CAPITOLUL 13

ELEMENTE DE TEORIA ESTIMAŢIEI

13.1 ESTIMAREA PARAMETRILOR UNEI REPARTIŢII

BREVIAR TEORETIC
Presupunem că studiem o anumită caracteristică a unei populaţii. Vom modela această caracteristică folosind o variabilă
aleatoare X, având legea de repartiţie f (x; θ), unde θ este un parametru necunoscut. Considerăm selecţia X1, X2,......, Xn
efectuată asupra variabilei aleatoare X şi dorim ca pe baza acestei selecţii să evaluăm parametrul θ din legea f (x; θ).
Se numeşte estimator al parametrului θ o statistică θn(X1, X2,......, Xn) determinată pe baza unei metode de estimare.
Valoarea luată de statistica θn(X1, X2,......, Xn) pentru valori bine determinate x1, x2,...., xn ale variabilelor X1, X2,......, Xn se
numeşte estimaţie a parametrului θ
Definiţia 1. Spunem că statistica θn(X1, X2,......, Xn), este un estimator nedeplasat al parametrului θ dacă
M  n  X 1 , X 2 ,....., X n   
Statistica θn(X1, X2,......, Xn) este un estimator deplasat al parametrului θ dacă M   X , X ,....., X   .
n 1 2 n n 

Definiţia 2. Spunem că statistica θn(X1, X2,......, Xn) este un estimator absolut corect al parametrului θ dacă
M  n  X 1 , X 2 ,....., X n    şi D n  X 1 , X 2 ,....., X n    0 .
n 

Definiţia 3. Spunem că statistica θn(X1, X2,......, Xn) este un estimator corect al parametrului θ dacă
M  n  X 1 , X 2 ,....., X n      şi D  X , X ,....., X   0 .
n  n 1 2 n n 
Definiţia 4. Spunem că statistica θn(X1, X2,......, Xn) este un estimator consistent al parametrului θ dacă θn converge

în probabilitate la θ, adică   0, lim P       1 .
n 
n 
Definiţia 5. Spunem că statistica θn(X1, X2,......, Xn) este un estimator eficient al parametrului θ dacă este absolut corect şi
1 , unde   ln f  X ,     2 ln f  X ,  
D n  X 1 , X 2 ,....., X n   I    M     M  
n  I         2 
 
Propoziţia 1. Orice estimator absolut corect este consistent.
Propoziţia 2. a) Media de selecţie este un estimator absolut corect pentru media m a oricărei populaţii.
b) Dispersia de selecţie este un estimator corect pentru dispersia σ2 a oricărei populaţii.
c) Dispersia de selecţie corectată este un estimator absolut corect pentru dispersia σ2 a oricărei populaţii

METODE DE ESTIMARE A PARAMETRILOR UNEI REPATIŢII

A. Metode de estimare punctuală

1. Metoda momentelor
Presupunem că legea de repartiţie f (x; θ1, θ 2,...., θ k ) a variabilei aleatoare X depinde de k parametri necunoscuţi:
θ1, θ 2,...., θ k şi că variabila aleatoare X admite momente iniţiale cel puţin până la ordinul k inclusiv.
Aplicarea metodei momentelor constă în parcurgerea următoarelor etape:
I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn
II. Rezolvăm sistemul mr  mr* , r  1, k
Dacă sistemul are soluţii reale, atunci acestea sunt estimaţii ale parametrilor θ1, θ 2,...., θ k
2. Metoda verosimilităţii maxime
Aplicarea acestei metode constă în parcurgerea următoarelor etape:
I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn.
Px1 , x2 ,..., xn ; 1 , 2 , . . ., k    f x j ; 1 , 2 , . . ., k .
II. Construim funcţia de verosimilitate: n

j 1

III. Logaritmăm funcţia de verosimilitate: Lx1 , x2 ,..., xn ;1 , 2 , ..., k   ln Px1 , x2 ,..., xn ;1 , 2 , ..., k 
IV. Rezolvăm sistemul: Lx1 , x2 ,..., xn ;1 , 2 , ..., k  şi obţinem estimaţiile de maximă
 0, j  1, k
 j
verosimilitate: ˆ  ˆ x , x ,..., x , j  1, k ale parametrilor θ1, θ 2,...., θ k.
j j 1 2 n
V. Verificăm faptul că estimaţiile găsite asigură maximul funcţiei de verosimilitate.
 Elemente de teoria selecţiei. Selecţii din populaţii normale 245

