Statistic 1

Estimarea parametrilor

Cu ajutorul statisticii matematice se studiaz fenomene din economie, industrie, etc.
Pentru a studia un fenomen se fac observaii asupra unui eantion finit ales din populaie, care
este foarte mare sau infinit. Considerm c informaiile obinute caracterizeaz ntreaga
populaie. Acestui fenomen i se asociaz un model matematic. Modelul matematic (teoretic)
mpreun cu setul de date (selecia) formeaz modelul statistic. Statistica matematic trebuie:
- s stabileasc ce model teoretic se potrivete seleciei;
- s determine valorile parametrilor ce intervin n modelul teoretic;
- s determine intervale n care s se afle parametrii cu o probabilitate dat;
- s verifice ipotezele fcute asupra parametrilor necunoscui sau asupra modelului
teoretic ales;
- s fac o generalizare la nivelul ntregii populaii;
- s realizeze predicii privind evoluia viitoare a fenomenului.
n anumite cazuri datele obinute pot sugera ce repartiie teoretic se poate aplica. n acest caz
se spune c funcia de repartiie asociat variabilei aleatoare este specificat. Dac se cunosc
parametrii ce apar n funcia de repartiie se spune c legea este complet specificat.
Procedeul prin care se determin parametrii necunoscui se numete estimare. Estimarea
poate fi :
- punctual dac se determin o valoare numeric a parametrului;
- prin intervale de ncredere dac se determin un interval n care se gsete
parametrul cu o oarecare probabilitate.

Estimaii punctuale ale parametrilor

Fie variabila aleatoare X, discret sau continu ce studiaz caracteristica unei populaii
statistice, avnd densitatea de repartiie ( ) u , x f cu u un parametru real necunoscut. Notm cu
S spaiul de selecie.
Definiie. O funcie IR S : T
n
se numete estimator pentru parametrul u dac
( )
n 2 1 n
X ,..., X , X T aproximeaz u . Valoarea ( )
n 2 1 n
X ,..., X , X T se numete estimaie.
Pentru fiecare selecie de volum n, funcia
n
T ia alt valoare, adic se obine o alt valoare
aproximativ a parametrului u . Putem considera funcia
n
T ca o variabil aleatoare pentru
care se pot calcula momente.
Definiii.
1) Eroarea estimaiei este u
n
T .
2) Deplasarea estimaiei este ( ) u
n
T M .
3) Un estimator
n
T pentru parametrul u se numete nedeplasat dac media sa este
egal cu u :
( ) u =
n
T M
4) Estimatorul
n
T pentru parametrul u se numete consistent dac pentru orice 0 > c
( ) 1 T P lim
n
n
= c < u


Teorem. Dac
n
T este un estimator pentru parametrul u al repartiiei teoretice X cu
densitatea de repartiie ( ) u , x f a..
( ) u =
n
T M
( ) 0 T D lim
n
n
=


atunci
n
T este un estimator consistent i nedeplasat pentru u .
Statistic 2
Teorem. Fie
n 2 1
X ,..., X , X o selecie de volum n dintr-o populaie. Media de selecie X este
un estimator nedeplasat i consistent pentru media teoretic a populaiei.
Consecin. Pentru orice repartiie care depinde de un singur parametru valoarea acestuia
poate fi estimat din relaia ( ) X X M = (adic egalnd media teoretic cu media de selecie).
a) Pentru repartiia Poisson ( ) Po avem ( ) X X M = =
b) Pentru repartiia geometric ( ) X X M
p
1
= =
c) Pentru repartiia binomial X p =
d) Pentru repartiia exponenial X = u

Propoziie. Dispersia de selecie ( )
2
s * X D = este un estimator deplasat pentru dispersia
teoretic
2
o , iar dispersia modificat de selecie este un estimator nedeplasat pentru
2
o .


Metode de estimare punctual a parametrilor
I Metoda momentelor

Teorem. Fie X o variabil aleatoare teoretic, fie
n 2 1
X ,..., X , X o selecie de volum n i
|
|
.
|

\
|
=
n
1
...
n
1
n
1
x ... x x
* X
n 2 1
variabila aleatoare de selecie. Atunci ( ) * X M
r
sunt estimatori
eficieni pentru ( ) X M
r
.

Metoda momentelor
Fie X o variabil aleatoare teoretic cu densitatea de repartiie IR IR : f , ( )
p 1
,..., , x f f u u = ,
unde
p 1
,..., u u sunt parametrii necunoscui ce trebuie aflai. Fie
n 2 1
X ,..., X , X o selecie de
volum n i
|
|
.
|

\
|
=
n
1
...
n
1
n
1
x ... x x
* X
n 2 1
variabila aleatoare de selecie. Pentru a afla
p 1
,..., u u
rezolvm sistemul
( ) ( )
( ) ( )
( ) ( )

=
=
=
* X M X M
* X M X M
* X M X M
p p
2 2
1 1

( ) ( )
( ) ( )
( ) ( )

=
=
=

p p
2 2
* X M X M
* X M X M
* X M X M

Observaie. Din ( ) ( ) * X M X M = i ( ) ( )
2 2
* X M X M = obinem ( ) ( ) * X D X D = .


