Sunteți pe pagina 1din 72
MINISTERUL EDUCA Ţ IEI, CERCET Ă RII, TINERETULUI Ş I SPORTULUI UNIVERSITATEA CRE Ş TIN

MINISTERUL EDUCAŢIEI, CERCETĂRII, TINERETULUI ŞI SPORTULUI UNIVERSITATEA CREŞTINĂ ”DIMITRIE CANTEMIR” BUCUREŞTI

FACULTATEA DE ŞTIINŢE ECONOMICE CLUJ-NAPOCA

Str. Teodor Mihali Nr.56, Cluj-Napoca, Jud.Cluj Tel.+40-264-414751; fax: +040-264-414770

Nr. de înregistrare din Registrul de evidenţă a prelucrărilor de date cu caracter personal 1919

CRISTINA-IOANA FĂTU

ECONOMETRIE

SUPORT DE CURS

CLUJ-NAPOCA

2010

MINISTERUL EDUCA Ţ IEI, CERCET Ă RII, TINERETULUI Ş I SPORTULUI UNIVERSITATEA CRE Ş TIN

MINISTERUL EDUCAŢIEI, CERCETĂRII, TINERETULUI ŞI SPORTULUI UNIVERSITATEA CREŞTINĂ ”DIMITRIE CANTEMIR” BUCUREŞTI

FACULTATEA DE ŞTIINŢE ECONOMICE CLUJ-NAPOCA

Str. Teodor Mihali Nr.56, Cluj-Napoca, Jud.Cluj Tel.+40-264-414751; fax: +040-264-414770

Nr. de înregistrare din Registrul de evidenţă a prelucrărilor de date cu caracter personal 1919

CRISTINA-IOANA FĂTU

ECONOMETRIE

SUPORT DE CURS

CLUJ-NAPOCA

2010

º

P R E F A T A

Aplicarea instrumentelor statistice la prelucrarea datelor economice are o istorie seculara.º Denumirea si dezvoltarea efectivaº a econometriei Óncepe doar Ón anul 1930 c‚nd, la ini tiativa lui Ragnar Frisch (profesor de economie la Oslo si laureat al premiului Nobel pentru economie Ón 1928) si cu sprijinul mate- maticianului si statisticianului I. Fisher, s-a creat gruparea interna tionalaº ÑThe Econometric Societyîcare si-a propus s aº dezvolte teoriile economice prin inter- mediul modelelor statistico-matematice. Se cunoa ste caº un model economic reprezintaº o form aº abstractaº de Ñsur- prindereî a realitaº tii, f ac‚ndº leg aturaº dintre lumea reala,º observabilaº si spa tiul abstract, form aº care se bazeazaº pe concepte speciÖce logicii, matematicii si economiei. Œn practic a,º Ón modelele matematice asociate unor probleme eco- nomice, se Óncearc aº includerea variabilelor relevante pentru obiectivul propus iar restul variabilelor (nerelevante) se aruncaº Ón Ñco sul perturba tiilorî. O ast- fel de precizare permite unele distinc tii Óntre un model economic si un model econometric. Astfel, un model econometric are la baz a:º o mul time de ecua tii ce con tin anumite variabilele ale c arorº valori observate pot Ö afectate de anumite erori (perturba tii) ce sunt variabile aleatoare cu distribu tii de probabilitate cunoscute. Metodologia si scopurile econometriei implic aº trei aspecte: aspectul de speci- Öcare (formularea modelelor econometrice), aspectul de inferen taº (estimarea si testarea modelelor econometrice pe baza datelor observate) si aspectul de decizie (folosirea modelelor econometrice estimate pentru unele predic tii (previziuni)). Prezenta lucrare, Introducere Ón econometrie (14 lec tii ) are la baz a,º Ón principal, lucrarea [2] precum si celelalte lucrariº men tionate la bibliograÖe. Ea reprezinta,º Óntr-o formaº concis a,º principalele concepte si modele ale econome- triei, atunci c‚nd econometria este deÖnit aº ca Öind: aplicarea metodelor mate- matice si statistice la analiza datelor economice cu scopul de a da teoriei eco- nomice un sens empiric care s aº permitaº veriÖcarea sau inÖrmarea acestora. Cluj-Napoca, 8 februarie 2010

C U P R I N S

Prefa taº

Capitolul 1

º º

INFEREN TA

Cursul 1

STATISTIC A CLASIC A

ß 1.1 Teoria selec tiei . . . . . . . . . .
ß
1.1
Teoria selec tiei
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
Cursul 2
ß
1.2
Momentele empirice ale distribu tiilor statistice
6
Cursul 3
ß Problema estimariiº
1.3
parametrilor .
.
.
.
.
.
.
.
.
.
.
.
.
11
ß Estimatori punctuali
1.4
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 12
Cursul 4
ß
1.5
Estimatori corec ti. Estimatori absolut corec ti
15
Cursul 5
ß
1.6
EÖcien ta unui estimator
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.20
ß 1.7 Inegalitatea lui Rao -Cramer - FrÈchet
22
Capitolul 2
º
º
REGRESIA LINIAR A SIMPL A (MODEL LINIAR SIMPLU)
Cursul 6
2.1 Func tia de regresie. Regresia liniaraº simplaº
Cursul 7
ß
.25
b

ß 2.2 Proprietaº tile estimatorilor b si Ón cazul regresiei liniare simple . 30

Cursul 8

34

ß 2.3 Forma matricealaº pentru modelul liniar simplu

Capitolul 3

INFEREN TA

Cursul 9

ß 3.1 Preciz ariº privind distribu tia normal aº

STATISTIC A ŒN REGRESIA LINIAR A

º

º

Cursul 10

ß 3.2 Metoda de estimare prin intervale Cursul 11

ß Distribu tii de selec tie din colectivitaº ti normale

ß Intervale de Óncredere pentru coeÖcien tii (parametrii)

si ai regresiei liniare simple. Cazul 1. Interval de Óncredere

pentru coeÖcientul de regresie : 2 m arimeº Cursul 12

ß 3.5 Cazul 2. Interval de Óncredere pentru coeÖcientul de regresie :

.

