Metody wnioskowania na podstawie podprób

Slides:



Advertisements
Podobne prezentacje
Regresja i korelacja materiały dydaktyczne.
Advertisements

Excel Narzędzia do analizy regresji
ESTYMACJA PRZEDZIAŁOWA
Test zgodności c2.
Wnioskowanie statystyczne CZEŚĆ II
Rangowy test zgodności rozkładów
Metody losowania próby
Zmienne losowe i ich rozkłady
Zmienne losowe i ich rozkłady
Skale pomiarowe – BARDZO WAŻNE
Estymacja przedziałowa
Test zgodności Joanna Tomanek i Piotr Nowak.
Wnioskowanie Bayesowskie
Miary jednej cechy Miary poziomu Miary dyspersji Miary asymetrii (skośności)
Metody ekonometryczne
Statystyka w doświadczalnictwie
Statystyka w doświadczalnictwie
Podstawowe pojęcia prognozowania i symulacji na podstawie modeli ekonometrycznych Przewidywaniem nazywać będziemy wnioskowanie o zdarzeniach nieznanych.
Wykład 6 Standardowy błąd średniej a odchylenie standardowe z próby
Wykład 4 Przedziały ufności
Metody Przetwarzania Danych Meteorologicznych Wykład 4
Pobieranie próby Populacja generalna: zbiór wyników wszystkich możliwych doświadczeń określonego typu. Próba n-wymiarowa: zbiór n wyników doświadczeń.
Wykład 4. Rozkłady teoretyczne
Metody Symulacyjne w Telekomunikacji (MEST) Wykład 6/7: Analiza statystyczna wyników symulacyjnych  Dr inż. Halina Tarasiuk
Średnie i miary zmienności
Estymacja przedziałowa i korzystanie z tablic rozkładów statystycznych
Rozkład t.
Elementy Rachunku Prawdopodobieństwa i Statystyki
Konstrukcja, estymacja parametrów
i jak odczytywać prognozę?
Ekonometria. Co wynika z podejścia stochastycznego?
Elementy Rachunku Prawdopodobieństwa i Statystyki
Analiza reszt w regresji
BADANIE STATYSTYCZNE Badanie statystyczne to proces pozyskiwania danych na temat rozkładu cechy statystycznej w populacji. Badanie może mieć charakter:
Analiza wariancji jednoczynnikowa.
Elementy Rachunku Prawdopodobieństwa i Statystyki
Prognozowanie z wykorzystaniem modeli ekonometrycznych
Zagadnienia regresji i korelacji
Elementy Rachunku Prawdopodobieństwa i Statystyki
Kilka wybranych uzupelnień
Planowanie badań i analiza wyników
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
Ekonometryczne modele nieliniowe
Seminarium licencjackie Beata Kapuścińska
Ekonometryczne modele nieliniowe
Wnioskowanie statystyczne
Metoda reprezentacyjna i statystyka małych obszarów z SAS Instytut Statystyki i Demografii SGH dr Dorota Bartosińska Zajęcia 4 Wnioskowanie statystyczne.
Ekonometria stosowana
Statystyka w doświadczalnictwie Wydział Technologii Drewna SGGW Studia II stopnia Wykład 3.
Przenoszenie błędów (rachunek błędów) Niech x=(x 1,x 2,...,x n ) będzie n-wymiarową zmienną losową złożoną z niezależnych składników o rozkładach normalnych.
STATYSTYKA – kurs podstawowy wykład 5 dr Dorota Węziak-Białowolska Instytut Statystyki i Demografii.
Monte Carlo, bootstrap, jacknife. 2 Literatura Bruce Hansen (2012 +) Econometrics, ze strony internetowej :
Przeprowadzenie badań niewyczerpujących, (częściowych – prowadzonych na podstawie próby losowej), nie daje podstaw do formułowania stanowczych stwierdzeń.
ze statystyki opisowej
Testy nieparametryczne – testy zgodności. Nieparametryczne testy istotności dzielimy na trzy zasadnicze grupy: testy zgodności, testy niezależności oraz.
Rozkłady statystyk z próby dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium.
Ekonometria stosowana Heteroskedastyczność składnika losowego Piotr Ciżkowicz Katedra Międzynarodowych Studiów Porównawczych.
Estymacja parametrów populacji. Estymacja polega na szacowaniu wartości parametrów rozkładu lub postaci samego rozkładu zmiennej losowej, na podstawie.
STATYSTYKA – kurs podstawowy wykład 11
Estymacja parametryczna dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium Analiz.
Testy nieparametryczne
Ekonometryczne modele nieliniowe
Rozkład z próby Jacek Szanduła.
Statystyka matematyczna
Statystyka matematyczna
Statystyka matematyczna
Jednorównaniowy model regresji liniowej
Analiza niepewności pomiarów Zagadnienia statystyki matematycznej
Estymacja i estymatory
Monte Carlo, bootstrap, jacknife
Zapis prezentacji:

