Professional Documents
Culture Documents
Tmcs Tibor
Matematikai statisztika
Tmcs Tibor
Publication date 2011
Szerzi jog 2011 Hallgati Informcis Kzpont
Copyright 2011, Educatio Kht., Hallgati Informcis Kzpont
Tartalom
Elsz ................................................................................................................................................. v
Jellsek ............................................................................................................................................ vi
1. ltalnos .............................................................................................................................. vi
2. Valsznsgszmts .......................................................................................................... vi
3. Matematikai statisztika ........................................................................................................ vii
1. Valsznsgszmts ..................................................................................................................... 1
1. Valsznsgi mez .............................................................................................................. 1
1.1. Vletlen esemny ...................................................................................................... 1
1.2. Valsznsg ............................................................................................................. 1
2. Valsznsgi vltoz ........................................................................................................... 3
3. Eloszls- s srsgfggvny ................................................................................................ 3
4. Vrhat rtk, szrsngyzet ................................................................................................. 4
5. Valsznsgi vektorvltozk ............................................................................................... 5
6. Feltteles vrhat rtk ......................................................................................................... 6
7. Fggetlen valsznsgi vltozk ......................................................................................... 7
8. Kovariancia s korrelcis egytthat .................................................................................. 8
9. Nevezetes eloszlsok ............................................................................................................. 9
9.1. Diszkrt egyenletes eloszls ..................................................................................... 9
9.2. Karakterisztikus eloszls .......................................................................................... 9
9.3. Binomilis eloszls ................................................................................................... 9
9.4. Poisson-eloszls ...................................................................................................... 10
9.5. Egyenletes eloszls ................................................................................................. 10
9.6. Exponencilis eloszls ............................................................................................ 11
9.7. Gamma-eloszls ...................................................................................................... 12
9.8. Normlis eloszls .................................................................................................... 13
9.9. Tbbdimenzis normlis eloszls ........................................................................... 15
9.10. Khi-ngyzet eloszls ............................................................................................. 16
9.11. t-eloszls ............................................................................................................... 17
9.12. Cauchy-eloszls .................................................................................................... 18
9.13. F-eloszls .............................................................................................................. 18
10. Nagy szmok trvnyei ..................................................................................................... 20
11. Centrlis hatreloszlsi ttel .............................................................................................. 22
2. A matematikai statisztika alapfogalmai ........................................................................................ 25
1. Minta s mintarealizci ..................................................................................................... 25
2. Tapasztalati eloszlsfggvny ............................................................................................. 26
3. Tapasztalati eloszls, srsghisztogram ............................................................................ 31
4. Statisztikk .......................................................................................................................... 33
3. Pontbecslsek ................................................................................................................................ 37
1. A pontbecsls feladata s jellemzi .................................................................................... 37
1.1. Vrhat rtk becslse ............................................................................................ 39
1.2. Valsznsg becslse ............................................................................................ 41
1.3. Szrsngyzet becslse ........................................................................................... 43
2. Informcis hatr ................................................................................................................ 44
3. Pontbecslsi mdszerek ...................................................................................................... 50
3.1. Momentumok mdszere ......................................................................................... 50
3.2. Maximum likelihood becsls .................................................................................. 52
4. Intervallumbecslsek .................................................................................................................... 56
1. Az intervallumbecsls feladata ............................................................................................ 56
2. Konfidenciaintervallum a normlis eloszls paramtereire ................................................. 56
3. Konfidenciaintervallum az exponencilis eloszls paramterre ........................................ 61
4. Konfidenciaintervallum valsznsgre .............................................................................. 62
5. ltalnos mdszer konfidenciaintervallum ksztsre ...................................................... 63
5. Hipotzisvizsglatok ..................................................................................................................... 65
1. A hipotzisvizsglat feladata s jellemzi ........................................................................... 65
1.1. Null- illetve ellenhipotzis ...................................................................................... 65
1.2. Statisztikai prba terjedelme s torztatlansga ...................................................... 65
iii
Created by XMLmind XSL-FO Converter.