3.3

3.4

cunoscutaº

.

.

2 m arimeº

ß 3.6 Aplica tie. (Intervale de Óncredere pentru parametrii si )

.

cunoscut aº

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

38

43

47

. 48

.52

53

Cursul 13

ß 3.7 Interval de Óncredere pentru coeÖcien tii de regresie.

Cazul: 2 m arimeº necunoscut aº . . . . . . . . .
Cazul: 2 m arimeº
necunoscut aº .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.57
ß 3.8 Cazul 3. Interval de Óncredere pentru coeÖcientul de regresie
= 0 : 2 m arimeº
.
ß 3.9 Aplica tie. Inferen ta cu privire la valoarea medie
necunoscutaº
.
.
.
.
.
.
.
.
.
.
.
.
.
58
59
Capitolul 4
º
º
REGRESIA LINIAR A MULTIPL A
Cursul 14
ß 4.1 Modelul regresiei multiple
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
62
BibliograÖe .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 67

E C O N O M E T R I E

Capitolul 1

INFEREN TA

º

STATISTIC A CLASIC A

º

Cursul 1

ß 1.1 Teoria selec tiei [1] Statistica matematicaº este o ramuraº a matematicii care se ocup aº cu gruparea, analizarea si interpretarea probabilisticaº a datelor legate de anumite fenomene naturale, sociale, economice sau de alt aº natura,º precum si cu deter- minarea unor previziuni privind realizarea viitoare a unor asemenea fenomene. Œn cadrul analizei statistice a unui fenomen ac tioneaz aº mai Ónt‚i statistica formalaº sau descriptiva,º care se ocup aº cu culegerea datelor asupra fenomenu- lui respectiv si cu Ónregistrarea lor. Apoi intervine statistica matematic a,º cu ajutorul c areiaº datele sunt analizate si interpretate. Vom numi popula tie (colectivitate) statisticaº sau mai simplu popu- la tie (colectivitate) orice mul time ale c areiº elemente au Ón comun una sau mai multe proprietaº ti (trasº aturi)º si care formeaz aº obiectul unei analize sta- tistice. Elementele unei popula tii statistice se numesc unitaº ti sau indivizi. Proprietaº tile comune elementelor unei colectivit aº ti C se numesc caracteristici ale colectivit aº tii. Numarulº tuturor elementelor (unitaº tilor) unei colectivitaº ti C reprezintaº volumul colectivitaº tii. Evident, colectivitaº tile pot Ö Önite, inÖ- nite si numarabileº sau nenum arabile.º Cercetarea statistic aº a unei colectivitaº ti C, Ón raport cu o caracteristic aº Öxataº X , extins aº la Óntreaga colectivitate, se nume ste cercetare total a.º Statistica matematic aº folose ste Ñmetoda selectiv aîº , metod aº ce constaº Ón a cerceta colectivitatea dataº C, Ón raport cu o caracteristic aº precizat aº X , prin intermediul unei subcolectivit aº ti S a lui C, pe care o numim selec tie sau e santion. Num arulº unitaº tilor n cuprinse Óntr-o selec tie reprezintaº volumul selec tiei. DeÖni tia 1.1.1 . Selec tia S; de volum n , este reprezentativaº (ea red aº cu

Ödelitate structura colectivitaº tii C) dac aº sunt Óndeplinite urm atoareleº condi tii:

colectivitatea din care se extrage selec tia S; de volum n , s aº Öe c‚t mai omogen aº Ón raport cu caracteristica aleas aº X ; volumul de selec tie n s aº Öe c‚t mai mare; alegerea celor n elemente ale selec tiei S s aº se fac aº la Ónt‚mplare; oricare din- tre elementele colectivitaº tii C s aº aib aº aceea si sans aº de a Ögura printre cele n elemente ale selec tiei S. Metoda selectivaº poate Ö formulataº astfel: se consideraº o colectivitate C; de volum N . Pentru a studia aceastaº colectivitate, Ón raport cu o caracteristica oarecare X ; se face o selec tie reprezentativ a S, de volum n , ob tin‚ndu-se

m arimileº

1

X 1 ;X 2 ; ::: ;X n ;

ce vor reprezenta caracteristica X pentru cele n elemente selectate din colectiv- itatea C:

Procedeele de baz aº folosite Ón metoda selectivaº sunt: selec tia repetat a,º respectiv selec tia nerepetata.º Œn Ñoptica ipotetic a ", aceste marimiº au un caracter aleator (Ónt‚mpla-º tor) deoarece, Ón rolul m arimiiº X i ; ce reprezintaº caracteristica X Ón cazul ele-