B. Estimarea prin intervale de încredere a parametrilor m şi σ2 ai unei repartiţii N (m, σ)

1. Interval de încredere pentru parametrul m când σ este cunoscut

 
xz   m  xz  
1 n 1 n
2 2
2. Interval de încredere pentru parametrul m când σ este necunoscut
s s
x t    m  xt  
1  ; n 1 n 1  ; n 1 n
2 2
3. Interval de încredere pentru parametrul σ2
n  1s 2   2  n  1s 2
 2

2

1  ; n 1 ; n 1
2 2

PROBLEME REZOLVATE

1. Să se arate că media de selecţie este un estimator absolut corect pentru media m a oricărei populaţii.
Rezolvare:
Verificăm cele două condiţii din definiţia 2.
1)
  1 n  1 n 1 n
M X  M   X i    M X i    m   n  m  m
1
 i 1
n  n i 1 n i 1 n
2)
  1 n  1 n 1 n 2 1
D X  D  X i   2  D X i   2    2  n   2  2 
2
 0
n 
 n i 1  n i 1 n i 1 n n
Rezultă că media de selecţie este un estimator absolut corect pentru media m a oricărei populaţii.

2. Dintr-o populaţie generală s-a extras o selecţie de volum 140, care a condus la rezultatele:
xi 2,6 3,2 3,4 3,5
ni 40 50 30 20
a) Să se determine un estimator nedeplasat pentru media m a populaţiei generale şi estimaţia corespunzătoare.
b) Să se găsească un estimator deplasat pentru dispersia σ2 şi estimaţia corespunzătoare.
Rezolvare:
Am demonstrat la problema precedentă că media de selecţie este un estimator nedeplasat pentru media m.

 X i  X 
Conform propoziţiei din breviarul teoretic, 2 1 n 2 este un estimator corect, deci şi deplasat pentru dispersia σ
2
S 
n
i 1

xi ni xi ni xi  x x  x
i
2

ni xi  x 
2

2,6 40 104 -0,52 0,2704 10,816

3,2 50 160 -0,08 0,0064 0,320
3,4 30 102 -0,28 0,0784 2,352
3,5 20 70 0,38 0,1444 2,888
- 140 446 - - 16,376
n
a) Estimatorul nedeplasat pentru m este X  1  X i , iar estimaţia corespunzătoare este x  140
1  436  3,12
n
i 1

 
n
 1n  X i  X
2
b) Estimatorul deplasat pentru σ este S 2 2 , iar estimaţia corespunzătoare este 16,376
S2   0,117
i 1 140

2. O selecţie de volum 35 a dat estimaţia nedeplasată s2 = 2 pentru dispersia σ2. Să se determine o estimaţie
deplasată a dispersiei.
Rezolvare:

 X i  X 
n
Conform propoziţiei din breviarul teoretic, avem că S 2  1 2 este un estimator corect, deci şi deplasat pentru
n
i 1

 
n 2
dispersia σ2 iar dispersia de selecţie corectată s 2  1 X  X este un estimator absolut corect, deci şi nedeplasat
n 1  i
i 1
pentru dispersia σ2.
246 Matematici aplicate în economie - culegere de probleme

Avem: S
2
n 1 S 2 34
2
    S 2  1,943
s n 2 35

4. Fie X o variabilă aleatoare cu densitatea de repartiţie f ( x,  )  (  2) x 1; x  (0,1);   2

a) Să se determine un estimator al parametrului θ prin metoda momentelor, utilizând o selecţie de volum n.
b) Să se determine o estimaţie a parametrului θ al acestei repartiţii, pe baza valorilor de selecţie: 0,32; 0,28; 0,33; 0,31;
0,27; 0,30; 0,29; 0,28; 0,27; 0,27.
Rezolvare:
a) I. Fie o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn
II. Rezolvăm ecuaţia: m1  m1*  M ( X )  X . (1)
  1
x  3  2
1
M X    xf ( x)dx   x  (  2) x dx  (  2) x dx  (  2)
 1  2

 0 0
 3 0
 3
 
Ecuaţia (1) devine:   2  X    2   X  3 X   1  X  3 X  2 , deci estimatorul parametrului θ obţinut prin
 3
metoda momentelor este ˆ  3 X  2 , iar estimaţia este ˆ  3 x  2
1 X 1 x
10
xj
b) Calculăm media de selecţie: x  0,32  2  0,28  0,33  0,31  3  0,27  0,30  0,29
j 1
  0,292
10 10
Estimaţia parametrului θ pe baza valorilor de selecţie date este ˆ  3 x  2  3 0,292  2  1,5875
1 x 1 0,292

5. Fie X o variabilă aleatoare cu legea de repartiţie f ( x, q)  (1  q)q x ; x  N ; q  (0,1)

a) Să se determine un estimator al parametrului q al acestei repartiţii prin metoda verosimilităţii maxime, utilizând o
selecţie de volum n.
b) Să se determine o estimaţie a parametrului q al acestei repartiţii, pe baza valorilor de selecţie: 11; 9; 11; 12; 10; 10;
9; 12; 10; 11; 12; 10; 11; 11; 10.
Rezolvare:
a) I. Fie o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn.

