Documente Academic
Documente Profesional
Documente Cultură
P
n
spunem c ( )
n n
X X X T ,..., ,
2 1
este o estimaie
consistent pentru u .
Cum exist o infinitate de funcii ( )
n n
X X X T ,..., ,
2 1
care converg n probabilitate
ctre u , pentru a mri precizia, vom recurge la convergene mai tari care asigur
convergena n probabilitate. O astfel de convergen este convergen n medie ptratic.
Am presupus aadar c funcia de estimaie ( )
n n
X X X T ,..., ,
2 1
este o variabil aleatoare
care are momente de ordin cel puin doi.
42
Definiie: Spunem c statistica ( )
n n
X X X T ,..., ,
2 1
este o estimaie nedeplasat a
parametrului u , dac ( ) ( ) u =
n n
X X X T M ,..., ,
2 1
. Statistica ( )
n n
X X X T ,..., ,
2 1
este o
estimaie deplasat a parametrului u , dac ( ) ( ) ( ) n h X X X T M
n n
+ =u ,..., ,
2 1
. Funcia
h(n) pe care o vom numi deplasare a estimaiei are propritatea c ( ) 0
n
n h . n timp ce
eroarea de estimare este ( ) u
n n
X X X T ,..., ,
2 1
i este o variabila aleatoare, deplasarea
( ) ( ) ( ) u =
n n
X X X T M n h ,..., ,
2 1
este o funcie numeric , care depinde de volumul
seleciei i eventual de parametrul estimat i care reprezint o eroare sistematic n
procesul de estimare. Dac deplasarea h(n)>0 spunem c ( )
n n
X X X T ,..., ,
2 1
este pozitiv
deplasat, iar dac h(n)<0 spunem c ( )
n n
X X X T ,..., ,
2 1
este negativ deplasat.
Definiie: Spunem c ( )
n n
X X X T ,..., ,
2 1
este o estimaie absolut corect pentru parametrul
u , dac ( ) ( ) u =
n n
X X X T M ,..., ,
2 1
i ( ) ( ) 0 ,..., ,
2 1
n
n n
X X X T D .
Spunem c ( )
n n
X X X T ,..., ,
2 1
este o estimaie corect pentru parametrul u , dac
( ) ( ) ( ) n h X X X T M
n n
+ =u ,..., ,
2 1
, ( ) 0 n h i ( ) ( ) 0 ,..., ,
2 1
n
n n
X X X T D .
Pentru parametrul u pot exista mai multe estimaii deplasate i atunci este natural s o
preferm pe cea care are dispersia minim, ntruct valorile statisticii ( )
n n
X X X T ,..., ,
2 1
se vor grupa mai bine n jurul valorii u . Teorema minimului dispersiei este cunoscut ca:
Teorema Rao-Cramer: Dac ( )
n n
X X X T ,..., ,
2 1
este o estimaie absolut corect pentru
parametrul u din funcia de repartiie dat de ( ) u ; x f a v.a. X (discret sau continu),
atunci: ( ) ( )
( ) u I
X X X T D
n n
1
,..., ,
2 1
> , unde ( ) u I , numit informaie Fisher, este cantitatea
de informaie pe o observaie i are expresia: ( )
( )
(
(
|
.
|
\
|
c
c
=
2
; ln
u
u
u
x f
M I .
Se arat uor c ( )
( )
|
|
.
|
\
|
c
c
=
2
2
; ln
u
u
u
x f
M I (exerciiul 3 rezolvat)
Definiie:Fie ( )
n n
X X X T ,..., ,
2 1
o estimaie absolut corect oarecare. Vom numi eficien
raportul ( ) ( )
( )
( ) ( )
n n
n n
X X X T D
I
X X X T e
,..., ,
1
,..., ,
2 1
2 1
u
=
Observaie: este evident ca ( ) ( ) 1 ,..., , 0
2 1
s <
n n
X X X T e .