(1.1.1)

mentului din extragerea i; i = 1 ; n; poate s aº Ögureze, cu sanse egale, oricare dintre elementele colectivitaº tii C: Caracterul aleator al marimilorº (1.1.1) ( nu- mite variabile aleatoare de selec tie) caracterizeaz aº at‚t teoria selec tiei c‚t si Óntreaga statistic aº matematica.º Vom nota prin

S n (X ) = ( X 1 ; X 2 ; :::; X n )

(1.1.2)

vectorul aleator al variabilelor de selec tie (vectorul aleator de selec tie) iar, dac aº selec tia a avut loc, atunci, vectorul

S n (x) =( x 1 ; x 2 ; :::; x n )2 R n

(1.1.3)

va reprezenta tocmai vectorul numeric (vectorul valorilor variabilelor de selec tie) asociat acestuia. Œn cele ce urmeazaº vom presupune c aº pentru selec tia repetataº S; de volum n , dintre cele n valori ale variabilelor de selec tie, ce constituie coordo- natele punctul real n -dimensional (1.1.3), doar k sunt distincte si, mai mult, pentru a simpliÖca scrierea, admitem c aº acestea sunt ordonate cresc ator.º

selec tie), a unei carac-

teristici de tip discret X ; vom Ón telege un tablou de forma

DeÖni tia 1.1.2 . Prin reparti tia empiric aº (de

X :

x

n

1

1

x

n

2

2

::: x k ::: n

k

; x 1 < x 2 < ::: < x k ;

k

X

i

=1

n i = 1

(1.1.4)

unde x 1 ; x 2 ; ::: ; x k sunt cele k valori de selec tie distincte, n 1 ; n 2 ; :::; n k sunt frecven tele absolute corespunzatoareº acestor valori distincte ( n i reprezintaº num arulº de apari tii ale valorii x i ; printre valorile x 1 ; x 2 ; :::; x n ale variabilelor

de selec tie X 1 ; X 2 ; :::; X n ; i = 1 ; k ) iar n reprezintaº volumul de selec tie. O astfel de reparti tia empiric aº (de selec tie) se mai nume ste si reparti tie de frecven te absolute sau serie statistic aº.

DeÖni tia 1.1.3 . Reparti tia empiricaº (statisticaº sau de selec tie), co-

respunz atoareº unei caracteristici de tip discret X , exprimataº cu ajutorul frecven telor relative, are forma

X : x 1 x 2

f 2

f

1

::: x k ::: f k

; f i = n i ; i = 1 ; k;

n

2

k

X

i

=1

f i = 1

(1.1.5)

unde f i sunt frecven tele relative corespunz atoareº

1 ; k:

valorilor de selec tie x i , i =

Observa tia 1.1.1. Dacaº se are Ón vedere legea numerelor mari , expri-

mataº sub forma teoremei lui Bernoulli , care pune Ón eviden taº convergen ta Ón probabilitate

(1.1.6)

unde f i este frecven ta relativaº a evenimentului A i = ( X =x i ) iar p i = P (A i ) =

f

i

p

! p i ;

P (X =x i ); i = 1; k; atunci reparti tia empiric aº (1.1.5) corespunde unei vari- abile aleatoare de selec tie X : Aceastaº ultim aº precizare motiveaz aº notarea distribu tiei empirice prin m arimeaº X :

Dacaº toate cele n valori ale variabilelor de selec tie X sunt distincte Óntre ele, deci dacaº k = n , atunci variabila aleatoare de selec tie X are o reparti tie de forma

X : x 1

1

n

x 2

1

n

::: x n :::

1

n

;

(1.1.10)

adic aº variabila aleatoare de selec tie X este uniform distribuit aº deoarece n i =

1

f i = n ; i = 1; n:

Observa tia 1.1.2. Œn practic a,º adeseori, se folosesc procentele Ón locul

valorii

frecven telor relative. Astfel, numarulº de selec tie x i ; este dat de formula

de procente i ; corespunzatoareº

i = 100 f i ; i = 1; k;

k

X

i =1

i = 100:

(1.1.12)

Observa tia 1.1.3. Reparti tiile empirice (statistice) prezentate mai sus s-au

referit la caracteristici (variabile aleatoare) de tip discret ale colectivitaº tii C:

Dacaº Óns aº o asemenea colectivitate C se cerceteaz aº Ón raport cu o caracteris- ticaº de tip continuu X , atunci cele n valori ale variabilelor de selec tie vor Ö repartizate pe k intervale disjuncte si de lungimi egale cu d . (Este re- comandabil ca aceste intervale disjuncte s aº Öe de acee si lungime pentru ca frecven tele absolute (relative) asociate lor s aº Öe comparabile Óntre ele.)

DeÖni tia 1.1.4 . Reparti tia empiricaº (statisticaº sau de selec tie), aso-

ciataº unei caracteristici de tip continuu X; este un tablou de forma

X :

respectiv de forma

X :

(l 0 ; l 1 ] n 1

(l 1 ; l 2 ] n 2

(l 0 ; l 1 ] f 1

(l 1 ; l 2 ] f 2

3

(l k 1 ; l k ]

n

k

(l k 1 ; l k ] f k

;

(1.1.13)

;

(1.1.14)

dup aº cum intervalelor (l i 1 ; l i ]; i = 1 ; k; le asociem frecven tele absolute n i ; i =

1 ; k , respectiv frecven tele relative f i ; i = 1; k; unde

k

[

i =1

(l i 1 ; l i ] = (l 0 ; l k ]

(1.1.15)

reprezintaº intervalul Ón care sunt cuprinse toate cele n valori ale variabilelor de selec tie.