Matematikai statisztika
iv
Created by XMLmind XSL-FO Converter.
Elsz
Ez a tananyag az egri Eszterhzy Kroly Fiskola matematikai statisztika eladsaibl kszlt, melyet
elssorban matematika tanr szakos s programtervez informatikus hallgatknak sznunk.
Az sszelltsnl alapvet szempontknt szerepelt a kevesebb tbb elve. Ez azt jelenti, hogy nem volt cl a
matematikai statisztika sszes fontos gnak ismertetse, ehelyett arra trekedtnk, hogy a taglalt tmakrk
trghatak legyenek az egy flves kurzus alatt.
Tbb helyen emltnk mrtkelmleti fogalmakat, felttelezvn, hogy az Olvas ezeket mr ismeri.
A Valsznsgszmts cm fejezet nem kerl ismertetsre a kurzus idejn. A clja azoknak a fontos
fogalmaknak az sszefoglalsa, melyekre szksgnk lesz a matematikai statisztika megrtshez. Ennek
tismtlst az Olvasra bzzuk. Ezen fejezet msik clja, hogy a valsznsgszmts s a matematikai
statisztika szhasznlatt s jellseit sszehangoljuk. A jellseket kln is sszegyjtttk.
A szksges defincikon, tteleken s bizonytsokon tl, elmleti szmtsokat ignyl feladatokat is
megoldunk. Ezek gyakorlatilag olyan ttelek, amelyeknek a bizonytsn rdemes nllan is gondolkodni,
mieltt a megoldst elolvasnnk.
Ehhez a tananyaghoz kapcsoldik Tmcs T. [17] jegyzete, amely a gyakorlati rk tmit dolgozza fel. Itt
szmtgppel megoldhat gyakorlatokat tallunk. Ezt a szles krben elterjedt Microsoft Office Excel 2007
program magyar nyelv vltozatval vgezzk. A statisztikban szoksos tblzatokat nem mellkeljk, mert az
ezekben tallhat rtkeket a gyakorlaton szintn Excel segtsgvel fogjuk kiszmolni.
v
Created by XMLmind XSL-FO Converter.
Jellsek
1. ltalnos
a pozitv egsz szmok halmaza
a vals szmok halmaza
-nek nmagval vett -szeres Descartes-szorzata
a pozitv vals szmok halmaza
rendezett elempr vagy nylt intervallum
kzeltleg egyenl
az
az
fggvny inverze
az
az
mtrix transzponltja
az
mtrix inverze
az
mtrix determinnsa
2. Valsznsgszmts
valsznsgi mez
az
esemny valsznsge
vrhat rtke
feltteles vrhat rtk
feltteles vrhat rtk
szrsa illetve szrsngyzete
kovariancia
korrelcis egytthat
a standard normlis eloszls srsgfggvnye
a standard normlis eloszls eloszlsfggvnye
Gamma-fggvny
az
esemny indiktorvltozja
az -edrend
a
vi
Created by XMLmind XSL-FO Converter.
Jellsek
az
vrhat rtk s
az
az -edrend
Ha valsznsgi vltoz, s
a -vel azonos eloszls valsznsgi vltozk
halmaza, akkor ez azt jelli, hogy
a -beli valsznsgi vltozk kzs eloszlsfggvnye. Pldul
.
3. Matematikai statisztika
statisztikai mez
tapasztalati eloszlsfggvny
a -re vonatkoz minta tlaga (mintatlag)
tapasztalati szrs illetve szrsngyzet
-re vonatkoz tapasztalati szrs illetve szrsngyzet
korriglt tapasztalati szrs illetve szrsngyzet
-re vonatkoz korriglt tapasztalati szrs illetve szrsngyzet
rendezett minta
tapasztalati kovariancia
tapasztalati korrelcis egytthat
paramtertr
a
Fisher-fle informcimennyisg
likelihood fggvny
loglikelihood fggvny
a
paramter becslse
nullhipotzis, ellenhipotzis
illetve
1. fejezet - Valsznsgszmts
Ennek a fejezetnek a clja, hogy tismteljk a valsznsgszmts azon fogalmait s jellseit, amelyek
szksgesek a matematikai statisztikhoz. Az itt kimondott lltsokat s tteleket nem bizonytjuk,
felttelezzk, hogy ezek mr ismertek a korbban tanultak alapjn.