Definiie: Spunem ca estimaia ( )
n n
X X X T ,..., ,
2 1
este eficient dac:
( ) ( )
( ) u I
X X X T D
n n
1
,..., ,
2 1
= ( ) ( ) 1 ,..., ,
2 1
=
n n
X X X T e
Metode de estimare punctual a parametrilor unei repartiii
Metoda momentelor: Momentele de selecie de ordinul k fiind estimaii absolut corecte
43
ale momentelor teoretice de acelai ordin ( ) ( ) X M m M
k k
=
*
, ( ) ( ) ( ) | | X M X M
n
m D
k k k
2
2
*
1
=
( ) 0
*
n
k
m D , este natural ca pentru n suficient de mare , s lum n locul momentului
teoretic momentul empiric de acelai ordin. n cazul variabilei unidimensionale a crei
lege de repartiie depinde de k parametrii ( )
k
x f u u u ,..., , ;
2 1
i care admite moment de
ordin cel puin k, ( )
k j
X M u u u ,..., ,
2 1
sunt funcii de parametrii necunoscui
j
u
Pentru N j k j e s s , 1 , alctuim sistemul ( )
*
2 1
,..., ,
j k j
m X M = u u u ,
unde
=
=
n
i
j
i j
X
n
m
1
*
1
i presupunnd c sistemul admite soluii reale, se obin estimaiile
parametrilor
k
u u u ,..., ,
2 1
prin metoda momentelor ( ) k j m m m
k j j
s s = 1 ; ,..., ,
* *
2
*
1
u u
Exemplu:1. Estimai parametrii repartiiei beta cu ajutorul lui X i
2
S .
( ) ( )
( )
( ) ( ) 1 , 0 , 1
,
1
,
1 1
e = e
x x x
b a B
x f b a B X
b a
. Deci: ( )
( )
( ) b a B
dx x x
X M
b a
,
1
1
0
1
}
=
( )
( )
( ) b a
a
b a B
b a B
X M
+
=
+
=
,
, 1
, iar ( )
( )
( )
( )
( )
+
=
=
}
+
b a B
b a B
b a B
dx x x
X M
b a
,
, 2
,
1
1
0
1 1
2
( )
( )
( )( ) ( ) ( ) 1 1
1
1
1
2
2
+ + +
=
|
.
|
\
|
+
+ +
+
+
=
|
.
|
\
|
+
+ + +
+
=
b a b a
ab
b a
a
b a
a
b a
a
b a
a
b a b a
a a
X D
Estimaiile b a
=
+ + +
=
+
2
2
1
S
b a b a
ab
X
b a
a
( )
( )
= +
+ =
1
1
2
S
X X
b a
X b a a
( )
( ) ( )
=
2
2
2
2
2
1
1
1
S
X X
X
S
X X
b
X
S
X X
a
( )
( )
(
= 1
1
1
S
X X
X b .
2. Estimai parametrul repartiiei date prin ( ) 0 , 1
3
> =
x e x F
x
u
.
Cum ( ) ( ) ( )
*
0
3
3
0
2
2
3
1
3
0 ,
3
3
3 3
k
k
t
k
t
x
x
k
k
x
m
k
dt e t dx e x X M x e
x
x f =
|
.
|
\
|
+ I = = = > =
} }
u u
u u
u
u u
k
k
k
k
m
3
*
3
3
|
|
|
|
.
|
\
|
|
.
|
\
|
I
= u , care , pentru k=3, devine:
*
3
~
m = u .
44
Metoda verosimilitii maxime elaborat de Fisher prezint avantajul unui plus de
eficacitate. In cazul unui singur parametru, repartiia vectorului aleator ( )
n
x x x ,..., ,
2 1
-tiind c selecia de volum n a fost extras din populaia caracterizat de v.a. X avnd
legea de repartiie ( ) u ; x f -considerat ca funcie de u , (
n
x x x ,..., ,
2 1
fiind considerate ca
date) este ( ) ( )
[
=
=
n
i
i n
x f x x x P
1
2 1
; ; ,..., , u u . Valoarea parametrului u pentru care
probabilitatea ( ) u ; ,..., ,
2 1 n
x x x P devine maxim conduce la estimaia de verosimilitate
maxim u , soluie a ecuaiei
( )
0
; ,..., ,
2 1
=
c
c
u
u
n
x x x P
. ntruct ( ) u ; ,..., , ln
2 1 n
x x x P i
( ) u ; ,..., ,
2 1 n
x x x P au aceeai monotonie, estimaia de verosimilitate maxim se obine ca
soluie a ecuaiei
( )
0
; ,..., , ln
2 1
=
c
c
u
u
n
x x x P
. Funcia ( ) ( ) u u ; ,..., , ln ; ,..., ,
2 1 2 1 n n
x x x P x x x L =
se numete funcie de verosimilitate. Deci ( ) ( )
=
=
n
k
k n
x f x x x L
1
2 1
, ln ; ,..., , u u .