Observa tia 1.1.4. O reparti tie empiric aº (de selec tie) asociataº unei carac-

teristici (variabile aleatoare) de tip continuu ce are formele (1.1.13) sau (1.1.14) se poate aduce la formele (1.1.4) sau (1.1.5) dac aº consideramº

x i =

l i 1 + l i

2

,

i = 1 ; k ,

(1.1.16)

adic aº toate cele n i valori ale variabilelor de selec tie, ce apar tin intervalului (l i 1 ; l i ]; se Ónlocuiesc prin valoarea x i ce reprezintaº mijlocul acestui interval.

Observa tia 1.1.5. Pentru a studia o popula tie (colectivitate) cu volum

mare, Ón raport cu o caracteristic aº, vom deosebi dou aº tipuri de variabile aleatoare si anume:

o variabil a aleatoare teoretic a, notataº prin X , necercetataº Ón mod direct, c areiaº Ói corespund func tii si caracteristici numerice teoretice. o variabil a empiric a (de selec t ie ), notataº prin X * ; ce rezultaº pe baza unei selec tii de volum n , variabilaº ce se cerceteaz aº efectiv si c areiaº Ói corespund func tii si caracteristici numerice empirice (de selec tie). Printre obiectivele statisticii matematice Ögureaz aº si problema de a aáa Ón ce m asurº aº func tiile si caracteristicile numerice empirice , ob tinute cu ajutorul unei selec tii de volum n , pot reprezenta (aproxima, estima) func tiile si caracteristicile teoretice necunoscute ale variabilei aleatoa- re teoretice.

DeÖni tia 1.1.6. Se nume ste func tie de reparti tie de selec tie (empir-

ic a)º de volum n , func tia

n

F

(x,! ( n ) ) = F (x)

n

= card fx i : x i < x }

n

=

=

8

0

>
i

daca x x 1

< x i < x x i +1 ; i = n 1

>

:

n

1

daca

daca x > x n :

(1.1.17)

Dacaº Óns aº dintre cele n valori ale variabilelor de selec tie doar k sunt distincte,

atunci rela tia de deÖni tie a func tiei de reparti tie empiric aº prime ste forma ur-

m atoareº

4

n

F

(x,! ( n ) ) = F (x) =

n

8

>

>

<

>

>

:

0

daca x x 1

i

j

1

=1 f j daca

P

x i < x x i +1 ; i = 1; k 1

daca x > x k :

(1.1.18)

Teorema ce urmeaz a,º numitaº si teorema fundamental a a statisticii matematice, reprezintaº suportul teoretic privind folosirea metodei selective Ón cercetarea unei colectivitaº ti statistice.

Teorema 1 :1:1 . (V.I.Glivenko (1933)) Dac aº F (x) este func tia de repar-

n

unei selec tii bernouliene de volum n si F (x)

func tia de reparti tie ce corespunde statisticii (variabilei aleatoare teoretice) X; atunci

ti tie de selec tie corespunzatoareº

unde

P ( lim

n

!1 d n = 0) = 1;

(1.1.20)

d n = sup

x2R jF

n

(x) F (x)j

(1.1.21)

reprezintaº distan ta maxim aº dintre func tia de reparti tie (teoretic a)º F (x) si func tia de reparti tie de selec tie F (x):

n

Cu alte cuvinte, dacaº volumul de selec tie n este destul de mare , atunci func tia de reparti tie empiricaº poate Ö considerataº o bun aº aproximare pentru func tia de distribu tie teoretic a.º

5

Cursul 2

ß 1.2 Momentele empirice ale distribu tiilor statistice [1]

O analiz aº a unei reparti tii empirice (statistice) asociataº unei caracteristici X , Ón raport cu care se studiaz aº o popula tie statistic aº dataº C; prezintaº o ten- din taº de varia tie cu dou aº aspecte: de localizare Ón jurul unei anumite valori si de Ómpr aº stiere . De asemenea, unele reparti tii empirice pot prezenta anu- mite simetrii sau asimetrii Ón raport cu pozi tia de localizare. GraÖcele asociate reparti tiilor empirice prezint aº aceste aspecte numai calitativ. O analiz aº cantita- tiva,º care s aº permitaº o compara tie a tendin telor de localizare si de Ómpraº stiere, se poate efectua numai cu ajutorul unor indicatori statistici determina ti de va- lorile caracteristicilor respective. Asemenea indicatori statistici se pot clasiÖca astfel:

Indicatori de localizare (parametrii tendin tei centrale): media arit- metic a,º media geometric a,º media armonic a,º media p atraticº a,º mediana, moda, valoarea centrala.º Indicatori de varia tie (parametrii variabilit aº tii): dispersia, abaterea medie p atraticº aº (abaterea standard), amplitudinea, coeÖcientul de varia tie. Indicatori pentru asimetrie si aplatizare: coeÖcientul de asimetrie, coeÖcientul de aplatizare (boltire) sau excesul. Asemenea indicatori statistici nu pot reliefa Óntotdeauna anumite particu- larit aº ti (cum ar Ö, spre exemplu, forma (alura)) reparti tiei statistice asociate unei caracteristici X . Acesta este motivul introducerii unor noi caracteristici statistice cum ar Ö momentele ini tiale respectiv momentele centrate de ordinul r; r 2 N :

S aº consideramº variabila aleatoare empiricaº de tip discret X cu dis- tribu tia (reparti tia)

X :

x

n

1

1

x

n

2

2

::: x k ::: n

k

;

k

X

i

=1

n i = n:

(1.2.1)

DeÖni tia 1.2.1. Momentul de selec tie (empiric) de ordiunul r al

deÖnitaº prin rela tia

distribu tiei statistice (1.2.1), notat prin m r ; este o m arimeº

respectiv prin rela tia

m r = 1

n

k

X

i =1

n i x r ; r 2 N;

i

m r = 1

n

n

X

i =1

x r ; r 2 N;

i

(1.2.2)

(1.2.3)

dac aº toate cele n valori ale variabilelor de selec tie sunt distincte.