1. Valsznsgi mez
1.1. Vletlen esemny
Egy vletlen kimenetel ksrlet matematikai modellezsekor azt tekintjk esemnynek, amelyrl egyrtelmen
eldnthet a ksrlet elvgzse utn, hogy bekvetkezett-e vagy sem. gy az, hogy egy esemny bekvetkezett,
logikai tlet. Ebbl a logika s a halmazelmlet ismert kapcsolata alapjn az esemnyeket halmazokkal
modellezhetjk.
Ha egy ksrletben az s halmazok esemnyeket modelleznek, akkor az
bekvetkezse azt jelenti,
hogy s kzl legalbb az egyik bekvetkezik. Errl egyrtelmen eldnthet a ksrlet elvgzse utn,
hogy bekvetkezett-e, ezrt ez is esemnyt modellez. Msrszt, ha esemny, akkor az ellenkezje is az.
Jelljk ezt -val. Az
biztosan bekvetkezik, ezrt ezt biztos esemnynek nevezzk s -val jelljk.
Ebbl lthat, hogy
az -nak -ra vonatkoz komplementere, tovbb minden esemny az
egy
rszhalmaza. Az adott ksrletre vonatkoz esemnyek rendszert jelljk
-fel, mely teht az
hatvnyhalmaznak egy rszhalmaza.
Ahhoz, hogy az esemnyeket megfelelen tudjuk modellezni, nem elg vges sok esemny unijrl
felttelezni, hogy az is esemny. Megszmllhatan vgtelen sok esemny unijnak is esemnynek kell lennie.
Teht a kvetkez defincit mondhatjuk ki:
1.1. Definci. Legyen egy nem res halmaz s
Tegyk fel, hogy teljeslnek a kvetkezk:
(1)
(2) Ha
rszhalmaza az
hatvnyhalmaznak.
;
, akkor
(3) Ha
, ahol
, akkor
;
.
1.2. Valsznsg
A modellalkots kvetkez lpshez szksg van egy tapasztalati trvnyre az esemnyekkel kapcsolatosan,
melyet Jacob Bernoulli (16541705) svjci matematikus publiklt. Egy dobkockt dobott fel tbbszr
egymsutn. A hatos dobsok szmnak s az sszes dobsok szmnak arnyt, azaz a hatos dobs relatv
gyakorisgt brzolta a dobsok szmnak fggvnyben:
1
Created by XMLmind XSL-FO Converter.
Valsznsgszmts
Bernoulli azt tapasztalta, hogy a hatos dobs relatv gyakorisga a dobsok szmnak nvelsvel egyre kisebb
mrtkben ingadozik krl. Ms vletlen kimenetel ksrlet esemnyeire is hasonl a tapasztalat, azaz a
ksrletek szmnak nvelsvel a figyelt esemny bekvetkezsnek relatv gyakorisga egyre kisebb
mrtkben ingadozik egy konstans krl. Ezt a konstanst a figyelt esemny valsznsgnek fogjuk nevezni.
A tovbbiakban
jellje az
esemny bekvetkezsnek valsznsgt. Knnyen lthat, hogy
minden esetben, a biztos esemny valsznsge 1, illetve egyszerre be nem kvetkez esemnyek
unijnak valsznsge az esemnyek valsznsgeinek sszege.
Mindezeket a kvetkez definciban foglaljuk ssze:
1.2. Definci. Legyen
teljeslnek a kvetkezk:
(1)
mrhet tr s
(2)
, ha
Ekkor a
az
pronknt diszjunktak.
fggvnyt valsznsgnek, a
szmot az esemny valsznsgnek, illetve
rendezett hrmast valsznsgi meznek nevezzk. Ha egy
esetn
teljesl, akkor azt mondjuk, hogy majdnem biztosan teljesl.