In cazul n care repartiia unidimensional depinde de mai muli parametrii
( )
j n
x x x f u u u ,..., , ; ,..., ,
2 1 2 1
, funcia de verosimilitate devine ( )
j n
x x x L u u u ,..., , ; ,..., ,
2 1 2 1
,
iar ecuaiile de verosimilitate maxim se obin ca soluii ale sistemului de ecuaii:
( )
j l
x x x L
l
j n
s s =
c
c
1 , 0
,..., , ; ,..., ,
2 1 2 1
u
u u u
. Rezolvnd sistemul, se obin ( )
n l l
x x x ,..., ,
2 1
u u =
estimaii de verosimilitate maxima. Ecuaiile j l
L
l
s s =
c
c
1 , 0
u
se numesc ecuaii de
verosimilitate.
Exemplu: cazul repartiiei normale
( ) ( )
( )
0 , ,
2
1
, , ,
2
2
2
> e = e
o
t o
o o
o
R x e m x f m N X
m x
; funcia de verosimilitate este:
( )
( )
( )
=
=
n
k
k
m x
n n
e m x x x P
1
2
2
2
1
2 1
2
1
, ; ,..., ,
o
t o
o
( ) ( )
2
1
2 2 1
2
1
ln 2 ln , ; ,..., ,
=
=
n
k
k n
m x n n m x x x L
o
o t o . Cum
( )
( )
( )
( )
+ =
c
c
=
c
c
=
=
2
1
3
2 1
2
1
2
2 1
1 , ; ,..., ,
1 , ; ,..., ,
n
k
k
n
n
k
k
n
m x
n m x x x L
m x
m
m x x x L
o o o
o
o
o
, sistemul ecuaiilor de verosimilitate
45
devine:
( )
( )
= +
=
=
=
0
1
0
2
1
2
2
1
n
k
k
n
k
k
m x n
m x
o
cu soluia:
=
=
2 2
S
X m
o
. Pentru a arta c ( )
2
, o m este un
punct de maxim pentru L, se scrie hessianul:
2
2 2
2
2
2
o o
o
c
c
c c
c
c c
c
c
c
= A
L
m
L
m
L
m
L
, cu
( )
0
, ; ,..., ,
2 2
2 1
2
< =
c
c
o
o n
m
m x x x L
n
;
( )
( )
2
1
4 2 2
2 1
2
3 , ; ,..., ,
=
=
c
c
n
k
k
n
m x
n m x x x L
o o o
o
;
( )
( ) 0
2 , ; ,..., ,
2
1
3
2 1
2
= =
c c
c
=
n
k
k
n
m x
m
m x x x L
o o
o
ntruct ( ) 0
2
1
=
=
n
k
k
m x ,deci
0
0
0
4
2
4 2
2
> =
= A
o
o
o o
o
n
n n
n
.
cazul repartiiei normale bidimensionale:
( )
( ) ( ) ( ) ( )
...
1 2
1
, , , , ; ,
2
2
2
2
2
2
1
1
2
1
2
1
2
2
1
1
2
2 1
2 1 2 1
=
=
(
(
L e m m y x f
m y m y m x m x
o o o
o
o to
o o
sistemul ecuaiilor de verosimilitate : 0
2 1 2 1
=
c
c
=
c
c
=
c
c
=
c
c
=
c
c
o o
L L L
m
L
m
L
avnd soluia:
( )( )
2 1
n
1 k
k
2
y
2
2
2
x
2
1 2 1
x
, S , S , ,
o o
o o
=
= = = = =
Y y X
Y m X m
k
Exemplul 2: Estimai parametrul repartiiei date prin ( ) 0 , 1
3
> =
x e x F
x
u
.
Funcia de verosimilitate este: ( )
[ [
=
=
|
.
|
\
|
= =
=
n
k
x
k
n
k
n x
k
n
n
k
k
k
e x e
x
x x x L
1
1
2
1
2
2 1
1
3
3
3
ln
3
ln ; ,..., ,
u
u
u u
u ,
Adic
( ) ...
1
ln ; ,..., ,
1
3
2 1
+ =
=
n
k
k n
x n x x x L
u
u u
( )
+ =
c
c
=
n
k
k
n
x
n x x x L
1
3
2
2 1
1 ; ,..., ,
u u u
u
soluia
ecuaiei de verosimilitate este
*
3
~
m = u .
Cum
( )
( )
u
u
u
u u
~
0
2
1 ; ,..., ,
*
3
1
3
2
*
3
~
2
2 1
2
<
|
|
|
|
.
|
\
|
=
c
c
=
=
m
x
n
m
x x x L
n
k
k
n
este estimatorul cutat (e.v.m.)
