Documente Academic
Documente Profesional
Documente Cultură
Metoda momentelor (introdus a de K. Pearson, 1928) presupune estimarea parametrului necunoscut (sau a
parametrilor necunoscuti) ai distributiei populatiei prin egalarea momentelor teoretice cu cele de selectie: 1 =
1 , 2 = 2 ) se scriu attea ecuatii cte sunt necesare pentru determinarea parametrilor necunoscuti).
Estimatorii astfel obtinuti se numesc estimatori de moment / estimatori ai momentelor.
Exemplul 7.1 Presupunem ca 1 reprezinta o selectie dintr-o populatie avnd o distributie exponentiala
cu parametru necunoscut 0. Sa se estimeze prin metoda momentelor.
Densitatea populatiei este n acest caz
0
() =
0 0
Momentul de ordin nti al populatiei este deci
Z Z Z Z
0
1 1
1 = () = () = = = 0
+ = =
0 0 0 0
() = (1 ) ( ) (54)
51
Observatia 7.2 n cazul n care variabila aleatoare este discreta, n formula anterioara densitatea ( ) se
nlocuieste prin probabilitatea ( = ) ca variabila aleatoare sa ia valoarea , si deci n acest caz functia de
verosimilitate devine
() = ( = 1 ) ( = )
= (1 = 1 ) ( = )
= (1 = 1 = )
Exemplul 7.3 O urna contine un numar necunoscut de bile albe si negre. Sa se estimeze probabilitatea a
extragerii unei bile albe din urna.
Consideram o selectie de volum din urna (cu ntoarcerea n urna a bilei extrase nainte de urmatoarea ex-
tragere). Notam cu 1 extragerea unei bile albe din urna si cu 0 extragerea unei bile negre, si deci populatia este n
acest caz descrisa de variabila aleatoare avnd functia de probabilitate
=1
(1 )1 = 0 1
( ) = ( = ) = 1 = 0 =
0 n rest
0 n rest
Daca 1 sunt valorile observate ale variabilelor aleatoare 1 ale selectiei, atunci functia de
verosimilitate este
Y 1
=1
() = (1 ) = =1 (1 )
=1
Sa observam ca deoarece functia logaritm este o functie strict crescatoare, functia () si atinge maximul n
acelasi punct cu functia ln (), si determinam n continuare punctul n care functia ln () si atinge valoarea
maxima.
Punctele critice ale functiei ln () sunt date de ecuatia
! !
ln () X X
= 0 ln + ln (1 ) = 0
=1 =1
!
1X 1 X
= 0
=1 1 =1
X
X
(1 ) + = 0
=1 =1
P
=1
= =
Este usor de observat ca aceasta valoare a lui este un punct de maxim al functiei ln () (si deci si al functiei
de verosimilitate ()), si deci estimatorul de verosimilitate maxima este dat de
P
(1 ) = =1 =
n mod similar calculului din exemplul anterior, n general functiile () si ln () si ating maximul n acelasi
punct . Pentru a determina deci punctul de maxim al functiei de verosimilitate () determin am punctul de
maxim al functiei ln (). Dac
a aceast
a functie este derivabil
a, atunci punctul de maxim este un punct critic, si
deci verific
a ecuatia
X
ln () ln ( )
= 0 = 0 (55)
=1
numit
a ecuatia verosimilit
atii maxime.
52
Exemplul 7.4 Sa se determine parametrul al distributiei Poisson a unei populatii folosind o selectie de volum
din aceasta populatie.
Fie 1 sunt valorile observate ale unei selectii 1 din populatia . Deoarece functia de proba-
bilitate este n acest caz
( ) = ( = ) = {0 1 2 }
!
ecuatia verosimilitatii maxime devine
X
ln () ln ( )
= 0 =0
=1
X
( + ln ln ( !)) = 0
=1
X
1 + =0
=1
1X
+ = 0
=1
P
= =1 =
Obtinem deci estimatorul de verosimilitate maxima
P
(1 ) = =1
=
Are loc urm
atoarea:
Teorema 7.5 Daca exista o estimatie eficienta a parametrului necunoscut , atunci ea coincide cu cu estimatia
de verosimilitate maxima .
ln ( ) = 0 () ( () ) + () + ()
53
Teorema 7.6 Daca exista o estimatie suficienta a parametrului necunoscut , atunciorice estimatie de verosimil-
itate maxima
este o anumita functie de (adica (1 ) = (1 ) ).
Ca o alt
a aplicatie a metodei verosimilit
atii maxime, consider
am urmatorul exemplu.
Exemplul 7.7 Sa se estimeze parametrii distributiei normale N 2 folosind metoda verosimilitatii maxime.
n general,pentru valori mari ale volumului selectiei, metoda verosimilit atii maxime produce un estimator aprox-
imativ corect si eficient, ce are o distributie aproximativ
normal a . Exemplul anterior arat a c
a estimatorul de
verosimilitate maxim c 2 2
a a lui este verific c2 1 2 2
a = , si deci este un estimator aproximativ corect.
O alta proprietate a metodei verosimilit atii maxime este c
a daca b1 b sunt estimatori de verosimilitate
max-
ima a parametrilor 1 , atunci estimatorul de verosimilitate maxim a pentru (1 ) este b1 b .
n exemplul anterior am obtinut
P
= 1 =1 si c2 = 1 P 2 , si deci un estimator de verosimilitate
=1
p q
c P 2
maxim a pentru abaterea p atratic 2
a medie = este dat de b = = 1 =1 .
2
54