjuje parametar , tada se statistika Y . 1 naziva ocena parametra i oznaava sa
Nepristrasnost
Statistike koje j koristimo za ocenu p parametara moraju j da imaju odreene osobine. Kvalitet takastih ocena se izraava pomou matemati t tikog k oekivanja ki j i di disperzije. ij Definicija. Neka je X1, X2, ..., Xn prost sluajan uzorak obima ob a n za a obe obeleje e je X i neka e a je nepoznati epo at parametar pa a eta u raspodeli obeleja X. Statistika Y =f (X1, ..., Xn ) je nepristrasna ocena parametra ako je: E ( f (X1, ..., Xn ))= )) Koristi se i termini: centrirana ili nepomerena ocena.
2
Ako nepristrasnost statistike Y =f (X1, ..., Xn ) kojom ocenjujemo neki parametar , vai u sluaju kada obim uzorka tei beskonanosti, tj.
lim E ( f ( X 1 ,..., X n )) =
n
Stabilnost
Za realizovani uzorak x1, ..., xn raunamo realizaciju statistike t ti tik Y, tj. tj y=f f (x1, ..., xn). Y je j slu l ajna j promenljiva, lji pa e realizovana vrednost odstupati od E(Y). Poeljno je da se to odstupanje p j smanjuje j j ukoliko p poveavamo obim uzorka. Navedeno svojstvo je stabilnost (postojanost). Def. Neka je X1, ..., Xn prost sluajan uzorak obima n za obeleje X i neka je nepoznati parametar u raspodeli obeleja X. Statistika Y =f (X1, ..., Xn ) je stabilna ocena parametra ako je nepristrasna i ako
n Y , Stabilnost ocene oznaava da e se sa poveanjem obima uzorka razlika izmeu realizovane vrednosti statistike Y i stvarne vrednosti parametra smanjivati.
Efikasnost
Def. Neka j je X1, ..., , Xn p prost sluajan j uzorak obima n za obeleje X i neka je nepoznati parametar u raspodeli obeleja X. Neka su statistike Y =f (X1, ..., Xn ) i Z =g(X1, ..., Xn ) nepristrasne ocene parametra . Statistika Y je efikasnija ocena parametra od statistike Z ako je
D (Y ) D ( Z )
Statistika Y je najefikasnija ocena parametra , ako njena j di disperzija ij nije ij vea od d di disperzije ij bil bilo k koje j d druge nepristrasne ocene istog parametra
D (Y ) D ( Z )
E (Y ) = E ( Z ) =
5
Ocena parametra
najbolja velika varijansa pristrasna
L( X ; ) = g ( X j ; )
j =1
Funkcija verodostojnosti
Funkcija j verodostojnosti j u diskretnom sluaju j j je
L( X ; ) = p( X j ; )
j =1
Pod uslovima regularnosti (1) skup {X: L(X;)>0} ne zavisi od (2) L je dvaput diferencijabilna po vai nejednakost Rao-Kramera
) D ( 1 1 = 2 2 ln L ln L E E 2 je nepristrasna ocena parametra
Funkcija verodostojnosti dobijena na osnovu prostog sluajnog uzorka X1, ..., Xn obima n je
L ( X ; m) =
j =1 n
1 e 2
( X j m)2 22
2 ln L n = 2 2 m
2 ) D(m n
10
Metod momenata
Neka j je X1, X2, ..., , Xn p prost sluajan j uzorak obima n za obeleje X. Pretpostavimo da postoje konani momenti reda 1, 2, ..., s : E(X j), (E(|X j|<) i da u raspodeli obeleja X ima s nepoznatih parametara 1, 2, ..., s. Izjednaavanjem teorijskih momenata reda j i uzorakih momenata 1 n j M j = xk n k =1 istog reda dobijamo sistem jednaina: E(X j)=Mj, j=1, 2, ..., s (*)
11
d ln( L( X ; )) = 0 d
Meu svim tim vrednostima nalazimo (ako postoje) one vrednosti za koje funkcija L, odnosno ln L postie svoj supremum.
13
FV u diskretnom sluaju
U diskretnom sluaju j funkciju j verodostojnosti j dobijamo j kao proizvod verovatnoa postizanja pojedinih vrednosti iz uzorka: L(X; X )= ) p(X1;) ... p(Xn;) gde je p(t;)=P(X=t) Zatim se odreuje ekstremna vrednost te funkcije ili njenog logaritma.
14
Viedimenzionalni parametar
U sluaju viedimenzionalnog parametra =(1,...,s) i diferencijabilne funkcije verodostojnosti najpre se odrede (ako postoje) one vrednosti parametara iz parametarskog prostora za koje vai:
L( X ; ) = 0 j
ili
ln L( X ; ) = 0 j
j = 1,..., s
Najee su ovi sistemi jednaina nelinearni, pa se reavaju koristei numerike metode analize. Kada se odrede d d reenja j sistema, i t uzimaju i j se ona reenja j za k koja j se dobija ekstremna vrednost funkcije verodostojnosti. 15
=X n
U toj taki se postie maksimum funkcije verodostojnosti. verodostojnosti Oekivanje Puasonove raspodele je
E( X ) =
pa dobijeni rezultat potvruje da je upravo uzoraka sredina ocena za oekivanu vrednost obeleja.
17
Primer
Neka obeleje j X ima N(m,2) raspodelu, p ,p pri emu j je parametar m poznat, a parametar 2 nije. Metodom maksimalne verodostojnosti (MMV) odrediti ocenu nepoznatog parametra 2 na osnovu uzorka obima n. Funkcija verodostojnosti je
L( X ; 2 ) =
k =1
1 e 2
( X k m)2 22
( 2 )
( X k m)2 22
k =1
a njen logaritam
1 ln L( X ; ) = n ln n ln 2 2 2
2
2 ( X m ) k
k =1
18
d 2 ln L ( X ; )=0 2 d ( )
dobija se
1 n = ( X k m) 2 n k =1
2
U toj j taki j je drugi g izvod logaritma g funkcije j verodostojnosti j ~2 negativan, pa ovo potvruje izbor uzorake disperzije S n za ocenu disperzije obeleja kad je oekivanje poznato.
19
20