SOS HT Punktskattningar. Skattning från stickprovet. 2. Intuitiva skattningar. 3. Skattning som slumpvariabel. slump.

Relevanta dokument
Grundläggande matematisk statistik

Skattning / Inferens. Sannolikhet och statistik. Skattning / Inferens. Vad är det som skattas?

Minsta kvadrat-metoden, MK. Maximum likelihood-metoden, ML. Medelfel. E(X i ) = µ i (θ) MK-skattningen av θ fås genom att minimera

4.2.3 Normalfördelningen

Sensorer, effektorer och fysik. Analys av mätdata

Föreläsningsanteckningar till Linjär Regression

Sensorer och elektronik. Analys av mätdata

En utvärdering av två olika sätt att skatta fördelningen till stickprovsmedelvärden från olikfördelade data - normalapproximation kontra resampling

SF1901 Sannolikhetsteori och statistik I

Föreläsning 2: Punktskattningar

F10 ESTIMATION (NCT )

Lycka till och trevlig sommar!

Uppsala Universitet Matematiska institutionen Matematisk Statistik. Formel- och tabellsamling. Sannolikhetsteori och Statistik

Fördelningen för populationen som stickprovet togs ifrån är känd så nära som på ett antal parametrar, t.ex: N med okända

= α. β = α = ( ) D (β )= = 0 + β. = α 0 + β. E (β )=β. V (β )= σ2. β N β, = σ2

Föreläsning 8, Matematisk statistik 7.5 hp för E Punktskattningar

Parametriska metoder. Icke-parametriska metoder. parametriska test. Icke-parametriska test. Location Shift. Vilket test ersätts med vilket?

Slumpvariabler (Stokastiska variabler)

Matematisk statistik KTH. Formel- och tabellsamling i matematisk statistik

Medelvärde. Repetition. Median. Standardavvikelse. Frekvens. Normerat värde. z = x x

Tentamen STA A15 delkurs 1 (10 poäng): Sannolikhetslära och statistisk slutledning 3 november, 2005 kl

SF1901: SANNOLIKHETSTEORI OCH STATISTIKTEORI KONSTEN ATT DRA INTERVALLSKATTNING. STATISTIK SLUTSATSER. Tatjana Pavlenko.

Matematisk statistik KTH. Formelsamling i matematisk statistik

Matematisk statistik KTH. Formelsamling i matematisk statistik

F19 HYPOTESPRÖVNING (NCT ) Hypotesprövning för en differens mellan två medelvärden

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

Matematisk statistik 9 hp, HT-16 Föreläsning 10: Punktskattningar

Väntevärde, standardavvikelse och varians Ett statistiskt material kan sammanfattas med medelvärde och standardavvikelse (varians), och s.

SF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall) Jan Grandell & Timo Koski

För att skatta väntevärdet för en fördelning är det lämpligt att använda Medelvärdet. E(ξ) =... = µ

SF1901: Sannolikhetslära och statistik. Statistik: Intervallskattning (konfidensintervall)

Statistisk analys. Vilka slutsatser kan dras om populationen med resultatet i stickprovet som grund? Hur säkra uttalande kan göras om resultatet?

SF1901: Medelfel, felfortplantning

Introduktion till statistik för statsvetare

================================================

Föreläsning G04: Surveymetodik

Datorövning 2 Fördelningar inom säkerhetsanalys

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

TAMS65 - Föreläsning 2 Parameterskattningar - olika metoder

Repetition DMI, m.m. Några begrepp. egenskap d. egenskap1

θx θ 1 om 0 x 1 f(x) = 0 annars

Thomas Önskog 28/

Matematisk statistik TMS063 Tentamen

Sannolikhetslära statistisk inferens F10 ESTIMATION (NCT )

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 1)

Matematisk statistik 9.5 hp, HT-16 Föreläsning 11: Konfidensintervall

Något om beskrivande statistik

a) B är oberoende av A. (1p) b) P (A B) = 1 2. (1p) c) P (A B) = 1 och P (A B) = 1 6. (1p) Lösningar: = P (A) P (A B) = 1

Väntevärde för stokastiska variabler (Blom Kapitel 6 och 7)

Föreläsning 7. Statistikens grunder.

Lycka till! I(X i t) 1 om A 0 annars I(A) =

Normalfördelningar (Blom Kapitel 8)

Föreläsning 8, Matematisk statistik 7.5 hp för E, HT-15 Punktskattningar

Föreläsning G70 Statistik A

FORMELSAMLING HT-15 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMS086 & MASB02. Sannolikhetsteori. Beskrivning av data

SAMMANFATTNING TAMS79 Matematisk statistik, grundkurs

Föreläsning G70, 732G01 Statistik A. Föreläsningsunderlagen är baserade på underlag skrivna av Karl Wahlin

Grundläggande matematisk statistik

Fyra typer av förstärkare

Repetitionsföreläsning

Avd. Matematisk statistik

D 45. Orderkvantiteter i kanbansystem. 1 Kanbansystem med två kort. Handbok i materialstyrning - Del D Bestämning av orderkvantiteter