Metody wnioskowania na podstawie podprób Maria Czogała

METODA BOOTSTRAP

Załóżmy, że badamy populację ze względu na zmienną losową X o nieznanym rozkładzie F. Niech będzie próbą prostą wylosowaną z tej zbiorowości - realizacją próby x, oraz - pewną statystyką określoną na przestrzeni prób. - niech będzie estymatorem tego parametru.

Definicja: Próbą bootstrapową nazywamy wektor losowy taki, że dla są niezależnymi zmiennymi losowymi o rozkładzie F oraz m jest ustaloną liczbą naturalną.

W celu otrzymania realizacji próby bootstrap dokonuje się n-krotnego losowania ze zwracaniem spośród elementów oryginalnej próby. Ponieważ cała operacja przeprowadzana jest w oparciu związana jest jedynie z losowymi wyborami pewnego w każdym z n ciągnięć. o ustalone wartości więc losowość w próbie elementu spośród Zaobserwowaną realizację traktujemy jako populację, z której czerpiemy proste próby losowe.

Definicja: Bootstrapowym estymatorem parametru zmiennej losowej X jest statystyka postaci: rozkładu gdzie: N- pewna ustalona liczba naturalna dla , przy czym to k-ta próba bootstrapowa.

Metody bootstrapowe umożliwiają również estymację przedziałową nieznanego parametru Znanych i wykorzystywanych jest wiele podejść do tego zagadnienia. W tej pracy zaprezentuję metodę wyznaczania przedziałów ufności dla parametru z wykorzystaniem metody percentyli. rozkładu zmiennej losowej X

Jeżeli to bootstrapową aproksymacją rozkładu statystyki jest estymatorem parametru stanowi rozkład statystyki postaci: gdzie: jest próbą bootstrapową odpowiadającą próbie losowej Rozkład ten jest wykorzystywany do budowy przedziału ufności dla parametru

Wyznaczamy percentyle rozkładu empirycznego zmiennej losowej otrzymanego w wyniku generowania N razy n-elementowych ciągów. Percentylem rzędu uporządkowanych niemalejąco, pod warunkiem, że , gdzie , jest wartość zajmująca pozycję o numerze w ciągu wartości jest liczbą całkowitą.

Jeżeli albo nie jest liczbą całkowitą, to percentylem jest wartość występująca na pozycji o numerze Przedziałem ufności dla parametru percentyli przy wiarygodności jest przedział postaci: otrzymanym metodą gdzie: są percentylami rzędu, odpowiednio rozkładu empirycznego statystyki wyznaczonego na podstawie wygenerowanych wartości.

METODA JACKKNIFE

Niech S będzie próbą n- elementową oraz niech estymatorem parametru Metoda Jackknife pozwala oszacować wariancję tego estymatora oraz podaje konstrukcję estymatora redukującego obciążenie wyjściowego estymatora rzędu

Próbę S dzielimy losowo na G zależnych grup o równych liczebnościach, a następnie dla każdej grupy obliczamy estymator parametru według tej samej reguły funkcyjnej co ale bazujący na obserwacjach nie należących do grupy. Następnie dla każdej grupy wyznaczamy: Wartości nazywamy pseudowartościami.

Definicja: Funkcję nazywamy estymatorem Jackknife

Wariancję Jackknife można określić na dwa sposoby:

Dziękuję za uwagę Maria Czogała