II. Construim funcţia de verosimilitate:

n

 xj
Px1 , x 2 ,..., x n ; q    f x j ; q    (1  q)q
n n
 (1  q)q  (1  q)q  .....  (1  q)q  (1  q) q
xj x1 x2 xn n j 1

j 1 j 1

III. Logaritmăm funcţia de verosimilitate:

  xj 
n n

 xj
Lx1 , x 2 ,..., x n ; q   ln Px1 , x 2 ,..., x n ; q   ln (1  q) n q j 1   ln 1  q   ln q j 1  n ln 1  q    x j ln q
n n

  j 1
 
IV. Rezolvăm ecuaţia:

Lx1 , x2 ,..., xn ; q 
n
 xj n n  n  n
 0   n  j 1  0  nq   x j  q  x j  0  q n   x j    x j
q 1 q q
j 1 j 1
 
j 1  j 1

n

şi obţinem că estimaţia de maximă verosimilitate a parametrului q este

 xj sau qˆ  x , iar estimatorul de
j 1
qˆ  n 1 x
n   xj
j 1

maximă verosimilitate este qˆ  X

1 X

V. Verificăm faptul că estimaţia găsită asigură maximul funcţiei de verosimilitate.

 Elemente de teoria selecţiei. Selecţii din populaţii normale 247

n n
 xj  xj
 2 Lx1 , x2 ,..., xn ; q  n j 1 n j 1 , deoarece x j  N ,
    0
q 2 q qˆ
1  q 2
q2 1  qˆ  qˆ
2 2

q qˆ

prin urmare qˆ  x este punct de maxim al funcţiei de verosimilitate.

1 x
15
 xj
b) Pe baza valorilor de selecţie date obţinem: x  j 1 2  9  5  10  5  11  3  12 159
   10,6 , prin urmare
15 15 15
estimaţia parametrului q este ˆ x 10,6
q   0,9137
1  x 11,6

6. Fie X o variabilă aleatoare continuă, având densitatea de repartiţie:

 x3 x
 964 e 2  , x  0
f : R  R, f ( x;  )   ,  0

 0, x0
a) Să se estimeze parametrul λ prin ambele metode de estimare punctuală, utilizând o selecţie de volum n.
b) Să se arate că estimatorul obţinut este absolut corect şi eficient.

Rezolvare:

a) Metoda momentelor

I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn

II. Rezolvăm ecuaţia: m1  m1*  M ( X )  X . (1)

 0  
M  X    xf ( x)dx   x  0dx   x  x 4 e  2  dx  1 4  x 4 e  2  dx ;
3 x x

96 96
  0 0
facem schimbarea de variabilă x  t  x  2t; dx  2dt şi obţinem:
2
 
M  X   1 4  2t 4 e  t 2dt    t 4 e  t dt   5   .4! 8
96 3 3 3
0 0

Ecuaţia (1) devine: 8  X şi prin urmare estimatorul parametrului λ obţinut prin metoda momentelor este ˆ  X ,
8
iar estimaţia este ˆ  x
8

Metoda verosimilităţii maxime

I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn

II. Construim funcţia de verosimilitate:

xj

Px1 , x2 ,..., xn ;     f x j ;     96j 4 e

n n 
x3 2

j 1 j 1
n

xj

x 3
1
e  2 
x1
x
e  2   ..... 
3
2
x2
x xn x x ...x  j 1
e  2  1 2 n e  2
3
n
3

964 964 964 96 n 4n

248 Matematici aplicate în economie - culegere de probleme

III. Logaritmăm funcţia de verosimilitate: Lx1 , x 2 ,..., x n ;    ln Px1 , x 2 ,..., x n ;   

 
n n

x j x j
 x x ...x 3  j 1 
 
n
j 1 n  xj
 ln  1 2n 4 nn e 2    ln  x x ... x  3
 ln 96 n
 ln  4n
 ln e
 2
 3 ln  x j  n ln 96  4n ln   j 1
2
 96 
1 2 n
 j 1
 

Lx1 , x2 ,..., xn ;  
n
 xj n
IV. Rezolvăm ecuaţia:  0   4n  j 1 2  0  8n   x j  0 şi obţinem
  2 j 1
n

 xj
că estimaţia de maximă verosimilitate a parametrului λ este ˆ  j 1
 ˆ  x , iar estimatorul de maximă
8n 8
verosimilitate este ˆ  X
8
V. Verificăm faptul că estimaţia găsită asigură maximul funcţiei de verosimilitate.

