41

TEORIA PROBABILITAILOR I STATISTIC

MATEMTIC-UNITATEA DE NVATARE 5
TEORIA ESTIMATIEI
Dr.Liana Manu Iosifescu
Octombrie 2012
CUPRINS

Proprieti ale estimatorilor41
Metode de estimare punctual a parametrilor unei repartiii
Metoda momentelor..42
Metoda verosimilitaii maxime44
Estimarea parametrilor cu ajutorul intervalelor de ncredere.46
Intervale de ncredere pentru parametrii repartiiei normale..47
Exerciii rezolvate..49
Exerciii propuse52

Ori de cte ori avem funcia de repartiie prin care se exprim legea de repartiie,
fr a cunoate valorile exacte ale parametrilor care intervin, spunem c avem o problem
specificat. Operaia de evaluare a parametrilor, care se face pe baza unei selecii de
volum n, extras dintr-o populaie caracterizat de variabila aleatoare X, cu legea de
repartiie specificat poart numele de estimare a parametrilor. Valorile parametrilor
unic determinate pe baza seleciei
n
X X X ,..., ,
2 1
se numesc estimaii punctuale. Valorile
parametrilor le estimm cu ajutorul unei statistici construite cu ajutorul seleciei date i pe
care o vom nota ( )
n n
X X X T ,..., ,
2 1
.
Dispunnd numai de o informaie parial asupra populaiei, cu ct volumul crete, cu
att informaia este mai bogat. Valoarea luat de ( )
n n
X X X T ,..., ,
2 1
pentru valori bine
determinate ale variabilelor
n
X X X ,..., ,
2 1
o vom numi estimaie a parametrului u (pentru
legea de repartiie dat prin densitatea de repartiie ( ) u , x f sau funcia de frecven
( ) u ; x X P = ). Rezult c funcia de estimaie este de natur teoretic, n timp ce estimaia
este de natur empiric. Trebuie sa aib loc un proces de convergen (evident, n
probabilitate): ( ) ( ) 1 ,... , lim
2 1
= <

c u
n n
n
X X X T P
Definiie: Dac ( )
n n
X X X T ,..., ,
2 1
u

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

, se obin rezolvnd sistemul de ecuaii:

( ) ( )

=
+ + +
=
+
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

, care este e.v. m. ntruct

=
=
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

este un estimator absolut corect

|
.
|

\
|

P
u u

.
Mai mult, ( ) ( ) 1 , 0

2 N Z n e = u u , deci pentru stabilirea intervalului de ncredere,

inecuaia ( ) < u u

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.