Sunteți pe pagina 1din 3

C6 ESTIMRI PRIN INTERVALE DE NCREDERE

( ) X u familie de repartiii cu 1 parametru necunoscut u (ceilali cunoscui).


Estimarea prin intervale de ncredere (EII) presupune existena prealabil a unei
estimri u

punctuale i caut s evalueze ncrederea care se poate avea n aceasta.


1,...,
( )
i i n
X
=
= X eantion cu nlocuire (n volum).
( )
1
g X ,
2
( ) g X statistici.
| coeficient de ncredere (indep. de u

):
( )
1 2
( ( )) P g g u | s s = X X


[ , ]
i s
I u u = interval de ncredere:
1 2
( ), ( )
i s
g g u u = = x x (marginea inf./sup. a lui I)
( )
i s
P u u u | s s =

probab. ca I s conin valoarea estimat u

este egal cu | .
| fcie cresc. de ( )
s i
u u i de n; lim ( ) 1
n
n |

=
( , ) ( , )
i s
I I u u = = + domeniu critic.
( )
P I o u = e

coef. de semnificaie (de risc), 100o nivel de semnificaie.


1 o | = .
( ) ( )
,
i i s s
P P o u u o u u = s = >


i s
o o o = +
Interv. de ncredere cu risc bilateral simetric (asimetric): / 2
i s
o o o = = (
i s
o o = )
I. cu risc unilateral stnga (dreapta):
i
o o = (
s
o o = )
| | c u u =

eroarea de estimare prin I.
i s
o o = c fcie. descresc. de o , n
max
c (eroare maxim)
min
n (volumul minim, necesar pentru a atinge
max
c ).
n domeniul economic, 0.95 | = ; n domeniul tehnicii pn la 0.99 | =
Metode de EII pt. eantioane mici ( 30 n < ): metoda funciei de repartiie (proprii);
metoda funciei strict monotone.
Metoda de EII pt. eantioane mari ( 30 n > ): aproximarea prin repartiia normal
Distribuia X a eantionului necunoscut EII cu inegalitile lui Cebev.

Eantioane mici metoda funciei de repartiie
Metoda funciei de repartiie: - ( ) : [ , ] Y g a b = X , ( ; )
Y
F x u cunoscut
,
i s
r s o o = = ( 1 r s + = ); I simetric 1/ 2 r s = = )
( ; )
i
u | u

fcie. descresctoare n u

, ( ; )
s
u | u

fcie. cresctoare n u

.
[ , ( ; )]
i i
I a u | u =

, Y discret
( ; )
( ) ( ; ) (1 )
j i
j
x
i Y j
x a
P X I P x r
u | u
u |
s
s
e = s

;
Y abs. cont.
( ; )
( ) ( , )d (1 )
i
i Y
a
P X I f y y r
u | u
u | e = =
}


Asemntor pt. [ ( ; ), ]
s s
I b u | u =

.
( [ ( ; ), ( ; )]) 1 ( )
i s i s
P X P X I I u | u u | u e = e

nu depinde de u

.
( ; )
i
u | u

descresc. n u

, ( ; )
s
u | u

cresc. n u


( ; ) a | - x , ( ; ) b | x : [ ( ; ), ( ; )] [ ( ; ), ( ; )]
i s
a x b x Y u | | u | u u | u e e

[ ( ; ), ( ; )] I a b | | = x x
discr. ( [ ( ; ), ( ; )]) P a b u | | | e > x x

; Y abs. cont. ( [ ( ; ), ( ; )]) P a b u | | | e = x x


Obs. 1 n cazul discret, intervalul de ncredere este, de obicei, doar aproximativ.



Exemplul 1. Interval [ , ]
i s
p p asimetric aproximativ, pt. p din B(n,p), cu n cunoscut
( , ) K B n p repart. nr. de succese k n s , de probab. p, n n experimente indep.
( ) / p k n = x estim. pt. p, ( , ), ( , ) 0, ( , ) ( , ) 1 ( 0,1,..., ) r k p s k p r k p s k p k n > + = =
0
(0 ) (1 ) ( , ), ( ) (1 ) ( , ).
k n
j j n j j j n j
n n
j j k
P K k C p p r k p P k K n C p p s k p