 2 Lx1 , x 2 ,..., x n ;  
n
 xj
 4n
 j 1 ˆ x
 4n  642  n x  5123   2562 n  0 , deci   8
2 2  3
x x x
  ˆ   8x
este punct de maxim al funcţiei de verosimilitate.

b) Verificăm condiţiile din definiţia estimatorului absolut corect:

    n 
 
M X  81 M  1n  X j   81n  M X j   81n  M  X   81n  8 
n n n
1) M ˆ  M X
8
1
8
 j 1  j 1 j 1 j 1

 81n 8n   . Am obţinut că M ˆ   

2)

X 1 1 1 n
D ˆ  D   D X  D  X j  
 1 n
64  n j 1  64n j 1
 
2 
DX j  
1 n
 D X   64n 2  nD X   64n
64n 2 j 1
1 D( X )
 8  64

 
 0  
M X 2   x 2 f ( x)dx   x 2  0dx   x 2  x 4 e  2  dx  1 4  x 5 e  2  dx ;
3 x x

96 96
  0 0
cu schimbarea de variabilă x  t  x  2t; dx  2dt obţinem:
2
 
M X2   1
964  2 t  e 2 dt  23  t e dt  23 6  23
5 t 5 t 2 2 2
.5!  80 2 
0 0

 D( X )  M ( X 2 )  M 2 ( X )  802  642  162


Revenind, găsim că D ˆ  D( X )  16   , deci lim D ˆ  lim  2
2 2
0
64n 64n 4n n n 4n
Din 1) şi 2) rezultă că estimatorul este absolut corect.

Dovedim că estimatorul găsit este eficient. Deoarece am verificat că este absolut corect, rămâne de verificat condiţia:


D ˆ 
1 , unde
n  I  
  2 ln f  X ,    . Avem:
I     M  
 2 

ln f  X ;    ln X 3

964
e 
 2X

 3 ln X  ln 96  4 ln   2X ;
 ln f  X ;  
  4  X 2 ;
 2

 2 ln f  X ;  
 2

 42  X3  I    M 42  X3   42  13 M  X    42  82  42
  
     


2
Rezultă că 1
  D ˆ , prin urmare estimatorul este eficient.
n  I   4n
 Elemente de teoria selecţiei. Selecţii din populaţii normale 249

7. Fie X o variabilă aleatoare având repartiţie Poisson de parametru θ.

a) Să se determine un estimator al parametrului θ al acestei repartiţii prin ambele metode de estimare punctuală,
utilizând o selecţie de volum n.
b) Să se determine o estimaţie a parametrului θ al acestei repartiţii prin ambele metode de estimare punctuală, pe baza
valorilor de selecţie: 1, 2, 3, 3, 2, 2, 1, 4, 2, 3.
c) Să se studieze calităţile estimatorului obţinut.
Rezolvare:

a) Legea de probabilitate a variabilei aleatoare X este f x;   e    , x  N .

x

x!
Metoda momentelor
I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn
II. Rezolvăm ecuaţia: m1  m1*  M ( X )  X . (1)
Folosind faptul că media unei variabile aleatoare X cu repartiţie Poisson de parametru θ esteM  X    , ecuaţia (1)
devine:   X şi prin urmare estimatorul parametrului θ obţinut prin metoda momentelor este ˆ  X , iar estimaţia este

ˆ  x .
Metoda verosimilităţii maxime

I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn

II. Construim funcţia de verosimilitate:

n

xj  xj
      
n n x1 x2 xn j 1

Px1 , x 2 ,..., x n ;    f x j ;   e    e    e    .....  e    e n 

x j! x1! x2 ! xn ! n
j 1 j 1
 x j!
j 1
III. Logaritmăm funcţia de verosimilitate: Lx1 , x 2 ,..., x n ;    ln Px1 , x 2 ,..., x n ;   
 n

 xj  n

 xj
 
j 1 n n
   ln  x j !  n   x j ln   ln  x j !
n
 n  n
 ln e  n  ln e  ln  j 1

 
 j 1 j 1 j 1
 x j !
 j 1 

IV. Rezolvăm ecuaţia: Lx1 , x2 ,..., xn ;   0  n  j 1  0  n 

n
 xj n
 x j  0 şi obţinem că:
 
j 1
n

 xj
estimaţia de maximă verosimilitate a parametrului θ este ˆ   ˆ  x , iar
j 1

n
estimatorul de maximă verosimilitate este ˆ  x .
V. Verificăm faptul că estimaţia găsită asigură maximul funcţiei de verosimilitate.
n n