46
Observaie: Notnd
( )
( )
( )
0
, ln
,..., 2 , 1 ,
, ln
3 ex
k
k
k
k
X f
M Y M n k
X f
Y =
|
.
|
\
|
c
c
= =
c
c
=
u
u
u
u
i presupunnd c
( ) ( ) ( )
|
.
|
\
|
c
c
=
|
.
|
\
|
c
c
<
|
.
|
\
|
c
c
u
u
u
u
u
u , ln , ln , ln
2 2
k k k
X f
M
X f
D
X f
M .
Aplicnd teorema limit central irului de variabile aleatoare independente identic
reprtizate ( ) *
N k k
Y
e
, rezult:
( )
Z
nI
Y
s
n
k
k
=
u
1
Estimatorul verosimilitii maxime u
~
este asimptotic eficient, pentru n mare (n>50),
repartiia fiind aproximativ normal, cu ( ) ( )
( ) u
u u u
nI
D M
1 ~
,
~
= = , iar
( ) ( )
( )
( ) 1 , 0
; ,..., , 1
2 1 1
N
x x x L
nI nI
Y
n
n
k
k
~
c
c
=
=
u
u
u u
Dac parametrul admite 0 estimaie eficient, atunci aceasta se obine n mod unic
rezolvnd ecuaia de verosimilitate.
Intervale de ncredere: Putem construi un interval de ncredere pentru parametrul u
dac pe baza unei selecii de volum n se pot determina dou funcii de selecie
( )
n
X X X ,..., ,
2 1 1
u i ( )
n
X X X ,..., ,
2 1 2
u cu probabilitatea confidenial dat de expresia
( ) ( ) ( )
n n
X X X X X X P ,..., , ,..., ,
2 1 2 2 1 1
u u u o s s = . Capetele intervalului depind de
variabilele aleatoare independente identic repartizate ( )
n
X X X ,..., ,
2 1 1
u , ( )
n
X X X ,..., ,
2 1 2
u .
Intervalul acoper parametrul u cu o probabilitate o ct mai apropiat de unu, ceea ce
nseamn c inegalitatea | |
2 1
,u u u e este ndeplinit n majoritatea cazurilor. Cu ct
lungimea acestui interval este mai mic i o este mai apropiat de 1, cu att vom avea o
indicaie mai precis asupra valorii lui u .
Un caz utilizat frecvent pentru determinarea unui interval de ncredere este cel n care
exist o funcie de datele de selecie i de parametrul u , ( ) u , ,..., ,
2 1 n
X X X U , astfel nct:
1. ( ) u , ,..., ,
2 1 n
X X X U este continu i strict monoton n raport cu u .
2. Funcia de repartiie a v.a. ( ) u , ,..., ,
2 1 n
X X X U nu depinde de u sau de ali parametrii
necunoscui.
n multe situaii, aflarea funciei de repartiie a statisticii este o problem dificil, ns,
conform observaiei anterioare, pentru n suficient de mare, statistica
( )
( )
( ) 1 , 0
; ,..., , 1
2 1
N
x x x L
nI
S
n
e
c
c
=
u
u
u
, cu ajutorul ei putnd fi construit un interval de
ncredere pentru ( ) 1 , 0 1 , e = = o o c u
not
nivel de semnificaie dat.
Exemplu: selecia de volum mare asupra unei caracteristici bernoulliene
( ) ( ) { } ( ) 1 , 0 ; 1 , 0 , 1 ;
1
e e =
p x p p p x f
x x
;
( )
( )
=
c
c
=
p p
p x
p
p x f
Y
1
; ln
47
( )
( )
( )
( )
( )
( )
( ) ( ) p p p p
p X D
p p
p X
D Y D
p p
p X M
Y M
=
|
|
.
|
\
|
= =
=
1
1
1 1
; 0
1
2 2
.Dac k x
not
n
i
i
=
=1
( )
( ) ( )
( )
( )
( ) 1 , 0
1
1
1 ; ,..., , 1
2 1
N
n
p p
p
n
k
p p
n
p p
np k
x x x L
nI
n
e
=
c
c
u
u
u
. Pentru 50 > n ,-
suficient de mare ,
( )
c
c c c
=
|
|
.
|
\
|
u
|
|
.
|
\
|
u =
|
|
|
|
.
|
\
|
<
1
1
2
1
2
1
2
1
z z z
n
p p
p
n
k
P . Notnd frecvena
relativ
n
k
p = estimaia probabilitii p,
( )
( )
( )
2
2
1
2 2
2
1
1
2
1
c c
<
+
<
z
p p
p p p p n
z
n
p p
p p
.