Ha
valsznsgi mez, akkor belthat, hogy
valsznsgi mez vges mrtktr.
, gy mrtkelmleti rtelemben a
A valsznsgi mez teht egy vletlen kimenetel ksrletet modellez. De a matematikai statisztikban egy
ilyen ksrletet tbbszr is el kell vgezni egymstl fggetlenl. Ezen fggetlen ksrleteket egyetlen
valsznsgi mezben le tudjuk rni az albbiak szerint.
1.3. Definci. Legyen az
valsznsgi mez,
halmazt,
tovbb
legyen
esetn
olyan
valsznsg,
melyre
minden
az
Valsznsgszmts
2. Valsznsgi vltoz
Egy esemnyt a gyakorlatban legtbbszr a kvetkezkppen szoktunk megadni: Egy fggvnnyel az minden
elemhez hozzrendelnk egy vals szmot, majd megadunk egy
intervallumot. Tekintsk az azon
elemeit, melyekhez ez a fggvny -beli rtket rendel. Az ilyen elemekbl ll halmaz jelentse a vizsgland
esemnyt. Ehhez viszont az kell, hogy ez a halmaz valban esemny legyen. Az olyan fggvnyt, mely minden
intervallumbl esemnyt szrmaztat az elbbi mdon, valsznsgi vltoznak nevezzk.
Bizonythat, hogy elg csak az
alak intervallumok esetn felttelezni, hogy az elbb megadott
halmaz eleme -nek, ebbl mr kvetkezik minden ms intervallum esetn is. sszefoglalva, kimondhatjuk
teht a kvetkez defincit:
1.4. Definci. Legyen
hogy
vltoznak nevezzk.
mrhet tr s
minden
A tovbbiakban az
halmazt a mrtkelmletbl megszokottak szerint
vagy
rvidebben
mdon fogjuk jellni. Az ilyen alak halmazokat nvhalmazainak is szoks nevezni.
Hasonl jellst alkalmazunk helyett ms relcik esetn is. A valsznsgi vltoz ekvivalens a
mrtkelmletbeli mrhet fggvny fogalmval.
3. Eloszls- s srsgfggvny
A valsznsgi vltoz jellemzsre ltalnos esetben jl hasznlhat az gynevezett eloszlsfggvny:
1.5. Definci. Legyen
valsznsgi mez s
vltoz. Ekkor a eloszlsfggvnye
egy valsznsgi
monoton nvekv;
(b)
(c)
(d)
Ha
(2)
(3)
esetn;
minden
minden
pontosan akkor, ha
az
esetn;
pontban folytonos.
3
Created by XMLmind XSL-FO Converter.
Valsznsgszmts
teljesl minden
esetn, ahol
srsgfggvnynek nevezzk.
eloszlsfggvnye. Ekkor
-fet a
esetn;
minden
(2)
1.13. Ttel. Ha
valsznsgi vltoz, melynek
s
, akkor van olyan abszolt folytonos
a srsgfggvnye.
Az
.
Ha a
.
4
Created by XMLmind XSL-FO Converter.
, akkor
Valsznsgszmts
Teht a vrhat rtk a lehetsges rtkeinek az eloszls szerinti slyozott tlagt jelenti. A ksbbiekben
trgyalt Kolmogorov-fle nagy szmok ers trvnye mutatja, hogy bizonyos felttelekkel egy
ksrletsorozatban egy
valsznsgi vltoz rtkeinek szmtani kzepe vrhatan (pontosabban 1
valsznsggel)
-hez konvergl.
1.17. Ttel. Legyen
pontosan akkor vges a vrhat rtke, ha
-nek
tovbb ekkor
1.18. Ttel.
Legyen
abszolt folytonos valsznsgi vltoz,
srsgfggvnye. A -nek pontosan akkor vges a vrhat rtke, ha
melynek
tovbb ekkor
Ha
Ha
nylt intervallum,
olyan
teljesl, tovbb
Borel-mrhet konvex
A valsznsgi vltoz rtkeinek ingadozst az tlag pontosabban a vrhat rtk krl, az gynevezett
szrsngyzettel jellemezzk, amely nem ms, mint az tlagtl val ngyzetes eltrs tlaga.