 2 Lx1 , x2 ,..., xn ;   xj  xj ˆ
 j 1
  ˆ 2  0 , deoarece x j  N , prin urmare   x
j 1 este punct de
 2 2 
 ˆ  ˆ
maxim al funcţiei de verosimilitate.

b) Estimaţia parametrului θ prin ambele metode de estimare punctuală este ˆ  x .

10

 xj
Pe baza valorilor de selecţie din enunţ obţinem: ˆ  x  j 1
 21 4 2  33 1 4  2,3 .
10 10
250 Matematici aplicate în economie - culegere de probleme

 n 
    
n n n
c) 1) M ˆ  M X  M  1  X j   1  M X j  1  M  X   1   1  n  
 j 1
n  n
j 1
n
j 1
n
j 1
n
 

prin urmare M ˆ  

Dˆ   DX   D  X

  1 n
  2  DX j   12  D X   12  nD X   n ,
n n
2) 1
n j  n n n
 j 1  j 1 j 1
unde am folosit că dispersia unei variabile aleatoare X cu repartiţie Poisson de parametru θ este D X    .

n

Rezultă că lim D ˆ  lim   0
n  n

Din 1) rezultă că estimatorul este nedeplasat.

Din 1) şi 2) rezultă că estimatorul este absolut corect.

Deoarece am văzut că estimatorul este absolut corect, putem cerceta eficienţa, verificând condiţia:

D ˆ 
1 , unde
n  I  
  2 ln f  X ,  
I     M  
 
  2 
  X 
ln f  X ;   ln  e    ln e   ln  X  ln X !   X ln   ln X !
 X ! 
 
 ln f  X ; 
 1  X ;
 
 2 ln f  X ;   X  1
  2  I     M   2   2 M  X   2   
X 1 1
 2
      

Rezultă că 1 

  D ˆ , prin urmare estimatorul este eficient.
n  I   n

8. Fie X o variabilă aleatoare având repartiţie uniformă de parametri a şi b.

Să se estimeze cei doi parametri ai acestei repartiţii prin metoda momentelor, utilizând o selecţie de volum n.
Rezolvare:
Densitatea de probabilitate a variabilei aleatoare X este: 

1 , x  [ a , b]
şi
f ( x; a, b)   b  a ,a  b

 0 , x  [ a, b]
ab a 2  ab  b 2
M (X )  ; M (X 2) 
2 3

I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn

II. Rezolvăm sistemul: mr  mr* , r  1,2 , adică:

a  b
 m1*
m1  m1*  M  X   m1*  2
     2
m2  m2*  M X 2   m2*  a  ab  b  m *
2

 3
2

Notăm ab  s şi a  b  p şi sistemul devine: s  2m1

*
s  2m1*

 2
s  p  3m2
*
 p  4(m1* ) 2  3m2*
 Elemente de teoria selecţiei. Selecţii din populaţii normale 251

t 2  2m1*  t  4(m1* ) 2  3m2*  0  t1,2  m1*  M 1  4(m1* ) 2  3m2*  m1*  3m2*  (m1* ) 2   m1*  S 3 unde am
2

notat S  m*  (m* ) 2 . Cum a < b, obţinem că estimatorii parametrilor a şi b ai repartiţiei uniforme sunt:
2 1

aˆ  X  S 3, bˆ  X  S 3 .