6

Observa tia 1.2.1. Dacaº reparti tia statistic aº (empiric a)º corespunde unei

caracteristici de tip continuu X ; atunci ea are forma

X : (l 0 ; l 1 ] (l 1 ; l 2 ] ::: (l k 1 ; l k ]

n 2

n 1

:::

n k

;

(1.2.4)

iar reducerea acesteia, la o reparti tie statisticaº de forma (1.2.1), se poate face dac aº toate cele n i valori ale variabilelor de selec tie, ce apar tin intervalului (l i 1 ; l i ]; se Ónlocuiesc prin valoarea x i ce reprezintaº mijlocul acestui interval, adic aº

(1.2.5)

Pe baza acestei observa tii rezultaº c aº rela tiile de deÖni tie (1.2.2) si (1.2.3) se p astreazº aº si Ón cazul reparti tiilor statistice asociate unor caracteristici (variabile aleatoare teoretice) de tip continuu. Particulariz‚nd pe r Ón mul timea N =f0; 1; 2 ; :::) ob tinem, spre exemplu, pentru r = 0 si r = 1, momentele empirice de ordinul zero, m 0 ; respectiv de ordinul unu, m 1 ; deÖnite prin rela tiile:

l i 1 + l i

2

x i =

; i = 1; k:

m 0 = 1

n

k

X

i =1

n i = 1 ;

(1.2.6)

m 1 = x = 1

n

k

X

i =1

n i x i :

(1.2.7)

Momentul empiric de ordinul unu, m 1 ; notat si prin x; se mai nume ste si media empiric a sau media de selec tie, care, de fapt, reprezintaº o medie aritmetic aº ponderataº a celor k valori distincte ale variabilelor de selec tie Ón care ponderile sunt reprezentate de frecven tele absolute corespunz atoareº acestor k valori distincte. Evident, dac aº toate cele n valori ale variabilelor de selec tie sunt distincte

(deci dac aº avem n i = 1 ; i = 1 ; n ); atunci media de selec tie prime ste forma

x = 1

n

n

X

i =1

x i ;

(1.2.8)

adic aº ea este o medie aritmeticaº simpl a.º Observa tia 1.2.2. Œntre media armonic aº h , media geometricaº g si media

aritmetic aº x existaº urm atoareaº

unde

rela tie

h < g < x;

x = 1

n

k

X

i

=1

n i x i ; h =

n

k

P

i

=1

n

i

x

i

7

; g =

v

u

u

n

t

k

Y

i

=1

x n i ;

i

(1.2.9)

(1.2.10)

iar x centrul de grupare al distribu tiei empirice. DeÖni tia 1.2.2 . Modulul empiric (valoarea modal aº empiricaº sau

f

moda empiricaº) al unei distribu tii empirice (statistice), notat prin M 0 ; este acea valoare a variabilelor de selec tie ce corespunde la o frecven taº absolutaº (sau relativa)º maxim a.º

Astfel, dac aº maxf n 1 ; n 2 ; :::; n k g = n i ; (sau max ff 1 ; f 2 ; :::; f k g = f i ); atunci

f

M 0 = x i :

Dacaº distribu tia de selec tie este de tip continuu iar intervalul [l i 1 ; l i ) co-

respunde frecven tei maxime, atunci [l i 1 ; l i ) este intervalul modal iar drept valoare modal aº a acestei distribu tii empirice se consideraº mijlocul acestui interval modal, adicaº

f l i 1 + l i

M 0 = x i =

2

:

(1.2.11)

O evaluare mai bun aº a valorii modale empirice, ce corespunde unei distribu tii

empirice de tip continuu, se ob tine dac aº se au Ón vedere si frecven tele asociate

intervalelor alaturateº

celor n variabile

de selec tie X i ; i = 1 ; n; sunt distincte Óntre ele si dac a,º mai mult, ele sunt ordo-

nate crescator,º

valori (deci care Ómparte acest sir de valori Ón dou aº grupe egale ca num ar),º no-

atunci valoarea care ocup aº locul central Ón acest sir ordonat de

intervalului modal.

DeÖni tia 1.2.3 . Dac aº valorile x i ; i = 1; n , corespunz atoareº

f

tataº prin M e ; se nume ste median a empiric a (de selec tie ): Mediana empiric aº

este o medie de pozi tie si avem

f

M e =

x n+1

;

1

2 x n

2

2

+ x n +1 ;

2

daca n = 2k + 1

daca

n = 2 k

(1.2.12)

DeÖni tia 1.2.4 . Se nume ste medianaº empiricaº (de selec tie) a reparti tiei

empirice uniforme

radº acinaº

unic aº a ecua tiei

X : x 1

1

n

n

F

x 2

1

n

(

M f e ) = 1 2 :

x n

1

n

;

(1.2.13)

(1.2.14)

DeÖni tia 1.2.5. Prin valoarea central aº a unei reparti tii empirice se

Ón telege marimeaº

x c deÖnitaº astfel

 

x c =

x max + x min

2 ;

(1.2.15)

unde x min si x max sunt valorile extreme ale sirului valorilor variabilelor de selec tie.

