Rozkład wariancji z próby (rozkład  2 ) Pobieramy próbę x 1,x 2,...,x n z rozkładu normalnego o a=0 i  =1. Dystrybuanta rozkładu zmiennej x 2 =x 1 2.

Slides:



Advertisements
Podobne prezentacje
ESTYMACJA PRZEDZIAŁOWA
Advertisements

Statystyka Wojciech Jawień
Estymacja. Przedziały ufności.
Wykład 5 Standardowy błąd a odchylenie standardowe
Porównywanie średnich dwóch prób niezależnych o rozkładach normalnych (test t-studenta)
Rachunek prawdopodobieństwa 2
Zmienne losowe i ich rozkłady
Zmienne losowe i ich rozkłady
Skale pomiarowe – BARDZO WAŻNE
Estymacja przedziałowa
Statystyka w doświadczalnictwie
Analiza korelacji.
Niepewności przypadkowe
Wykład 6 Standardowy błąd średniej a odchylenie standardowe z próby
Wykład 4 Rozkład próbkowy dla średniej z rozkładu normalnego
Wykład 3 Wzór Bayesa – wpływ rozkładu a priori.
Wykład 5 Przedziały ufności
Wykład 3 Rozkład próbkowy dla średniej z rozkładu normalnego
Wykład 3 Wzór Bayesa, cd.: Wpływ rozkładu a priori.
Wykład 4 Przedziały ufności
Elementy Rachunku Prawdopodobieństwa c.d.
Metody Przetwarzania Danych Meteorologicznych Wykład 4
Pobieranie próby Populacja generalna: zbiór wyników wszystkich możliwych doświadczeń określonego typu. Próba n-wymiarowa: zbiór n wyników doświadczeń.
Modele (hipotezy) zagnieżdżone
Linear Methods of Classification
Próby niezależne versus próby zależne
Porównywanie średnich dwóch prób zależnych
Wzory ułatwiające obliczenia
Rozkład normalny Cecha posiada rozkład normalny jeśli na jej wielkość ma wpływ wiele niezależnych czynników, a wpływ każdego z nich nie jest zbyt duży.
Wykład 4. Rozkłady teoretyczne
Metody Symulacyjne w Telekomunikacji (MEST) Wykład 6/7: Analiza statystyczna wyników symulacyjnych  Dr inż. Halina Tarasiuk
Średnie i miary zmienności
Testy nieparametryczne
Konstrukcja, estymacja parametrów
Elementy Rachunku Prawdopodobieństwa i Statystyki
Testy nieparametryczne
Elementy Rachunku Prawdopodobieństwa i Statystyki
1 Kilka wybranych uzupełnień do zagadnień regresji Janusz Górczyński.
Projekt wykonany przez studentów I roku ARI Politechniki Wrocławskiej:
Elementy Rachunku Prawdopodobieństwa i Statystyki
Kilka wybranych uzupelnień
Błędy i niepewności pomiarowe II
Ekonometryczne modele nieliniowe
Henryk Rusinowski, Marcin Plis
Co to jest dystrybuanta?
Dopasowanie rozkładów
Wnioskowanie statystyczne
Metody Matematyczne w Inżynierii Chemicznej Podstawy obliczeń statystycznych.
Wykład 5 Przedziały ufności
Program przedmiotu “Opracowywanie danych w chemii” 1.Wprowadzenie: przegląd rodzajów danych oraz metod ich opracowywania. 2.Podstawowe pojęcia rachunku.
Weryfikacja hipotez statystycznych
Przenoszenie błędów (rachunek błędów) Niech x=(x 1,x 2,...,x n ) będzie n-wymiarową zmienną losową złożoną z niezależnych składników o rozkładach normalnych.
Estymatory punktowe i przedziałowe
Statystyczna analiza danych
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 :
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.
WYKŁAD Teoria błędów Katedra Geodezji im. K. Weigla ul. Poznańska 2
Estymacja parametryczna dr Marta Marszałek Zakład Statystyki Stosowanej Instytut Statystyki i Demografii Kolegium Analiz.
Wstęp do regresji logistycznej
Rozkład z próby Jacek Szanduła.
Statystyka matematyczna
Statystyka matematyczna
Statystyka matematyczna
Jednorównaniowy model regresji liniowej
Zmienna losowa. Wybrane rozkłady zmiennej. Przedział ufności.
Analiza niepewności pomiarów Zagadnienia statystyki matematycznej
Własności asymptotyczne ciągów zmiennych losowych
Monte Carlo, bootstrap, jacknife
Zapis prezentacji:

Rozkład wariancji z próby (rozkład  2 ) Pobieramy próbę x 1,x 2,...,x n z rozkładu normalnego o a=0 i  =1. Dystrybuanta rozkładu zmiennej x 2 =x 1 2 +x x n 2 jest dana następującą funkcją: gdzie  (y) jest funkcją gamma Eulera (silnią uogólnioną na liczby rzeczywiste).

Zatem sam rozkład wariancji jest dany następującą funkcją

Zasada największej wiarygodności (Maximum Likelihood Principle) Mamy próbę (x 1,x 2,...,x n ) f(x, ): funkcja określająca rozkład gęstości prawdopodobieństwa, gdzie jest zestawem parametrów rozkładu. Zasada największej wiarygodności: najlepsze maksymalizuje prawdopodobieństwo wystąpienia próby. Ta zasada jest podstawą wszystkich metod estymowania parametrów rozkładu prawdopodobieństwa (a zatem i modelu matematycznego) z próby danych.

Ponieważ poszczególne elementy próby są niezależne iloraz wiarygodności funkcja wiarygodności

Przykład jakościowego porównywania dwu modeli poprzez obliczenie ilorazu wiarygodności Rzucamy monetą asymetryczną. Przypuszczamy, że albo prawdopodobieństwo wyrzucenia reszki jest 2 razy większe niż prawdopobobieństwo wyrzucenia orła (A) albo odwrotnie (B). Przypuśćmy, że w 5 rzutach otrzymaliśmy 1 raz orła i 4 razy reszkę. Wtedy:

Przykład zastosowania zasady największej wiarygodności: obliczanie wartości średniej przy założeniu, że rozkład prawdopodobieństwa jest rozkładem normalnym Jeżeli  1 =  2 =…=  n = 

Właściwości asymptotyczne funkcji wiarygodności Dla dużych prób

Przypadek wielowymiarowy

Dla dużych prób rozkład parametrów staje się rozkładem normalnym z macierzą wariancji-kowariancji B. Jeżeli jednak liczebność próby jest ograniczona to odchylenia od normalności rozkładu mogą być znaczne.

Obszary ufności w przestrzeni parametrów Obszar ufności definiujemy jako taki obszar w otoczeniu wartości oczekiwanej wektora parametrów i ograniczony powierzchnią o stałej gęstości prawdopodobieństwa, że prawdopodobieństwo znalezienia w nim prawdziwych wartości parametrów jest nie mniejsze niż zadana wartość (kwantyl). W jednym wymiarze mówimy o przedziale ufności. 1 2 P=g 1 2 *

W jednym wymiarze

    

Ogólnie dla wielowymiarowego rozkładu Gaussa