Inegalitatea poate fi scris: ( ) ( ) ( )
2 1
2 2 2 2
1 0 2 p p p P p n p z p n p z n < < = < + + + c ,
unde
( )
( )
2
2 2
2 , 1
2
1 4 2
z n
z p p n z z p n
p
+
+ +
= sunt soluiile ecuaiei:
( ) ( ) 0 2
2 2 2 2
= + + + p n p z p n p z n , deci, un interval de ncredere, cu nivelul de ncredere
c 1 este:
( ) ( )
(
(
(
(
(
(
(
(
|
|
|
.
|
\
|
+
+
+ +
|
|
|
.
|
\
|
+
+
n
z
n
z
n
p p
z
n
z
p
n
z
n
z
n
p p
z
n
z
p
2
2
1
2
2
2
1
2
1
2
2
1
2
2
1
2
2
2
1
2
1
2
2
1
1 2
1 4
2
,
1 2
1 4
2
c
c
c
c
c
c
c
c
. Cum
n e suficient de mare,
n
z
2
2
1
c
devine neglijabil
( ) ( )
(
e
n
p p
z p
n
p p
z p p
1
,
1
2
1
2
1
c c
Intervale de ncredere pentru parametrii repartiiei normale ( ) o , m N
Intervalul de ncredere pentru parametrul m, cnd o este cunoscut
Se consider funcia de selecie ( )
n
m X
X X X U
n
o
u
= , ,..., ,
2 1
. V.a. ( ) 1 , 0 N
n
m X
e
o
, deci
funcia ei de repartiie este independent de parametrul m; este continu i descresctoare
ca funcie de m, deci se pot determina , pentru ( ) 1 , 0 e o ,apropiat de 1, numerele
2 1
, z z
a.. ( ) ( ) o
t o
= u u = = |
.
|
\
|
s
s
}
1 2
2
2 1
2
2
1
z z dx e z n
m X
z P
x
. Din condiia ca
48
lungimea intervalului s fie minim ( ) o
o
+ = u 1 2 z , deci la nivelul de semnificaie
o o =1 dat, intervalul de ncredere este
(
+ =
2
1
2
1
,
o o
o o
z
n
X z
n
X I
m
.
Intervalul de ncredere pentru
2 1
m m cnd
2 1
,o o sunt cunoscute:
( )
( )
( ) e
+
= 1 , 0 ; ,..., , ,...,
2
2
2
1
2
1
2 1 2 1
2 1 2n 21 1n 11
2 1
N
n n
m m X X
m m X X X X U
o o
(
(
+ + + =
2
2
2
1
2
1
2
1
2 1
2
2
2
1
2
1
2
1
2 1
,
2 1
n n
z X X
n n
z X X I
m m
o o o o
c c
Intervalul de ncredere pentru parametrul m, cnd o este necunoscut
Se consider statistica ( )
n
s
m X
X X X U
n
= u , ,..., ,
2 1
, cci v.a.
1
e
n
t
s
m X
n , fiind
continu i strict descresctoare ca funcie de m
(
+ =
1 ,
2
1 1
2
1
,
n n
m
t
n
X t
n
X I
o o
o o
Intervalul de ncredere pentru
2 1
m m cnd o o o = =
2 1
sunt necunoscute
( )
( )
( ) ( )
| =
+
+
+
=
2 1
2 1
2
2 2
2
1 1
2 1
2 1 2 1
2 1 2n 21 1n 11
2 1 2 1
2
1 1
1 1
; ,..., , ,..., X X I
n n
s n s n
n n
m m X X
m m X X X X U
m m
( ) ( ) ( ) ( )
(
(
(
+
+
+
+
+
+ +
2
1 1
,
2
1 1
2 1
2
2 2
2
1 1
2 1
2 1
2 ,
2
1
2 1
2 1
2
2 2
2
1 1
2 1
2 1
2 ,
2
1
2 1 2 1 n n
s n s n
n n
n n
t X X
n n
s n s n
n n
n n
t
n n n n
c c
Intervalul de ncredere pentru
2
o , respectiv pentru raportul
2
2
2
1
o
o
Se consider ( )
( )
2
1 2
2
2 1
1
, ,..., ,
e
=
n n
s n
X X X U _
o
u i se aplic regula cozilor egale
/2
/2
1-
x
2
2
c
_
2
2
1
c
_
49
( ) ( )
(
(
(
e
2
2
, 1
2
2
2
1 , 1
2
2
1
,
1
c c
_ _
o
n n
s n s n
; ( )
1 , 1
2
2
2
2
2
1
2
1
2
2
2
1 2n 21 1n 11
2 1 2 1
, ; ,..., , ,...,
e =
n n
F
s
s
X X X X U
o
o
o o
(
(
|
|
.