9. Fie X o variabilă aleatoare având o repartiţie normală de parametri m şi σ2. Să se estimeze cei doi parametri ai
acestei repartiţii prin metoda verosimilităţii maxime, utilizând o selecţie de volum n.
Rezolvare:
( x  m) 2
1 
Densitatea de repartiţie a variabilei aleatoare X este f ( x; m,  )  e 2 , x  R
2

 2
I. Considerăm o selecţie de volum n: X1, X2,......, Xn, cu valorile de selecţie x1, x2,...., xn
II. Construim funcţia de verosimilitate:
n ( x j m )2
( x j m )2  
Px1 , x2 ,..., xn ; m,    f x j ; m,   
n  n
1 1 2 2
e 2 2
 e j 1

j 1  2  n 2 
n
j 1 2

III. Logaritmăm funcţia de verosimilitate: Lx1 , x 2 ,..., x n ; m,    ln Px1 , x 2 ,..., x n ; m,   

 n ( x m)

2

j
 
  n ln   ln 2   2 
1 2 2 n 1 n
 ln  e j 1
( x j  m) 2
  n 2  2
n
 2 2 j 1
 
IV. Rezolvăm sistemul:

 Lx1 , x2 ,..., xn ; m,   1 n  n
 0   ( x j  m)  0  m  1  xj
  2
n
 m  j 1  j 1
  
 L  x , x ,..., x ; m,   n
 n  1  ( x  m) 2  0  2  1  n
1 2 n
0 ( x j  m) 2

     3 j  n
 j  1  j  1
şi obţinem estimaţiile de maximă verosimilitate ale parametrilor m şi σ2:
mˆ  x

 2 1 n
ˆ  n  ( x j  x)  S
2 2
 j 1
V. Verificăm faptul că estimaţiile găsite asigură maximul funcţiei de verosimilitate, folosind matricea hessiană:

  2 Lx , x ,..., x ; m,    2 Lx1, x2 ,..., xn ; m,    ; obţinem:

 1 2 n
 m2 m 
H m,     
  Lx1, x2 ,..., xn ; m,    2 Lx1, x2 ,..., xn ; m,   
2
  m 
  2

 n 
  n2  23  ( x j  m)  , prin urmare
   j 1 
H m,     
n n
  2  ( x  m) n  2
 ( x  m) 
2
  3 j 1 j  2  3 j 1 j
 
 n 
  n2  3  ( x j  x)  
2
, unde am folosit
 S S
j 1    S2
n 0 
H mˆ , ˆ    
  
n
  2  ( x  x)
n  0  n2 
 ( x j  x)  
n  2 2
S 
 S 3 j 1 j S2 S3
j 1
 
faptul că n n n n 2
. Rezultă că    n2  0;   n 4  0,
 ( x j  x)   x j   x   x j  n x  0 1 S 2 S
j 1 j 1 j 1 j 1

deci estimaţiile găsite realizează maximul funcţiei de verosimilitate.

252 Matematici aplicate în economie - culegere de probleme

10. Se cunosc rezultatele a 16 măsurători ale unui unghi oarecare, pentru care s-au obţinut valorile exprimate în grade:

xi 26,2 26,7 26,8 26,9 27,0 27,2

ni 3 2 4 3 1 3

În ipoteza că rezultatele măsurătorilor urmează o lege N(m,3) se cere un interval de încredere 95% pentru media m.
Rezolvare:
Deoarece σ este cunoscut, intervalul căutat este:  
xz   m  xz  
1 n 1 n
2 2

Avem: x  1 (3  26,2  2  26,7  4  26,8  3  26,9  1  27  3  27,2)  26,78

16
1    0,95    0,05  z   z 0,975 1,96
1
2
Obţinem: 26,78  1,96  3  m  26,78  1,96  3  25,31  m  28,25
16 16

Rezultă că intervalul (25,31; 28,25) acoperă cu probabilitatea 0,95 valoarea parametrului m.

11. S-a constatat că greutatea pieselor fabricate de o maşină automată poate fi asimilată cu o variabilă aleatoare X
repartizată N(m,σ). Efectuând o selecţie constând din 12 piese, obţinem următoarele valori, exprimate în kilograme:
5,2; 5,8; 5,6; 5,2; 5,8; 5,2; 5,6; 5,5; 5,8; 5,2; 5,6; 5,8.
Să se determine un interval de încredere 0,98 pentru media m a variabilei aleatoare X.
Rezolvare:
Interval de încredere pentru media m dacă σ necunoscut este:
s s
x t    m  xt  
1  ; n 1 n 1  ; n 1 n
2 2
Organizăm datele de selecţie astfel:
xi 5,2 5,5 5,6 5,8
ni 4 1 3 4