1.22. Definci. A valsznsgi vltoz szrsngyzete illetve szrsa
;
, ahol
5. Valsznsgi vektorvltozk
5
Created by XMLmind XSL-FO Converter.
Valsznsgszmts
1.24. Definci.
Legyenek
tetszleges valsznsgi vltozk. Ekkor a
rendezett elem -est ( -dimenzis) valsznsgi vektorvltoznak nevezzk.
1.25. Definci. A
teljesl minden
fggvny, melyre
1.26. Ttel.
Ha a
srsgfggvnye , s
srsgfggvnynek nevezzk.
olyan rtelemben, hogy a kt oldal egyszerre ltezik vagy nem ltezik, s ha ltezik, akkor
egyenlek.
Legyenek az
, tegyk fel, hogy
Ekkor a
valsznsgi vltozt
vrhat rtknek nevezzk, s
rtket
1.28. Definci. Legyen az
srsgfggvnye , a
legyen
-nak
Ekkor a
valsznsgi vltozt
vrhat rtknek nevezzk, s
rtket
-nak
6
Created by XMLmind XSL-FO Converter.
Valsznsgszmts
minden
esetn teljesl. A
valsznsgi vltozk pronknt
fggetlenek, ha kzlk brmely kett fggetlen. Vgtelen sok valsznsgi vltozt
fggetleneknek nevezzk, ha brmely vges rszrendszere fggetlen.
Szksgnk lesz a valsznsgi vektorvltozk fggetlensgnek fogalmra is. Ehhez bevezetnk egy jellst.
Legyen
egy valsznsgi vektorvltoz s
. Ekkor a
esemny
alatt azt rtjk, hogy a
esemnyek minden
esetn teljeslnek.
1.30. Definci. A
nevezzk, ha minden
teljesl. A
valsznsgi vektorvltozk pronknt fggetlenek, ha kzlk
brmely kett fggetlen. Vgtelen sok valsznsgi vektorvltozt fggetleneknek nevezzk,
ha brmely vges rszrendszere fggetlen.
1.31. Ttel. A
teljesl minden
esetn.
1.32. Ttel.
Legyen
abszolt folytonos valsznsgi vektorvltoz. A
valsznsgi vltozk pontosan akkor fggetlenek, ha
teljesl minden
srsgfggvnye.
esetn, ahol
srsgfggvnye, tovbb
7
Created by XMLmind XSL-FO Converter.
Valsznsgszmts
1.35. Ttel.
Ha
illetve
helyen
1.39. Ttel.
A
minden
Ha a
valsznsgi vltozk esetn ltezik
esetn, akkor
-nek ltezik a szrsngyzete, tovbb
1.40. Ttel. Ha a
szrsngyzeteik, akkor a
minden
1.41. Definci.
egytthatjuk
1.42. Ttel.
Ha
8
Created by XMLmind XSL-FO Converter.
, ahol
Valsznsgszmts
1.43. Ttel.
melyekre
Ha
konstansok,
9. Nevezetes eloszlsok
9.1. Diszkrt egyenletes eloszls
1.44. Definci. Legyen
halmazon.
esemny indiktorvltozjnak az
paramter karakterisztikus
-t
esetn
ksrlet utn
-edrend
Msrszt darab fggetlen paramter karakterisztikus eloszls valsznsgi vltoz sszege -edrend
paramter binomilis eloszls.
1.49. Ttel.
1.1. bra.
esetn
rend
9
Created by XMLmind XSL-FO Converter.
Valsznsgszmts
9.4. Poisson-eloszls
1.50. Definci. Legyen
Ekkor -t
1.2. bra.
1.51. Ttel. Ha
.
egy
10
Created by XMLmind XSL-FO Converter.
. Ha
intervallumon.
intervallumon, akkor
Valsznsgszmts
tovbb
. Ha
esetn
, tovbb eloszlsfggvnye
1.3. bra.
