MA Curs 2 Statistic

1
Selecie

Variabila aleatoare de selecie (variabil empiric)

x1
X* : 1

x2
2
n

... x k
k
...
n

x 1 ,..., x k =valorile distincte ; frecvenele lor absolute = 1 ,..., k a. 1 ... k n .

Momente de selecie (empirice).
a) Media de selecie : MX *

not
x x 2 ... x n
1 k
x j j X sau X 1

n j1
n

b) Moment de selecie de ordin r : M r X *

c) Dispersia de selecie DX *

1 k r
x j j
n j1

not
1 k
x j X 2 j s2 sau

n j1

s 2 M X 2 M 2 X
d) Dispersia modificat de selecie s 2

1 k 2
x j j X2

n j1

1 k
x j X 2 j , s 2 n s 2

n 1 j1
n 1

Dac n e mare, atunci cele dou valori sunt aproximativ egale. Pentru n 30 se folosete
dispersia modificat de selecie.
e) Abaterea medie ptratic

s2

n Excel abaterea s = STDEVP

abaterea modificat s = STDEV
n Mathcad, dac datele sunt n vectorul X, atunci
X = mean(X)
dispersia de selecie s 2 = var(X)
dispersia modificat de selecie s 2 = Var (X)
abaterea s= stdev(X)
abaterea modificat s = Stdev(X)
mediana = median(X)
modulul = mode(X)
Observaie. Dac datele sunt mprite n intervale, atunci se nlocuiesc valorile x j cu
mijloacele intervalelor x *j .

Teorem. Dac X1 ,..., X n e o selecie de volum n dintr-o populaie normal N m, 2 , atunci

a) Y

Xm
/ n

are o repartiie normal standard N0,1 .

b) variabila aleatoare t

Xm
are o repartiie Student cu n 1 grade de libertate,
s / n

MA Curs 2 Statistic
unde s 2 este dispersia modificat de selecie.

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. Considerm c informaiile obinute caracterizeaz ntreaga populaie. Acestui
fenomen i se asociaz un model matematic (o repartiie cunoscut). 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.

Pentru a stabili ce model teoretic se asociaz seleciei comparm reprezentarea grafic a

datelor cu graficele densitilor de repartiie ale repartiiilor cunoscute sau putem ine cont de
urmtoarele:
Observaii.

Repartiia Poisson se aplic n cazul evenimentelor relativ rare:

- numr piese defecte pe zi, urmrite ntr-un interval de timp

-numr de clieni ntr-un interval de timp
- numr apelri linii telefonice
- numr vehicule ntr-o intersecie
- numr accidente ntr-un interval de timp

Repartiia exponenial se aplic timpilor de funcionare/defectare ale unor

piese

Repartiia binomial se aplic pentru

sondaje de opinie

proporia de piese defecte dintr-un lot

promovarea examenelor

testarea unui medicament

Repartiia normal se aplic la

rezultatele msurrii unei mrimi fizice

controlul calitii

risc de contaminare

erori

MA Curs 2 Statistic
- productivitatea muncii

rat de defectare

Repartiia Pareto se folosete n asigurri.

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 anumit probabilitate.
Estimaii punctuale ale parametrilor
Teorem. Media de selecie aproximeaz media teoretic.
Consecin. Pentru orice repartiie care depinde de un singur parametru, valoarea acestuia
poate fi estimat din relaia MX X (adic egalnd media teoretic cu media de selecie).
a) Pentru repartiia Poisson Po avem MX X
b) Pentru repartiia geometric

1
MX X
p

c) Pentru repartiia binomial p X

d) Pentru repartiia exponenial X
Metode de estimare punctual a parametrilor
I Metoda momentelor
-

x1
Fie X* : 1
n

Fie X

x2
2
n

... x k
k
...
n

variabila aleatoare de selecie.

variabila aleatoare teoretic asociat seleciei, cu densitatea de repartiie

f : IR IR , f f x, 1 ,..., p , unde 1 ,..., p sunt parametrii necunoscui ce trebuie

aflai.