xi ni xi n i xi  x xi  x2 
ni xi  x 2
5,2 4 20,8 -0,325 0,105625 0,4225
5,5 1 5,5 -0,025 0,000625 0,000625
5,6 3 16,8 0,075 0,005625 0,016875
5,8 4 23,2 0,275 0,075625 0,3025
- 12 66,3 - - 0,765
66,3 1
x  5,525; s 2   0,765  0,0695  s  0,2637 ;
12 11
1    0,98    0,02  t1 2 ; n 1 t 0,99;11 2,718 , deci intervalul de încredere pentru medie este:
0,2637 0,2637
5,525  2,718   m  5,525  2,718   5,318  m  5,731 .
12 12
12. Durata de funcţionare a unui anumit tip de motor poate fi considerată o v.a. X repartizată normal. O selecţie
constând din 24 de astfel de tipuri de motoare conduce la s2 = 0,36. Se cere un interval de încredere 98% pentru dispersia
v.a. X.
Rezolvare:
Intervalul de încredere pentru dispersia σ2 este: n  1 s n  1 s 2
2
 2 
 12  ; n1  2; n1
2 2

n  24, s 2  0,36, 1    0,98    0,02 , deci  2  2  41,18;  2

  2  10,2
0, 99; 23  0, 01; 23
1  ; n 1 ; n 1
2 2
Înlocuind, obţinem: 230,36   2  230,36  0,198   2  0,811
41,8 10,2
 Elemente de teoria selecţiei. Selecţii din populaţii normale 253

PROBLEME PROPUSE

1. Dintr-o populaţie generală s-a efectuat o selecţie de volum 36, care a condus la rezultatele:
xi 21 22 24 25
ni 7 15 9 5
a) Să se determine un estimator absolut corect pentru media m a populaţiei şi estimaţia corespunzătoare.
b) Să se determine un estimator nedeplasat pentru dispersia σ2 şi estimaţia corespunzătoare.
c) Să se determine un estimator deplasat pentru dispersia σ2 şi estimaţia corespunzătoare.
2. O selecţie de volum 14 a dat estimaţia deplasată s2 = 3,14 pentru dispersia σ2. Să se determine o estimaţie
nedeplasată a dispersiei σ2.
3. O selecţie de volum 20 a dat estimaţia nedeplasată s2 = 5 pentru dispersia σ2. Să se determine o estimaţie deplasată
a dispersiei.
4. Fie X o variabilă aleatoare continuă, cu densitatea de repartiţie f ( x,  )   x  1; x  (0,1);   0 .
a) Să se determine un estimator al parametrului θ al acestei repartiţii prin metoda momentelor.
b) Să se determine o estimaţie a parametrului θ al acestei repartiţii, pe baza valorilor de selecţie: 5,6; 4,8; 5,4; 5,1; 5,8;
5,2; 5,9; 5,8; 5,7; 5,7.
5. Fie X o variabilă aleatoare cu legea de repartiţie f ( x, p)  p1  p x 1; x  N * ; p  (0,1)
a) Să se determine un estimator al parametrului p al acestei repartiţii prin metoda verosimilităţii maxime.
b) Să se determine o estimaţie a parametrului p pe baza valorilor de selecţie: 21; 20; 21; 22; 23; 30; 19; 24; 20; 21; 22;
20; 22; 21; 21.
 x 2  3x
6. Fie X o v.a. cu densitatea de repartiţie:  e , x0
f : R  R, f ( x; )   54 3 ,  0
 
 0 , x 0
a) Să se estimeze parametrul θ prin ambele metode de estimare punctuală, utilizând o selecţie de volum n.
b) Să se arate că estimatorul obţinut este absolut corect şi eficient.
7. Fie X o variabilă aleatoare având legea de repartiţie: f x;   e 2  2  , x  N
x

x!
a) Să se determine un estimator al parametrului θ al acestei repartiţii prin ambele metode de estimare punctuală,
utilizând o selecţie de volum n şi să se studieze calităţile estimatorului obţinut.
b) Să se determine o estimaţie a parametrului θ al acestei repartiţii prin ambele metode de estimare punctuală, pe baza
valorilor de selecţie: 8, 7, 9, 8, 5, 7, 4, 9, 7, 8.