1.4. bra.
1.56. Definci.
11
Created by XMLmind XSL-FO Converter.
Valsznsgszmts
1.57. Ttel.
Egy abszolt folytonos valsznsgi vltoz pontosan akkor rkifj
tulajdonsg, ha exponencilis eloszls.
9.7. Gamma-eloszls
A kvetkezkben szksgnk lesz az gynevezett gamma-fggvnyre:
illetve ha
, akkor
Ekkor -t -edrend
vltozk halmazt
1.6. bra.
srsgfggvnye
rend
1.7. bra.
eloszlsfggvnye
rend
12
Created by XMLmind XSL-FO Converter.
Valsznsgszmts
1.59. Ttel.
esetn
1.60. Ttel. Ha
s
azonos
fggetlen valsznsgi vltozk, akkor
1.61. Lemma.
1.8. bra.
Ha
.
.
paramter exponencilis eloszls
.
eloszlsfggvnye
akkor
grafikonja
13
Created by XMLmind XSL-FO Converter.
Valsznsgszmts
A standard normlis eloszls valsznsgi vltoz eloszlsfggvnyt -vel jelljk, mely a srsgfggvny
defincija szerint
-re nincs zrt formula, kzelt rtkeinek kiszmtsra pldul a Taylor-sora hasznlhat:
Megemltjk mg a
hogy az
kifejezssel
Mivel
egy egyszer kzelt formuljt. Johnson s Kotz 1970-ben bizonytottk (lsd [6]),
esetn
Ha
esetn
, ahol
Valsznsgszmts
esetn
, tovbb eloszlsfggvnye
illetve srsgfggvnye
1.66. Ttel.
Ha
fggetlen, normlis eloszls valsznsgi vltozk, akkor
is normlis eloszls.
1.67. Ttel.
Ha
esetn
tovbb ha
, akkor
, akkor srsgfggvnye
15
Created by XMLmind XSL-FO Converter.
Valsznsgszmts
. Ekkor
pontosan akkor
, akkor ltezik
Ha
, hogy
1.77. Ttel.
fggetlenek, akkor
srsgfggvnye
, azaz
1.78. Kvetkezmny.
esetn
eloszlsa
esetn.
A bizonyts a karakterisztikus fggvnyek elmletn s lineris algebrn alapul (lsd pldul Fazekas I. [2,
161162. oldal]). A gyakorlatban a ttel azt jelenti, hogy
jellssel
1.11. bra.
.
valsznsgi vltoz eloszlsfggvnye
Ha a
.
grafikonja
16
Created by XMLmind XSL-FO Converter.
, akkor
Valsznsgszmts
9.11. t-eloszls
1.81. Definci.
Ha
s
fggetlenek, akkor a
valsznsgi vltozt
szabadsgi fok t-eloszlsnak nevezzk. Az ilyen eloszls
valsznsgi vltozk halmazt
mdon jelljk.
1.82. Ttel. Ha
, akkor a srsgfggvnye
1.83. Kvetkezmny.
s
illetve a
srsg- illetve eloszlsfggvnye.
1.84. Ttel. Ha
, akkor
Ezektl eltr esetekben nem ltezik
minden
esetn
, illetve
vrhat rtke illetve szrsa.
esetn, ahol
esetn
1.12. bra.
1.13. bra.
17
Created by XMLmind XSL-FO Converter.
Valsznsgszmts
1.85. Ttel. Ha
minden
esetn, akkor
minden
-re, azaz a t-eloszls konvergl a standard normlis eloszlshoz, ha a szabadsgi fok tart
-be.
Gyakorlatilag
esetn a
eloszlsfggvnye s
9.12. Cauchy-eloszls
1.86. Definci.
srsgfggvnye
9.13. F-eloszls
1.90. Definci.
Ha
s
fggetlenek, akkor az
valsznsgi vltozt s szabadsgi fok F-eloszlsnak nevezzk. Az ilyen eloszls
valsznsgi vltozk halmazt
mdon jelljk.
1.14. bra.
eloszlsfggvnye
18
Created by XMLmind XSL-FO Converter.