8

DeÖni tia 1.2.6 . Prin amplitudinea unei reparti tii empirice (statistice)

se Ón telege indicatorul statistic reprezentat de diferen ta dintre valorile extreme x max si x min ; adic aº

W = x max x min :

(1.2.16)

.DeÖni tia 1.2.7 . Prin momentul centrat de selec tie (empiric) de

ordinul r , asociat distribu tiei empirice, vom Ón telege numarulº e r deÖnit astfel

e r = 1

n

k

X

i =1

n i (x i x) r ; r

2 N :

(1.2.17)

Observa tia 1.2.3. Se constataº c a,º de fapt, e r reprezintaº momentul empiric

centrat de ordinul r corespunzatorº distribu tiei empirice

X x : x 1 x x 2 x ::: x k x

n 1

n 2

:::

n k

;

(1.2.18)

distribu tie ce exprim aº abaterile valorilor variabilelor de selec tie Ón raport

cu media de selec tie x .

ce existaº Óntre momentele centrate empirice si momentele empirice

ini tiale sunt de forma:

Leg aturileº

8 > e 0 = 1;

> > > > e 1 = m 1 x = 0;

> > > e 2 =

m 2 (m 1 ) 2 = m 2 x 2 m 3 3m 2 m 1 + 2(m 1 ) 3 = m 3 3xm 2 + 2x 3

< > > > e 4 = m 4 4m 3 m 1 + 6m 2 (m 1 ) 2 3(m 1 ) 4 = m 4 4xm 3 +

e

3 =

> > > > : > +6x 2 m 2 3 x 4 :::::::::::::

(1.2.19)

DeÖni tia 1.2.8. Dispersia empiric aº, sau dispersia de selec tie a unei

distribu tii de selec tie, notataº prin se 2 ; este (prin deÖni tie) momentul centrat empiric de ordinul al doilea, adic aº

se 2 = e 2 = 1

n

k

X

i =1

n i (x i x) 2 = m 2 (m 1 ) 2 :

(1.2.20)

iar abaterea medie patraticº empiricaº) va Ö

aº empiric aº (de selec tie) (abaterea standard

se =

v

u

u

t

1

n

k

X

i =1

n i (x i x) 2 :

(1.2.1)

9

Observa tia 1.2.4. A sa dup aº cum vom vedea, Ón capitolul privind estimarea

punctualaº a parametrilor, dispersia teoretic aº este estimataº absolut corect de c atreº dispersia de selec tie modiÖcat aº s 2 ; o caracteristic aº deÖnit aº astfel

s 2 =

1

n 1

k

X

i =1

n i (x i x) 2 ;

(1.2.22)

iar abaterea medie patraticº tataº prin s; se va exprima astfel

aº empiricaº (de selec tie) modiÖcataº, no-

s =

v

u

u

t

1

n 1

k

X

i =1

n i (x i x) 2 :

(1.2.23a)

DeÖni tia 1.2.9 . CoeÖcientul de varia tie este indicatorul statistic deÖnit

de raportul dintre abaterea standard empiric aº si media de selec tie , adic aº avem

C v = se ; respectiv C v = x coeÖcientul de varia tie modiÖcat.

e

x

s

(1.2.24)

DeÖni tia 1.2.10 . Asimetria empirica,º notataº prin e 1 ; este indicatorul

statistic, asociat unei distribu tii empirice, deÖnit prin raportul dintre momentul centrat empiric de ordinul trei si puterea a treia a abaterii standard empirice, adic aº

(1.2.25)

e 1 = e 3

se 3

:

DeÖni tia 1.2.11 . Excesul (boltirea) unei distribu tii empirice este deÖnit

prin rela tia

e 2 =

e 4 3;

(1.2.26)

se 4 unde e 4 este momentul centrat empiric de ordinul patru iar se este abaterea standard empirica.º

10

Cursul 3

ß 1.3 Problema estim ariiº parametrilor [1] Consideramº o colectivitate statistic aº (Önitaº sau inÖnitaº) C si X una din- tre caracteristicile (proprietaº tile) comune elementelor ei. A sa dup aº cum s-a pre- cizat, o asemenea caracteristic aº X este o variabilaº aleatoare (teoretica)º de tip continuu sau de tip discret. Legea de reparti tie a acestei variabile aleatoare se poate exprima Öe prin func tia (densitatea) de probabilitate, Öe prin func tia de reparti tie care, Ón general, poate s aº depind aº de unul sau mai mul ti parametri.

DeÖni tia 1.3.1. Reparti tia variabilei aleatoare X este speciÖcat aº dac aº se

cunoa ste forma func tionalaº a func tiei (densitaº tii) de probabilitate (respectiv, a func tiei de reparti tie) asociat aº iar parametrii de care depinde sunt necunoscu ti.

DeÖni tia 1.3.2. Reparti tia variabilei aleatoare X este complet speciÖ-

cat aº dac aº se cunoa ste at‚t forma func tionalaº a func tiei (densitaº tii) de proba- bilitate (respectiv, a func tiei de reparti tie) asociat aº precum si to ti parametrii de care depinde.