8. Să se estimeze cei doi parametri ai repartiţiei f ( x; m,  )    ( x m)2

, xR
2
e

prin metoda verosimilităţii maxime, folosind o selecţie de volum n.
9. Să se estimeze parametrul p al repartiţiei f ( x; p)  Cnx p x (1  p) n x , x  0, n; n  N * ; p  (0,1) folosind
o selecţie de volum n şi să se studieze calităţile estimatorului obţinut.
10. Fie  x2   x

 e , x0
f : R  R, f ( x;  )   23 ,  0
 0, 
 x 0
a) Să se arate că f este densitatea de probabilitate a unei variabile aleatoare X şi să se calculeze media şi dispersia
acestei variabile aleatoare; b) să se estimeze parametrul λ prin ambele metode de estimare punctuală, utilizând o selecţie
de volum n şi să se studieze calităţile estimatorului obţinut.
11. Folosind metoda momentelor , să se estimeze parametrii din repartiţiile:
a) f ( x,  )   e   x ; x  0;   0 ; b) f ( x, )  (1   ) x ; x  (0,1);   0 ;
x

c) f ( x, )   (1   ) x ; x  N ;   (0,1) ; d) x 1e  cunoscut
f ( x,  )  ; x  0;   0;   0
( ) 
12. Să se estimeze prin metoda verosimilităţii maxime parametrul θ al repartiţiilor:
a) f ( x, )   (1   ) x ; x  N ;   (0,1) ; b) f ( x, )  (1   ) x ; x  (0,1);   0 ;
x

x  1e 
1
1  x
c)
f ( x,  )  ; x  0;   0;   0 cunoscut; d) f ( x, )  e 
; x  0;   0
( )  
254 Matematici aplicate în economie - culegere de probleme

13. Să se estimeze parametrul θ pentru fiecare din următoarele repartitţii, folosind ambele metode de estimare
punctuală şi utilizând datele de selecţie corespunzătoare:

f x,   e  , x  0;   0 xk k 1,10  5,7,4,5,6,5,5,4,8,9

x
a) 1  ; ;

f x,   3 e  , x  0;   0 xk k 1,10  3,6,4,2,5,6,4,5,5,4
x
b) x2  ; ;
2
2 1

f x,   x 1 ; x  (0,1);   (1/ 2,1) xk k 1,15  2,4,5,3,5,7,6,4,5,6,5,5,4,3,3
c) ; .
1
x

14. Fie X o v.a. având densitatea de repartiţie:
f x;1 , 2  
1
1
x1 1e  2 ; x  0; 1 , 2  0
 2 (1 )
a) Să se estimeze parametrii 1 şi 2 folosind metoda momentelor, pe baza unei selecţii de volum n.
b) În ipoteza că 1 cunoscut, să se estimeze 2 cu metoda verosimilităţii maxime folosind o selecţie de volum n
15. Să se estimeze parametrul θ al repartiţiei  
, x 

f : R  R, f ( x )   x   1 ,   0,   0
 0, x  

pe baza unei selecţii de volum n şi să se studieze calităţile estimatorului obţinut.
16. Să se estimeze parametrul a al repartiţiei  5a 5
 , xa
f : R  R, f ( x )   x 6 , a0
 0, x  a

pe baza unei selecţii de volum n şi să se studieze calităţile estimatorului obţinut.
17. Fie ax . Să se arate că f este legea de probabilitate a unei v.a. X , să se estimeze
f : N  R, f ( x )  , a0
(a  1) x 1
parametrul a şi să se studieze calităţile estimatorului gặsit.
18. Fie X o v.a. continuă, având densitatea de repartiţie 2  x
2

 xe  , x  0
f : R  R, f ( x; )   ,  0
 0, x  0

Să se estimeze parametrul θ al acestei repartiţii pe baza unei selecţii de volum n.
   1  x

19. Să se estimeze parametrul θ al repartiţiei
 x e  , x0
f ( x )   ;   0,   0
 x0
 0,
pe baza unei selecţii de volum n şi să se studieze calităţile estimatorului obţinut.
20. Folosind ambele metode de estimare punctuală, să se găsească un estimator pentru parametrul p al repartiţiei
binomiale Bi (n, p). Să se studieze calităţile estimatorului obţinut.
21. Fie X o v.a. ce reprezintă grosimea unor plăci metalice. O selecţie de volum 20 a condus la rezultatele:
xi 5,015 5,020 5,025 5,030
ni 5 4 6 5
Dacă X are o repartiţie M (m,2), să se afleun interval de încredere 98% pentru media m.
22. Fie X o variabilă aleatoare având o repartiţie N (m, ). Să se determine un interval de încredere 98% pentru media
m, pe baza selecţiei care a condus la valorile:
i 1 2 3 4 5 6 7 8 9 10
xi 6,4 6,6 6,7 6,8 7,0 7,2 7,3 6,9 6,5 6,3
23. Fie populaţia P, caracterizată de variabila aleatoare X  N (m, ). Să se determine un interval de încredere 98%
pentru dispersia σ2 a populaţiei X, pe baza selecţiei care a condus la următoarele rezultate:
xi 2 3 4 5 6
ni 4 2 6 4 2