= =
s s = s s s = s


( , ) r k p strict descr. ( p ), strict cresc. (k); ( , ) 1 ( , ) s k p r k p = strict cresc. ( p ), strict descr. (k)
(0,1) | e , k np =
i
p ,
s
p soluii sist. ( , ) (1 ), ( , ) (1 ) r k p r s k p s | | s >
Numeric: a) 10 n = , 0.4 p = , cutm [ , ]
s
I p = , cu ([0, ]) 0.95
s
P p | > = . Anexa 2, cu
( , )
( )
B n p
F P X k = s , n liniile cu 10 n = i col. 0.4 p = 0.998 (din F56) cea mai
mic probabilitate 0.95 | > = , corespunztoare lui 7 k = / 7/10 0.7
s
p k n = = = .
b) 10 n = , 0.4 p = , cutm [ , ]
i s
I p p ' ' ' = ; n liniile cu 10 n = i col. lui 0.4 p = 0,006
i 0,988 (din F49 i F56), cu diferena lor mai mare sau egal cu 0, 95; corespund lui
0 k = , 7 k = 0
i
p' = , 0.7
s
p' = . [0, 0.7] I = aproximativ i asimetric fa de p .
Obs. 2 Se pot obine intervale exacte i simetrice, prin
1 2
( , ) Y F k k (Snedcor)

Eantioane mici metoda funciei strict monotone
( ; ) Y g u - = X , strict monoton n u , ( [ , ])
i s
P Y u u e indep. de u

- nr. ( ) a | ,
( ) b | ( 1 | ~ ), ( [ ( ), ( )]) , ( [ ( ), ( )]) P Y a b P Y a b | | | | | | e > e = (Y discr./abs. cont)
( , ) a x | - , ( , ) b x | , [ ( ; ), ( ; )] [ ( ; ), ( ; )]
i s
a x b x Y u | | u | u u | u e e

[ ( ; ), ( ; )] I a b | | = x x
Exemplul 2. Intervale pentru media , cu dispersia cunoscut
2
( , ) X N o , estim. pt ,
2
o cunoscut;
1,...,
( )
i i n
X
=
= X eantion de volum n.
1
( ) /
n
i
i
X g X n
=
= =

X . Cutm
s
, ( ) 1
s
P o | < = = . C4
2
( , / ) X N n o
( ) /( / ) Z X n o = (0,1) N indep. de ( ) 1
/
P z z
n
o o

o |
o
| |
< = u = =
|
\ .
.
A.6 z
o

s
z
n
o
o
= + , ( , )
s
I = . / 2
i s
o o o = =
, / 2 i s
z
n
o
o
=
| | c = eroarea estimrii
/ 2 / 2
, z z
n n
o o o o
o o
c c = =
max
c dat
2 2
( ) ( / 2) / 2
min min
( ) ( / 2)
max max
,
z z
n n
o o o o
o o
o o
c c
( (
| | | |
( ( = =
| |
( (
\ . \ .
( (
,
(
(
rotunjire prin exces
Algoritm: 1) Pt.
max
c dat, se calculeaz
( )
min
n
o
sau
( / 2)
min
n
o
, apoi se alege mrimea efectiv n
a eantionului, sau se verific dac n pt. eantionul existent > dect
min
n ;
2) se calculeaz z
o
,
o
c sau
/ 2 o
c , precum i
s
sau
, i s
.
Numeric: 1) 2 o = , 0.95 | = ( 0.05 o = ),
( )
max
o
c =
( / 2)
max
0.4
o
c = . Anexa 6 (A46, G48)
z
o
=1.645,
/ 2
z
o
=1.96. ( , )
s
I =
( ) 2
min
(1.645 2/ 0.4) 67.64 68 n
o
( = = =
(
(
(

[ , ]
i s
I ' = simetric
( / 2)
min
n
o
=
2
(1.96 2/ 0.4) ( =
(
96.04
(
(
97 = .