DeÖni tia 1.3.3 . Reparti tia variabilei aleatoare X vom spune caº este ne-

speciÖcat aº dac aº nu se cunoa ste forma func tionalaº a func tiei (densitate) de probabilitate (respectiv, a func tiei de reparti tie) asociata.º Œn cele ce urmeaz a,º vom presupune c aº variabilaº aleatoare teoretic aº X (necercetataº Ón mod direct) este speciÖcat aº prin func tia densitate de

probabilitate f (x 1 ; x 2 ; :::; x n ; 1 ; 2 ; :::; k ) Ón care parametrii reali j ; j = 1; k sunt necunoscu ti . Studiul colectivit aº tii C, Ón raport cu o asemenea variabilaº aleatoare teore- ticaº X , se va face prin intermediul unei selec tii ( bernoulliene ) reprezenta-

aleatoare (Ñpoten tial observabileî)

tive S n care ne conduce la m arimileº

X 1 ; X 2 ; :::; X n numite variabile aleatoare de selec tie, unde componenta X i ;

a vectorul aleator de selec tie n -dimensional

(1.3.1)

reprezintaº caracteristica X pentru al i-lea element selectat din colectivitatea

S n (X ) = ( X 1 ; X 2 ; :::; X n );

C; i = 1; n . Dacaº selec tia S n a fost efectuat aº si s-au determinat (Ñmasuratîº

) valorile

x i ; corespunzatoareº variabilelor de selec tie X i ; i = 1; n; atunci vectorul real n -dimensional (vectorul valorilor variabilelor de selec tie), asociat vec- torului (1.3.1), va avea forma

(1.3.2)

Dacaº printre cele n componente ale vectorului real x avem doar k; k n componente distincte ce sunt ordonate cresc ator,º adic aº x 1 < x 2 < ::: < x k atunci, Ómpreun aº cu frecven tele absolute (relative) asociate, selec tia reprezen- tativaº S n genereazaº o variabilaº de selec tie X (de tip discret sau continuu)

S n (x) = x = (x 1 ; x 2 ; :::; x n ) 2 R n :

11

care se cerceteazaº efectiv si c areiaº numerice de selec tie .

Ói corespund func tii si caracteristici

Observa tia 1.3.1. Printre obiectivele de bazaº ale statisticii matem-

atice Ögureaz a,º printre altele, si problema privind m asuraº Ón care func tiile si caracteristicile numerice de selec tie pot estima (aproxima) func tiile si caracteristicile numerice teoretice ale variabilei aleatoare teoretice X:

Œn rezolvarea unor astfel de probleme trebuie avutaº Ón vedere urmatoareaº pre- cizare importanta:º Ón timp ce func tiile si caracteristicile numerice teoretice ale colectivit aº tii C, privind caracteristica (variabila aleatoare) X , sunt necunos- cute dar au forme si valori bine determinate, corespondentele lor, ob tinute pe baza unei selec tii S n ; sunt (Ón Ñoptica ipoteticaºî) variabile aleatoare (ele variaz aº de la o selec tie la alta). Suportul teoretic, privind rezolvarea problemei men tionat aº mai sus, este reprezentat de Teorema lui Glivenko. Toate aceste preciz ariº permit acceptarea principiului de bazaº al teoriei selec tiei : variabila (aleatoare) de selec tie X converge Ón reparti tie (Ón lege) c atreº variabila aleatoare teoretic aº X iar caracteristicile numerice ale variabilei de selec tie X converg Ón probabilitate c atreº caracteristicile numerice analoage ale variabilei aleatoare teoretice.

ß 1.4 Estimatori punctuali Œn contextul paragrafelor precedente, Öe

S n (X ) = X = (X 1 ; X 2 ; :::; X n )

(1.4.1)

vectorul de selec tie asociat studiului colectivitaº tii C Ón raport cu o caracteristic aº X:

DeÖni tia 1.4.1. Orice func tie de forma

g = g [S n (X )] = g (X 1 ; X 2 ; :::; X n );

(1.4.2)

se nume ste func tie de selec tie sau statisticaº.

Observa tia 1.4.1. Asemenea func tii de selec tie se pot construi Óntr-un

num arº inÖnit si, mai mult, oricare asemenea statisticaº g (X 1 ; X 2 ; :::; X n ); Ón Ñoptica ipotetic aºî, este o variabilaº aleatoare. Dacaº Óns aº selec tia a fost efectuataº (realizata),º atunci vectorului aleator n-dimensional X =(X 1 ; X 2 ; :::; X n ) i se asociazaº vectorul valorilor vari- abilelor de selec tie ; x =(x 1 ; x 2 ; :::; x n ) 2 R n si avem

g : R n ! R :

(1.4.3)

Valoarea real aº g (x) =g (x 1 ; x 2 ; :::; x n ) ( imaginea punctului x prin func tia g ) este un punct bine determinat pe axa realaº R . Mai mult, Ón Ñoptica ipotetic aºî, un asemenea punct real devine un punct aleator atunci c‚nd se trece de la o selec tie la alta. A sadar, caracterul aleator al statisticii g (X 1 ,X 2 ; :::; X n ) se p astreazº aº si pentru punctele imagine g (x 1 ; x 2 ; :::; x n ) situate pe axa realaº R . Pozi tiile, pe axa realaº R , ale unor asemenea puncte imagine depind de mai

12

mul ti factori cum sunt: tipul selec tiei, volumul de selec tie n , trecerea de la o selec tie la alta, forma func tional aº a statisticii g .