II Metoda verosimilitii maxime

Definiie. Fie X o variabil aleatoare teoretic cu densitatea de repartiie
IR IR : f , ( )
p 1
,..., , x f f u u = i fie
n 2 1
X ,..., X , X o selecie de volum n. Definim funcia de
Statistic 3
verosimilitate IR IR IR : L
p n
, ( ) ( )
[
=
u u u = u u u
n
1 j
p 2 1 j p 2 1 n 2 1
,.., , , x f ,.., , , x ,..., x , x L , ce
reprezint probabilitatea de a obine valorile
n n 2 2 1 1
x X ,..., x X , x X = = = .

Teorem.
Fie X o variabil aleatoare teoretic cu densitatea de repartiie IR IR : f , ( )
p 1
,..., , x f f u u = ,
unde
p 1
,..., u u sunt parametrii necunoscui ce trebuie aflai. Fie
n 2 1
X ,..., X , X variabile
aleatoare de selecie independente,
n 2 1
x ,..., x , x valorile concrete obinute i fie funcia de
verosimilitate IR IR IR : L
p n
, ( ) ( )
[
=
u u u = u u u
n
1 j
p 2 1 j p 2 1 n 2 1
,.., , , x f ,.., , , x ,..., x , x L . Cea mai
bun estimaie a parametrilor
p 1
,..., u u

sunt valorile pentru care funcia de verosimilitate are
valoarea maxim.
Propoziie. Punctele de extrem ale funciei L coincid cu cele ale funciei L ln .
Practic
Gsim punctele critice ale funciei L ln rezolvnd sistemul
( )
0
,.., , , x ,..., x , x L ln
j
p 2 1 n 2 1
=
u c
u u u c
, p , 1 j =
apoi verificm dac soluia gsit reprezint un punct de maxim pentru L ln .

Probleme

1. Dintr-o populaie statistic s-a fcut o selecie de volum 80 care a dat urmtoarele rezultate.
S se gseasc un estimator nedeplasat pentru dispersia teoretic
2
o .
x
j
2.5 2.8 3 3.2
j
v
12 32 21 15

2. S-au cntrit 100 de piese i s-au obinut urmtoarele rezultate:
Greutatea (g) Frecvene absolute
[30; 30,5] 14
[30,5; 31] 30
[31; 31,5] 35
[31,5; 32] 21
Presupunem c variabila aleatoare teoretic asociat acestei caracteristici are o repartiie
uniform. S se determine parametrii a i b ai acestei repartiii prin metoda momentelor.
3. O firm are 10 utilaje care produc un anumit tip de piese. S-a nregistrat timp de 200 de
zile numrul utilajelor care prezint defeciuni i s-au obinut urmtoarele rezultate:
nr
utilaje
defecte
0 1 2 3 4 5 6 7 8 9 10
nr zile 40 38 32 20 18 12 8 6 2 1 0

S se reprezinte grafic datele. Presupunnd c datele urmeaz o repartiie Poisson s se
estimeze parametrul . Care este probabilitatea ca ntr-o zi s fie defecte cel mult 3
utilaje?


Statistic 4
4. Se consider v.a. X cu densitatea de repartiie ( ) ( ) u u = u 1 , x f
x
, IN x e , ( ) 1 , 0 e u . S
se estimeze parametrul u prin metoda verosimilitii maxime pe baza seleciei care a dat
rezultatele : 8 10 9 8 7 10 9 10 8 9 9 8 10 7 9. S se calculeze probabilitatea ca X s ia
cel mult valoarea 9.

5. S se determine un estimator pentru parametrul u al repartiiei exponeniale cu
densitatea de repartiie ( )
u

u
= u
x
e
1
, x f , 0 > u , 0 x > , pe baza unei selecii de volum n
care a dat rezultatele 9 10 8 10 12 8 9 11 8 9 8.
6. S se estimeze parametrii m i o ai repartiiei normale pe baza unei selecii de volum n
care a dat rezultatele:
j
x
0 1 2 3 4 5
j
v
3 4 5 6 3 2

7. Fie v.a. continu X cu densitatea de repartiie IR IR : f , ( )

>
>
= u
u
0 x , 0
0 x , e x k
, x f
x 3
S se
determine parametrul k. S se estimeze parametrul u prin ambele metode de estimare
punctual pe baza unei selecii de volum n.