2) 100 n = (acoperitor pt. I , I ' ), 1.5 = 1.645 z
o
= , 1.645 2/ 100 0.329
o
c = = ,
1.5 0.329
s
= + =1.829, ( ,1.829) I = ;
/ 2
1.960 z
o
= ,
/ 2
1.96 2/ 100
o
c = = 0.392 ,
,
1.5 0.392
i s
= , (1.108,1.892) I' = .
Exemplul 3 Intervale pentru media , cu dispersia necunoscut
2
( , ) X N o , estimare,
2
o necunoscut,
2
s cunoscut, / / T X Y o = ( ) t n
( , , z t s
o o
o )
, / 2
,
s i s
s s
t t
n n
o o
= + = ,
/ 2 / 2
,
s s
t t
n n
o o o o
c c = = ,
Numeric 100, 1.5, 2, 0.95 n s | = = = = a) 1.66, 0.332, ( ,1.832) t I
o o
c = = = ;
b)
/ 2 / 2
1.984, 0.397, (1.103,1.897) t I
o o
c ' = = = (Atenie, ( ) t n nu se poate calcula
min
n !)
Eantioane mari intervale prin aproximarea normal
( ) X u ,
1,...,
( )
i i n
X
=
= X ,
ln ( )
( ) , ( 1,..., )
i
i
X
Y i n
u
u
u
c
= =
c
,
1
( ) ( )
n
i
i
Y Y u u
=
=

.
1,...,
{ } ( )
i i n
X SK
=
e , ( 1,..., )
i
X X i n =
1,...,
{ } ( )
i i n
Y SK
=
e ,
i
Y Y , 0( 1,..., )
i
Y
i n = =
2
0
Y
o > , Curs 4 (T limit central, C4) n
1
( ) /( / ) (0,1)
F
n
n i Y
i
Z Y n N o
=
=


Y strict monoton n u se aplica metoda funciei strict monotone; u

estimare
[ , ]
s
I u =
1
(1 ) z
o
o

- = u ,
X
s
z
n
o
o
u u ~ +

; [ , ]
i s
I u u = sim.
,
X
i s
z
n
o
o
u u ~

.
Exemplu 4 (p din B(n,p)) ( , ) X B n p , n cunoscut, [ , ]
i s
I p p ' = ,


, 5 k np i nq = = >
Curs 4 (teorema limit central, C5), [ , ]
s
I p = (1 ) /
s
p p z p p n
o
~ + .
s
p dependent de p p nloc. cu p
, / 2
/ , /
s i s
p p z pq n p p z pq n
o o
~ + ~ .
| | p p c = eroarea estimrii,
0 0
1 q p =
/ 2 / 2
/ , / z pq n z pq n
o o o o
c c = =
max
c dat
( ) ( ) 2 ( / 2) ( / 2) 2
min max 0 0 min / 2 max 0 0
( / ) , ( / ) n z p q n z p q
o o o o
o o
c c ( ( = =
( (

min
n dat
min min 0 min min min
, k n p i n k = =
(
(
i se verific dac
min min
, 5 i k > sau nu.
Algoritm 1) Calcul vol. min.: 1.1) Pt.
0
p , 1 | o = i
max
c , se calculeaz
0
q , z
o
,
min
n ,
min
k i
min
i . 1.2)
min min
, 5 i k < eantion insuficient metoda pt. eantioane mici.
2) Construcie interval: 2.1) Pt. n efectiv i

k , cu
min
n n < met. pt. eantioane mici.
2.2) Dac
min
n n > i

k , se calculeaz

i , p , q , c ,
i
p i
s
p [ , ]
i s
p p .
Numeric 1)
0
0.4 p = , 0.95 | = ( 0, 05 o = ),
max max
/ 2
0.1
o o
c c = =
0
0.6 q = ,
a) 0, 05 o = (Anexa 6, A46) 1, 645 z
o
=
( )
min
65 n
o
= ,
( )
min
26 k
o
= ,
( )
min
39 i
o
=
( )
min
n
o

mare. b) / 2 0.025 o = , (Anexa 6, F48)
/ 2
1, 960 z
o
=
( / 2)
min
93 n
o
= ,
( / 2)
min
36 k
o
= ,
( / 2)
min
55 i
o
=
( / 2)
min
n
o
tot mare.
2) Pt. 100 n = ,

40 k =

70 i = , 0.4 p = , 0.6 q =
a) 1.645 0.4 0.6/100
o
c = 0.081 = ,
( )
0.4 0.081 0.481
s
p
o
= + = , ( , 0.481] I =
b)
/ 2
0.096
o
c = ,
( / 2)
0.4 0.096 0.304
i
p
o
= = ,
/ 2
.4 .096 0.496
s
p
o
= + = , [0.304, 0.496] I' =

S-ar putea să vă placă și