Observa tia 1.4.2. S aº presupunem c aº func tia densitate de probabilitate,

asociataº variabilei aleatoare teoretice X; este speciÖcat aº prin f (x; ); unde este un parametru real necunoscut, 2 D ; D R , D spa tiul parametrului sau spa tiul valorilor admisibile ale parametrului care poate Ö un interval deschis sau o regiune a spa tiului euclidian R k (daca este un parametru vectorial k dimensional). Problema estimariiº parametrului necunoscut constaº Ón a alege, din mul timea inÖnit aº de func tii de selec tie (de statistici), statistica Ñcea mai bunaºî adic aº o statistic aº g (X 1 ; X 2 ; :::; X n ) care Ñse apropie cel mai multî de va- loarea adevaratº aº 0 a parametrului necunocut . Cu alte cuvinte, pentru diferite selec tii, valorile reale corespunz atoareº g (x 1 ; x 2 ; :::; x n ), s aº Öe concentrate Ón jurul valorii adevarateº 0 a parametrului . Din punct de vedere practic putem scrie rela tia

(1.4.4)

0 g (x 1 ; x 2 ; :::; x n ):

Œn Ñoptica ipoteticaºî, o asemenea statistic aº g (X 1 ; X 2 ; :::; X n ) va repre- zenta un estimator pentru parametrul necunoscut iar, dac aº selec tia a fost realizat a,º atunci valoarea realaº g (x 1 ; x 2 ; :::; x n ) este o estima tie a parametrului necunoscut .

DeÖni tia 1.4.2 . Opera tia prin care determin amº (estim am)º valorile para-

metrilor necunoscu ti se nume ste opera tie de estimare a parametrilor . DeÖni tia 1.4.3 . Un estimator punctual pentru parametrul necunoscut

; ce Ögureaz aº Ón densitatea (func tia) de probabilitate f (x; ); este o func tie de selec tie (o statistic a)º de forma

b

(1.4.5)

care depinde de variabilele de selec tie X i ; i = 1 ; n si nu depinde de parametrul necunoscut :

n = g n (X 1 ; X 2 ; :::; X n ) = g (X 1 ; X 2 ; :::; X n )

DeÖni tia 1.4.4 . Dacaº selec tia S n (X ) este realizata,º atunci valoarea real aº

g n (x 1 ; :::; x n ) reprezintaº o estima tie punctual aº pentru parametrul necunoscut si putem folosi aproximarea (1.4.4). Dacaº parametrul necunoscut are o valoare realaº determinataº atunci despre estimatorul punctual b n se mai spune c aº este un estimator condi tionat iar dacaº selec tia S n (X ) este realizat a,º atunci valoarea realaº g n (x 1 ; x 2 ; :::; x n ) reprezintaº o estima tie (condi tionat a)º pentru parametrul necunoscut :

DeÖni tia 1.4.5 . Densitatea de probabilitate asociataº unui estimator

condi tionat se nume ste func tie de verosimilitate si are forma

(1.4.6)

Observa tia 1.4.3. Œn cele ce urmeaz aº vom studia asemenea estimatori

L n (x 1 ; x 2 ; :::; x n ; ) W n (x 1 ; x 2 ; :::; x n ; ) W n (x 1 ; x 2 ; :::; x n j ):

punctuali condi tiona ti (pe care Ói vom numi estimatori condi tiona ti sau,

13

doar estimatori ) care au anumite propriet aº ti cu privire la: consisten ta, nede- plasarea sau deplasarea, eÖcien ta, respectiv suÖcien ta lor .

DeÖni tia 1.4.6 . Statistica (estimatorul condi tionat)

b

n = g n (X 1 ; X 2 ; :::; X n )

este un estimator consistent, pentru parametrul necunoscut ; dac aº are loc convergen ta Ón probabilitate

(1.4.7)

(1.4.8)

Valoarea unui estimator consistent, pentru o selec tie realizata,º se nume ste estima tie consistent aº sau valoarea calculataº a estimatorului consistent .

Aplica tia 1.4.1 . Saº consideramº legea slab aº a numerelor mari (LSNM) ex-

!1 P (j b

lim

n

n j < " ) = 1 ; pentru orice " > 0 :

primataº sub forma lui Ceb‚ sev : Fie (X n ) n 2N un sir de variabile aleatoare independente dou aº c‚te dou aº av‚nd

M (X k ) = m; D 2 (X k ) < L; k 2 N (L constantaº realaº Önita).º

Atunci, pentru orice " > 0; are loc rela tia

n !1 P " n

lim

1

n

X

k

=1

X k m < " # = 1:

(1.4.9)

Conform DeÖni tiei 1.4.6, rela tia (1.4.9) ne arataº c aº media de selec tie

X

= b

n = g n (X 1 ; X 2 ; :::; X n ) = 1

n

n

X

k =1

X

k

(1.4.10)

reprezintaº un estimator consistent pentru parametrul necunoscut ; unde

(1.4.11)

= m = M (X ) = M (X k ); k = 1; n;

Valoarea acestui estimator, pentru o selec tie realizat a,º va reprezenta o esti- ma tie condi tionat aº consistentaº pentru parametrul necunoscut m media teo- retic aº si putem folosi aproximarea

= m g n (x 1 ; x 2 ; :::; x n ) = x = 1

n

n

X x i ;

k =1

(1.4.10a)

unde x este num arulº

corespunzatoareº

real ce exprim aº media aritmetic aº a valorilor x