MX MX *

2
2
M X M X *
Pentru a afla 1 ,..., p rezolvm sistemul

M X p M X * p

Pentru a afla un singur parametru folosim ecuaia MX MX * MX X

MX X
MX MX *
Pentru a afla doi parametrii folosim sistemul

2
DX DX *
DX s
Exemplu. Se dau datele

xj

32

33

34

35

36

Frecv 1/20 4/20 3/20 5/20 3/20

37
4/20

MA Curs 2 Statistic
rel

a) S se calculeze media i dispersia de selecie.

b) S se estimeze parametrii repartiiilor Poisson, geometric, exponenial, uniform,
normal pe baza acestei selecii.
Rezolvare. a) X 34,85 i s 2 2,328 (vezi curs 1)

Pentru repartiia Poisson Po avem MX X 34,85

Pentru

repartiia

MX X

geometric

media

teoretic

este

MX

1
p

Din

1
1
34,85 p
p
34,85

Pentru repartiia exponenial media teoretic este MX X 34,85

Pentru a afla cei doi parametrii ai repartiiei uniforme sunt necesare i suficiente dou
ecuaii
a b

MX MX * 2

2
DX DX *
b a

12

a X 3 s 2
a b 2X

2
2
ab X 3s
2

b X 3 s 2
s

a 34,85 2,64
a 32,2
a 34,85 6,984

b 34,85 2,64
b 37,5
b 34,85 6,984

Pentru a afla parametrii m i ai repartiiei normale rezolvm sistemul

m X
MX MX *
m 34,85

2
DX DX *
1,526
s
X 34.85

1.526
0.3

0.26
Y
dpois( x, )

dgeom x,

0.2

dexp( x, )
dnorm( x,

, )

0.1

dunif ( x, 32.2 , 37.5)

0
32
32

33

34

35
x

36

37
37

MA Curs 2 Statistic

5
II Metoda verosimilitii maxime

Definiie. Fie X1 , X 2 ,..., X n o selecie de volum n

Fie X

variabila aleatoare teoretic asociat seleciei, cu densitatea de repartiie

f : IR IR , f f x, 1 ,..., p

1 ,..., p sunt parametrii necunoscui ce trebuie aflai.

Definim funcia de verosimilitate

L : IR n IR p IR ,
L x1 , x 2 ,..., x n , 1 , 2 ,.., p f x j , 1 , 2 ,.., p
n

j1

ce reprezint probabilitatea de a obine valorile x 1 , x 2 ,..., x n .

Teorem. n condiiile de mai sus, cea mai bun estimaie a parametrilor 1 ,..., p sunt
valorile pentru care funcia de verosimilitate are valoarea maxim.
Observaie. Punctele de extrem ale funciei L coincid cu cele ale funciei ln L .
Practic
Gsim punctele critice ale funciei ln L rezolvnd sistemul

ln L x 1 , x 2 ,..., x n , 1 , 2 ,.., p
j

0 ,

j 1, p

apoi verificm dac soluia gsit reprezint un punct de maxim pentru ln L .

Exemplu. S se estimeze parametrul al repartiiei Poisson pe baza unei selecii de
volum n care a dat rezultatele x1 , x 2 ,..., x n 0 .
Rezolvare. Repartiia Poisson este
0

Po :

1
e

x
...
, f x, e
...
x!

...

x
x e
...
x!

Formm funcia de verosimilitate

L x 1 , x 2 ,..., x n ,

j1

xe!

f x j,

j1

xj

x1 x 2 ... x n e n
.
x 1! x 2 !...x n !

Atunci ln L x1 , x 2 ,..., x n , n x1 x 2 ... x n ln ln x1!x 2 !...x n ! .

x x 2 ... x n
ln L
n 1

Rezolvm

x x 2 ... x n
ln L
X
0 1
n

Pentru X avem

x x 2 ... x n
2 ln L
1
0,
2

MA Curs 2 Statistic

deci ln L are un punct de maxim. Atunci media de selecie X este un estimator de

maxim verosimilitate pentru .
Exemplu. S se estimeze parametrii m i ai repartiiei normale pe baza unei selecii de
volum n care a dat rezultatele x 1 , x 2 ,..., x n .
Rezolvare. Densitatea de repartiie este f x, m,

1
2
n

Funcia de verosimilitate este L x 1 , x 2 ,..., x n , m,

j1

x m 2
2 2

1
2

x j m 2
22

2
2
notm A x1 m ... x n m . Atunci ln L n ln n ln 2

A
. Rezolvm
2 2

sistemul
ln L
x 1 m ... x n m
0
m 0

n A 0
ln L 0
3

x 1 ... x n

X
m
n
.

A
2
2
s

Punctul m, X, s este punct de maxim pentru funcia lnL. Am demonstrat c media

de selecie X este o estimaie pentru m, iar dispersia de selecie este o estimaie pentru

2 .