|
\
|
|
|
.
|
\
|
=
2
, 1 , 1
2
2
1
2
1 , 1 , 1
2
2
1
1 2 1 2
2
2
2
1
,
c c
o
o
n n n n
F
s
s
F
s
s
I , ntruct
1 2
2 1
,
,
1
k k
k k
F
F =
Exerciii rezolvate
1. Fie
n
X X X ,... ,
2 1
o selecie de volum n extras dintr-o populaie ( ) o , m N . Artai c
statistica
=
n
k
k
n
m X
U
1
2
t
este un estimator nedeplasat pentru o .
Soluie: Dac m X Y
k
not
k
= , atunci ( ) ( )
=
n
k
Y M
n
U M
1
2
1 t
.
Cum ( ) ( ) o o , 0 , N Y m N X
k k
e e cci ( ) ( )
2
2
2
2
2 2 o o
t t
itm
itm
X
itm
Y
e e e t e t
= = = .
Deci ( )
} }
=
= = =
0
2
2 2
2
2
2
2
2
2
2
2
2
1
2
o
o t o
t
o
o o
y
x
x x
dx e x dt e x U M .
2. Pentru o selecie repetat de volum n extras dintr-o populaie cu caracteristica
( ) | o, Pa , determinai e.v.m. al lui a). o cunoscnd | ; b). | cunoscnd o ;c) estimai
ambii parametrii prin metoda momentelor.
Soluie: ( ) o
|o
| o
|
|
> =
+
x
x
x f , , ;
1
. Funcia de verosimilitate este:
( ) ( ) o | o | o | o
|
|
>
|
|
.
|
\
|
= =
= =
[ [ n
n
k
k
n n
n
k
k n
x x x x x f x x x P ,..., , , , ; , ; ,..., ,
2 1
1
1 1
2 1
.
a). ( ) ( )
= =
+ =
c
c
+ + =
n
k
k
n
k
k n
x
n
n
L
x n n x x x L
1 1
2 1
ln ln ln 1 ln ln , ; ,..., ,
|
o
|
| | o | | o
cum 0
1
2 2
2
< =
c
c
n
L
|
, soluia ecuaiei :
o
|
ln ln
1
n x
n
n
k
k
=
=
este estimatorul cutat
e.v.m.
o
|
ln ln
1
n x
n
n
k
k
=
=
;b).
( )
o | |o
o
| o
|
|
>
|
|
.
|
\
|
=
c
c
=
[ k
n
k
k
n n n
x x n
x x x P
min ,
, ; ,..., ,
1
1
1 2 1
Deci funcia de verosimilitate este cresctoare
k
x min = o . c). Pentru 2 > | ,avem:
( )
1 1
1
= =
+
}
|
o|
|
|o |o
o
|
o
|
|
|
x dx
x
X M ; ( )
2 2
2
2
1 2
= =
+
}
|
| o
|
|o |o
o
|
o
|
|
|
x dx
x
X M
50
( )
( ) ( )( )
2
2
2
2
1 2 1 2
1
=
|
|
.
|
\
|
=
| |
| o
|
|
|
| o X D ,deci:
( )( )
=
=
2
2
2
1 2
1
| |
| o
|
o|
S
X
( )
2 2
2 2
2 2
2
2
1
~
1
1
~
;
~
2
X S S
X S S
X X X S S
X
S
+ +
+ +
=
|
|
.
|
\
|
= + + =
= o
|
o |
| |
3.Demostrai c :
( ) ( )
|
|
.
|
\
|
c
c
= |
.
|
\
|
c
c
2
2
2
; ln ; ln
u
u
u
u x f
M
x f
M
Soluie: Din ( )
( ) ( )
} } }
=
c
c
=
c
c
= 0
;
0
;
1 ;
2
2
dx
x f
dx
x f
dx x f
u
u
u
u
u . ns:
( ) ( ) ( )
( )
( )
( ) +
c
c
=
|
.
|
\
|
c
c
c
c
=
|
.
|
\
|
c
c
c
c
=
c
c
u
u
u
u
u
u
u u
u
u u
u
;
; ln
;
; ln ; ;
2
2
2
2
x f
x f
x f
x f x f x f
( ) ( ) ( )
( )
( )
( )
( )
=
|
.
|
\
|
c
c
|
.
|
\
|
c
c
+
c
c
=
c
c
c
c
+
u
u
u
u
u
u
u
u
u
u
u
u ; ln
;
; ln
;
; ln ; ; ln
2
2
2
2
x f
M x f
x f
x f
x f x f x f
( )
( )
( )
( )
( )
|
|
.
|
\
|
c
c
=
|
.
|
\
|
c
c
=
|
.
|
\
|
c
c
=
} }
2
2
2 2
; ln
;
; ln
;
; ln
u
u
u
u
u
u
u
u x f
M dx x f
x f
dx x f
x f
.