F8 Skattningar. Måns Thulin. Uppsala universitet Statistik för ingenjörer 14/ /17

Avd. Matematisk statistik

Tentamen i Statistik, STA A13 Deltentamen 2, 5p 20 januari 2007, kl

PROGRAMFÖRKLARING I. Statistik för modellval och prediktion. Ett exempel: vågriktning och våghöjd

b) Bestäm det genomsnittliga antalet testade enheter, E (X), samt även D (X). (5 p)

4.1 Grundläggande sannolikhetslära

TAMS65 - Föreläsning 2 Parameterskattningar - olika metoder

Tentamen för kursen. Linjära statistiska modeller. 22 augusti

EXEMPEL PÅ FRÅGESTÄLLNINGAR INOM STATISTIK- TEORIN (INFERENSTEORIN):

Intervallskattning. c 2005 Eric Järpe Högskolan i Halmstad. Antag att vi har ett stickprov x 1,..., x n på X som vi vet är N(µ, σ) men vi vet ej

Tentamen MVE301 Sannolikhet, statistik och risk

MS-A0509 Grundkurs i sannolikhetskalkyl och statistik Exempel etc., del II

F9 Hypotesprövning. Statistikens grunder 2 dagtid. p-värden. Övning 1 från F8

(a) Skissa täthets-/frekvensfunktionen och fördelningsfunktionen för X. Glöm inte att ange värden på axlarna.

Föreläsning 9, Matematisk statistik 7.5 hp för E Konfidensintervall

Föreläsning 11, FMSF45 Konfidensintervall

F4 Matematikrep. Summatecken. Summatecken, forts. Summatecken, forts. Summatecknet. Potensräkning. Logaritmer. Kombinatorik

Formler och tabeller i statistik

LÖSNINGAR TILL. Räkningar: (z i z) 2 = , Δ = z = 1 n. n 1. Konfidensintervall:

Föreläsning G04 Surveymetodik 732G19 Utredningskunskap I

f(x) = 2 x2, 1 < x < 2.

Finansiell Statistik (GN, 7,5 hp,, HT 2008) Föreläsning 4 (del 2)

Repetition. Repetition. Repetition. X: slumpvariabel (s.v.) betraktas innan ett försök är genomfört. x: observerat värde efter försöket är genomfört.

FORMELSAMLING HT-18 MATEMATISK STATISTIK FÖR B, K, N, BME OCH KEMISTER; FMSF70 & MASB02. Sannolikhetsteori. Beskrivning av data

Betrakta kopparutbytet från malm från en viss gruva. För att kontrollera detta tar man ut n =16 prover och mäter kopparhalten i dessa.

b) antalet timmar Lukas måste arbeta för att sannolikheten att han ska hinna med alla 112 datorerna ska bli minst (3 p)

Orderkvantiteter vid begränsningar av antal order per år

SF1915 Sannolikhetsteori och statistik 6 hp. χ 2 -test

Lufttorkat trä Ugnstorkat trä

LÖSNINGAR TILL. Matematisk statistik, Tentamen: kl FMS 086, Matematisk statistik för K och B, 7.5 hp

En kvalitetskontroll - Snustillverkaren Fiedler & Lundgren kvalitetstestas Av: Andreas Timglas

FÖRSÖKSPLANERING. och utvärdering av försöksresultat med den matematiska statistikens metoder. av Jarl Ahlbeck

Datorövning 2 Fördelningar inom säkerhetsanalys

Avd. Matematisk statistik

Korrelationens betydelse vid GUM-analyser

SF1901 Föreläsning 14: Felfortplantning, medelfel, Gauss approximation, bootstrap

TAMS65 - Föreläsning 1 Introduktion till Statistisk Teori och Repetition av Sannolikhetslära

Antalet sätt att välja ut r objekt bland n stycken med hänsyn till ordning är np r = n(n 1) (n r + 1).

Transkript:

Puktskattgar SOS HT10 Puktskattg uwe@math.uu.se http://www.math.uu.se/~uwe/sos_ht10 1. Vad är e puktskattg och varför behövs de? 1. Jämförelse: saolkhetstoer statstkteor 2. Itutva ( aturlga ) skattgar 3. Skattg som slumpvarabel 4. Egeskaper hos skattgar 1. Vätevärdesrktghet 2. Kosstes 3. Effektvtet 5. Metoder för att htta recept för skattgar 1. Mometmetode 2. * Maxmum-Lkelhood- Metode 3. * Msta-Kvadrat-Metode 6. Skattgar för olka fördelgar (tabell) 7. Medelfelet (tabell) 1 2 1. Saolkhetsteor X~N μ, σ 2 ;, käda P a < X b = X~N 70, 5 2 ; vkt P 65 < X 75 68% ------------------------------------------------------- Statstkteor X~N μ, σ 2 ;, okäda x = x 1, x 2,, x stckprov X~N μ, σ 2 ; vkt μ = x skattg för ------------------------------------------------------- Skattg frå stckprovet X~B, p ; P X = 0, p käda = X~B, p ; p okäd x = atalet lyckade, stckprov X~B 10, 0.05 ; 10 försök P X = 0 = 0.95 10 X~B 10, p ; 10 försök p = x skattg för p Stckprovet kallas slumpmässgt om alla mätvärde är oberoede 3 4 2. Itutva skattgar 3. Skattg som slumpvarabel Att skatta medelvärdet för e N-fördelg pga. stckprovet x = x 1, x 2,, x μ = x = 1 x Att skatta varase för e N-fördelg pga. stckprovet x = x 1, x 2,, x s 2 = 1 1 x 2 x Att skatta adele p för e B-fördelg pga. stckprovet x (bara ett värde) slump Iferes p = x 5 Graph: Fogler & LeBlac 2007 Uversty of Mchga 6 1

