Wykład 5 Standardowy błąd a odchylenie standardowe

Prezentacja na temat: "Wykład 5 Standardowy błąd a odchylenie standardowe"— Zapis prezentacji:

1 Wykład 5 Standardowy błąd a odchylenie standardowe
Odchylenie standardowe z próby s: Służy do oceny zmienności w zbiorze danych Gdy n wzrasta s zbliża się do odchylenia standardowego w populacji  Używane do przewidywań dotyczących indywidualnych obserwacji

2 Błąd standardowy średniej SE = :
Służy do oceny niepewności związanej z estymacją średniej w populacji Maleje do zera wraz ze wzrostem n Używane do przewidywań dotyczących średniej

3 Jak duża powinna być próba?
Poprzez wybór odpowiedniego n możemy uzyskać PU o odpowiedniej (dowolnie małej) szerokości Możemy estymować  z zadaną precyzją Przykład: znajdź rozmiar próby taki, aby 95% PU dla średniej miał szerokość 5.

4 Załóżmy, że  =10. Wtedy Na ogół nie znamy, możemy jednak wykonać badanie wstępne (mała próba) i użyć s.

5 Podstawowe założenie (jeszcze raz)
Próba musi być losowa: każdy element w populacji ma jednakową szansę być wybranym poszczególne wybory są od siebie niezależne Jeżeli to założenie nie jest spełnione to wzrost n może nie gwarantować zmniejszenia SE.

6 Przedział ufności dla frakcji w populacji
Estymujemy p za pomocą Chcemy skonstruować przedział ufności dla p Moglibyśmy skorzystać z rozkładu dwumianowego, ale wymagałoby to uciążliwych rachunków. Korzystamy z przybliżenia rozkładu Bernoulliego rozkładem normalnym Gdy Y ma rozkład dwumianowy (n, p) i n jest duże, wtedy Y ma w przybliżeniu rozkład normalny

7 = Y/n ma wartość oczekiwaną= i  =
Zatem ma w przybliżeniu rozkład

8 Przedział ufności dla p
Będziemy korzystali z przybliżonego przedziału ufności Agrestiego-Coula (patrz np. Brown, Cai i DasGupta, Annals of Statistics, 2002): Środkiem przedziału będzie (modyfikacja ) Przypomnijmy, że Z/2 jest taką liczbą, że Pr(Z < - Z/2) = Pr(Z > Z/2) = /2 Dla 95% PU,  = 0.05 i Z/2 = 1.96

9 Definiujemy SE dla definiujemy jako Np. dla 95% PU wstawiamy Z0.025 = 1.96 i dostajemy

10

11 Przedział ufności dla p (cd.)
Skonstruujemy przybliżony przedział ufności dla p, z centrum w Użyjemy kwantyli z rozkładu normalnego Z/2 Dla 95% PU użyjemy Z0.025 =1.96 Dla 90% PU użyjemy Z0.05 =1.65; dla 99% PU użyjemy Z0.005=2.58. przybliżony 95% PU dla p wynosi

12 Przykład: Złapano 125 myszy i 6 z nich ma brzuszki nakrapiane na biało
p = frakcja myszek w całej populacji, które mają nakrapiane na biało brzuszki 95% PU dla p:

13 90% PU dla p

14 Sformułowanie konkluzji:
Mamy 90% pewności że frakcja myszek w tej populacji, które mają brzuszki nakrapiane na biało zawiera się w przedziale między a Zauważmy, że 90% PU jest niż 95% PU i że przedziały te mają różne środki.

15 Klasyczny przybliżony przedział ufności (informacja)
Klasyczny przedział ufności uzyskuje się biorąc za jego środek i zastępując p przez we wzorze na  i błąd standardowy. Klasyczne przedziały ufności zachowują się źle, gdy liczba sukcesów (Y) jest bliska zeru lub n. Może się wtedy zdarzyć np., że klasyczny PU zawiera ujemne wartości.

16 Jak duża powinna być próba ?
Chcemy aby 95% PU miał długość nie większą od zadanej. Jak ustalić rozmiar próby? Idea: długość przedziału zależy od n, skąd można wyznaczyć wystarczający rozmiar próby. Uwaga – długość przedziału zależy też od , którego nie znamy. Jeżeli wiemy w przybliżeniu, jakie jest p, to możemy tej przybliżonej wartości użyć w równaniu na długość przedziału (skąd wyznaczymy n) Jeżeli nie mamy żadnych wstępnych informacji, to użyjemy p = 0.5. Prowadzi to do ostrożnego wyboru n: szerokość PU skonstruowanego w oparciu o próbę o wyliczonym rozmiarze nie będzie większa od założonej, a może być dużo mniejsza. (Czy to dobrze?)

17 Przykład Chcemy aby SE było równe (95% PU będzie miał długość około 0.02). Przypuszczamy, że prawdziwe p jest bliskie Rachunki: Konkluzja: „Proszę złapać myszy.”

18 Obliczenia, gdy nie wiemy nic o p:
Konkluzja: „Proszę złapać myszy.”

19 Asymptotyczne przedzialy ufnosci dla estymatorow najwiekszej wiarogodnosci – patrz tablica