4. Estimai prin metoda verosimilitii maxime parametrul repartiiei ( ) u Ra i construii
un interval de ncredere cu probabilitatea confidenial 0,95 pentru parametrul u ( utili-
znd repartiia statisticii
u
*
2
2nm
), pentru selecia de volum 10 cu: 2
9 3 1
= = = x x x ; 1
2
= x ;
3
10 8 6 4
= = = = x x x x i
2
1 `
7 5
= = x x
Soluie: ( ) ( )
|
.
|
\
|
= > =
[
=
=
n
k
x
k
n
n
x
n
k
k
e x x x x P x xe x f
1
1
2 1
1
2
2
2
; ,..., , 0 ,
2
;
u
u
u
u
u
u
( )
=
+ =
n
k
k n
x n n x x x L
1
2 1
1
ln ln 2 ln ; ,..., ,
u
u u
= =
+ =
c
c
n
k
k
n
k
k
x
n L
x
1
2
2
1
2
1
u u u
. Soluia
acestei ecuaii este
*
2
m = u
=
=
c
c
n
k
k
x
n L
1
2
3 2 2
2
2
u u u
, deci
( )
( ) ( )
0
2
1
2
*
2
*
2
1
2
2
*
2
*
2 2
2
< =
|
|
|
|
.
|
\
|
=
c
c
=
m
n
m
x
n
m
m
L
n
k
k
u
. Statistica dat:
=
= =
n
k
k
Y
n
S
1
2
u
u
, unde
v.a.i.
2
2
k k
X Y
u
= . Cum ( ) ( )
|
|
.
|
\
|
=
|
|
.
|
\
|
< = < =
2 2
x
F
x
X P x Y P x F
X Y
u u
, avem succesiv:
51
( ) ( ) ( ) ( )
1
2
2 1 2 exp
2 2
1
2
2
2 2
1
2
= e =
|
|
.
|
\
|
= it t Y e
x
x
x
f
x
x f
Y
x
Y
u u
u
u u
( ) ( )
2
2
2 1
n
n
S
S it t _ e =
I
x
P
k
k
e =
|
|
|
|
.
|
\
|
< <
=
u _
u
_ 95 , 0
2
2
975 , 0 , 9
10
1
2
2
025 , 0 , 9
unde
(
(
(
(
=
= =
2
025 , 0 , 9
10
1
2
2
975 , 0 , 9
10
1
2
2
,
2
_ _
k
k
k
k
x x
I . Cum |
.
|
\
|
= = = =
=
7 , 2
100
,
19
100
19 , 7 , 2 , 50
2
975 , 0 , 9
2
025 , 0 , 9
10
1
2
I x
k
k
_ _ .
5. Se consider populaia a crei caracteristic este dat prin v.a. X avnd funcia de
frecven ( ) ( )
( )( )
( )
( )( )
{ } 3 , 2 , 1 , 1 2 5
3
1
, 2
4 1
2
2 3
e =
x x f
x x x x
u u u i
(
e
2
5
, 1 u .
a). Determinai estimatorul de verosimilitate maxim al lui u .
b). Calculai estimaia pentru selecia de volum 10: 1 , 3
3 10 9 7 1
= = = = = x x x x x i
{ } 8 , 6 , 5 , 4 , 2 , 2 e = k x
k
; c). Determinai un estimator prin metoda momentelor.
Soluie: ( ) ( )
( )( )
( )
( )( )
=
= =
n
k
k k
n
k
k k
x x x x
n n
x x x P
1 1
4 1
2
1
2 3
2
1
2 1
1 2 5
3
1
; ,..., , u u u
( ) ( ) ( ) ( ) ( ) + + + = 1 ln 4 3
2
2 5 ln 5 6
2
3 ln ; ,..., ,
*
2
*
2 2 1
u u u m X
n
m X
n
n x x x L
n
ecuaia de verosimilitate
2 2
4 3
2 5
5 6
0
*
2
*
2
+
=
c
c
u u u
m X m X L
conducnd la e.v.m.