3. Skattg som slumpvarabel olka umerska värde för olka stckprov, skattge beror av slumpe det kokreta värdet för e skattg, x, är e realsato av e slumpvarabel X μ = x = 1 x p = x μ = X = 1 X p = X 4. Egeskaper hos skattgar 1. Vätevärdesrktghet 2. Kosstes 3. Effektvtet Observatoera x 1, x 2,, x 3 ses som utfall av oberoede s.v. X 1, X 2,, X 3 som atas ha alla samma fördelg. 7 8 Vätevärdesrktg skattg: E θ = θ E Exempel: vätevärdesrktg skattg 2 X ~ N, * skattar med X * 1 1 1 EX E X EX 1 1 E μ = μ E vätevärdesrktg skattg θ är väl kocetrerad krg det saa värdet θ Skattge ger rätt parametervärde geomsttet om ma gör ett stort atal försök 9 vätevärdesrktgt! 10 Kosstet skattg Kosstet skattg Skattge kocetreras mer och mer krg det saa värdet är stckprovet blr större och större, dvs. är växer 11 12 2

Effektvtet: lte varas θ är effektvare ä θ om V θ < V θ Effektvtet: lte varas 13 14 Exempel: Effektvtet för två skattgar 5. Metoder för att htta ett recept för e skattg 15 16 Mometmetode Mometmetode för B(,p) Teoretska 1:a mometet = Stckprovets 1:a momet E X = 1 x E X = 1 x p = x 1 beror på parameter som ska skattas geomstt av alla observatoer (mätvärde) p är parameter som ska skattas bara e observato (e proporto mätt) p = X 17 18 3

Maxmum-Lkelhood-Metode L(μ = 100, σ = 7) = 0,007 L(μ = 100, σ = 10) = 0,0104 L(μ = 110, σ = 12) = 0,000021 Maxmum-Lkelhood-Metode Ide: välj parametrara så att mätvärdea blr mest plausbla. 19 20 Msta-kvadrat-metode N Q θ = x E X 2 N mätvärde (stckprov) M E X beror av ågo parameter θ X~B(, p) där p ska skattas E X = p bara ett värde stckprovet: x 1 Q p = x 1 p 2 dq dp = 2 x 1 p = 0 p = x 1 21 Parametrska puktskattgar Fördelg Param. Skattg för parameter Metod Kursbok X~N μ, σ 2 μ μ = X ML, MK, MM 289 X~N μ, σ 2 σ 2 S 2 = 1 1 S xx MM, ML 277, 290 X~N μ, σ 2 σ S = S 2 ML X~Po μ μ μ = X X~B(, p) p p = X X~Hyp N,, p p p = X 291 Am. 7.14 MM, MK, ML 295 ML 293 MM, MK, ML 294 X~Exp = 1 X ML 282 X~U 0, θ θ θ = + 1 max X ML 284 X = =1 X S xx = X X 2 22 Parametrska puktskattgar, forts. Fördelg Param. Skattg för parameter Metod Kursbok X~N μ x, σ 2 Y~N μ y, σ 2 X 1 ~B 1, p X 2 ~B 2, p μ x μ x = X ML 289 μ y μ y = Y ML 289 σ 2 S 2 = S xx + S yy x 1 + y 1 ML 292 p p = X 1 + X 2 1 + 2 ML 293 7. Medelfelet ger e uppfattg av osäkerhete skattge större medelfel större osäkerhet ju mdre stadardavvkelse för e skattg, desto bättre skattge medelfelet ger ett umerskt värde för dea stadardavvkelse, det är e skattg av stadardavvkelse(!) X 1 ~Po t 1 X 2 ~Po t 2 = X 1 + X 2 t 1 + t 2 ML Problem 7.2.19 X = X S xx = X X 2 =1 23 24 4

25 26 Medelfelet för skattg av e proporto Medelfelet... fås geom att ersätta okäda parametrar formel för stadardavvkelse med deras skattgar: Förd. att skatta estmator N μ, σ 2 X Stadardavv. estmator σ ersätta σ s Medelfelet hos estmator d = s B, p p x p 1 p p p obs p obs 1 p obs 27 28 29 30 5

31 6