( ) 1 4
8 5 3
*
2 *
+
=
X
X m
u . n situaia b). 7 , 5
10
4 5 9 4 1
; 3 , 2
10
2 5 3 4 1
*
2
=
+ +
= =
+ +
= m X ,
deci 61 , 2
2 , 5
6 , 13
3 , 1 4
8 3 , 2 5 7 , 5 3
*
= =
+
= u .
c). repartiia v.a.
|
|
.
|
\
|
3
1
3
1
3
2 5
3 2 1
:
u u u
X
( )( )
X m
k k
k
=
+ +
= u
u u ~
3
1 3 2 2 5
*
caz particular pentru
2 3 2
1
3 1
*
+
+ =
k k
k
m
u
6. Pentru a testa viteza de absorbie pe piaa a unui nou produs, firma productoare pune
n vnzare prin 9 magazine loturi identice care se epuizeaz dup cum urmeaz:
Magazin i 1 2 3 4 5 6 7 8 9
Nr de zile 51 54 49 50 50 48 49 50 49
S se estimeze printr-un interval de incredere 95% dispersia numrului de zile n care se
epuizeaz produsul, cunoscnd cuantilele 18 , 2
8 , 025 , 0
= _ , 306 , 2
8 , 05 , 0
= t ,
25 , 3
10 , 025 , 0
= _ , 5 , 20
10 , 975 , 0
= _ i 5 , 17
8 , 975 , 0
= _ .
52
Soluie: Vom construi intervalul de ncredere 95% pentru dispersia
2
o a numrului de
zile n care se epuizeaz produsul. Avem: 50
9
54 51 50 3 49 3 48
=
+ + + +
= X i
( ) ( ) ( ) ( )
3
8
50 54 50 51 49 50 3 48 50
2 2 2 2
2
=
+ + +
= s .
( ) ( )
(
(
(
e
2
2
, 1
2
2
2
1 , 1
2
2
1
,
1
c c
_ _
o
n n
s n s n
(
e = = = =
2
8 ; 025 , 0
2
8 ; 975 , 0
2
24
,
24
975 , 0
2
1 ; 025 , 0
2
05 , 0 95 , 0
_ _
o
c c
c o ,utiliznd doar
prima i ultima cuantil dat.
6. Presupunem c venitul anual al unui salariat bugetar ales la ntplare este o v.a.X cu
densitatea ( )
( )
( ) | |
0
ln
0
,
1
2
0
x x e
x x
x f
x x
>
=
u
t
, unde
0
x reprezint venitul minim
garantat. Studiai proprietile estimatorului de verosimilitate maxim ale parametrului u
i construii un interval de ncredere 95% pentru parametrul u .
Soluie: ( )
( ) ( )
( ) | |
=
=
=
[
n
k
k
x x
n
k
k
n
n
e
x x
x x x P
1
2
0
ln
1
0
2
2 1
1
; ,..., ,
u
t
u , deci ecuaia de verosimilita-
te maxim ( ) ( )
=
= =
c
c
n
k
k
x x
L
1
0
0 ln 2 0 u
u
are ca soluie e.v.m.
( )
n
x X
n
k
k
=
=
1
0
ln
u .
Considernd v.a. ( ) Y x X Y = = u
ln
0
,avem de analizat propritile mediei de selecie
a unei populaii caracterzat de v.a.Y. Dar ( ) ( ) ( ) ( ) + < = < =
x
Y
e x X P x x X P x F
0 0
ln
( ) ( ) ( ) ( )
( )
|
.
|
\
|
e |
.
|
\
|
e = + = + =
n
N N Y e e x f e x f e x F x F
x x x
Y
x
Y
2
1
,
2
1
,
1
2
0 0
u u u
t
u
Evident ( ) ( ) 0
2
1
= =
n
D M u u u ,deci u
\
|
P
u u
.
Mai mult, ( ) ( ) 1 , 0
2n
975 , 0
z conduce la |
.
|
\
|
=
n n
I
2
96 , 1
,
2
96 , 1
u u , utiliznd 96 , 1
975 , 0
= z .
A rmas de stabilit eficiena : ( )
( )
2
, ln
2
2
=
|
|
.
|
\
|
c
c
=
u
u
u
x f
M I
Y
cci
( )
( ) u
u
u
=
c
c
x
x f
Y
2
, ln
.
Prin urmare
( )
( ) u
u
2
1 1
D
n I n
= =
.
Cerin: calculai ( )
( )
( ) 2
, ln
2
=
|
.
|
\
|
c
c
=
u
u
u
x f
M I
Y
i ( ) ( ) ( ) e e e X D =
u 2
, ncercnd
rezolvarea prin metode alternative.