Valsznsgszmts
1.15. bra.
srsgfggvnye
1.91. Ttel. Ha
, akkor a srsgfggvnye
1.92. Ttel. Ha
, akkor
1.93. Ttel.
Ha
.
esetn
, akkor
illetve
esetn
.
1.94. Ttel. Ha
, akkor
mg
1.16. bra.
grafikonja
az
eloszlsfggvnye
vltozban
.
. Ekkor
az vltozban
monoton
nvekv,
tovbb
19
Created by XMLmind XSL-FO Converter.
Valsznsgszmts
1.17. bra.
grafikonja
Specilisan, ha
Ha
minden
Legyen
az
esemny relatv
esetn.
20
Created by XMLmind XSL-FO Converter.
Valsznsgszmts
sugar krnyezett. Az
pontossggal megkzeltette a
VIDE
Az elz videban hasznlt program letlthet innen: valdem.zip
A Bernoulli-fle nagy szmok trvnye megfogalmazhat valsznsgi vltozkkal is. Hajtsunk vgre egy
ksrletet -szer egymstl fggetlenl. Ha egy esemny az -edik ksrletben bekvetkezik, akkor a
valsznsgi vltoz rtke legyen 1, klnben pedig 0. A
valsznsgi vltozk ekkor
paramter karakterisztikus eloszls pronknt fggetlen valsznsgi vltozk, melyeknek a szmtani kzepe
az relatv gyakorisga, msrszt ekkor
s
. gy teht brmely
esetn
minden
esetn.
Teht annak a valsznsge, hogy a valsznsgi vltozk szmtani kzepe a vrhat rtk
krnyezetn kvl legyen, az nvelsvel egyre kisebb, hatrrtkben 0.
sugar
A kvetkez brn darab standard normlis eloszls pronknt fggetlen valsznsgi vltoz szmtani
kzept lthatjuk fggvnyben
-tl
-ig, 20 ksrletsorozat utn.
21
Created by XMLmind XSL-FO Converter.
Valsznsgszmts
A kk vonal jelzi a vrhat rtket (ez most 0), mg a zld vonalak annak
brn lthatjuk, hogy a 20 ksrletsorozatbl 17 esetn a szmtani kzp
vrhat rtket a 29 500-tl 30 000-ig terjed intervallumon.
sugar krnyezett. Az
pontossggal megkzeltette a
VIDE
Kt fggetlen standard normlis eloszls valsznsgi vltoz hnyadosa Cauchy-eloszls. Errl ismert,
hogy nincs vrhat rtke. gy erre nem teljesl a nagy szmok gyenge trvnye. Ezt szemllteti a kvetkez
vide.
VIDE
1.99. Ttel (Nagy szmok Kolmogorov-fle ers trvnye).
azonos eloszls valsznsgi vltozk s
. Ekkor
legyenek fggetlen,
Ez a ttel az elznl ersebb lltst fogalmaz meg. Etemadi (1981) s Petrov (1987) eredmnyeibl kiderlt,
hogy a nagy szmok Kolmogorov-fle ers trvnynek lltsa pronknti fggetlensg esetn is igaz marad.
fggetlen, azonos
minden
esetn.
Specilisan, ha
fggetlenek s paramter karakterisztikus eloszlsak, akkor
egy edrend paramter binomilis eloszls valsznsgi vltoz. Ennek vrhat rtke
s szrsngyzete
. Erre alkalmazva a centrlis hatreloszls ttelt, kapjuk, hogy minden
esetn
22
Created by XMLmind XSL-FO Converter.
Valsznsgszmts
gy nagy
s kicsiny
Legyen
egy
rtkeket, ahol
esetn
esetn
A ksrletsorozatot megismteljk
A kvetkez brn ez lthat
fggvnyben a
esetn.
-nel s
23
Created by XMLmind XSL-FO Converter.
Valsznsgszmts
VIDE
24
Created by XMLmind XSL-FO Converter.
perc.
Ha egy hasonl feladatban a megoldshoz szksges informcik nem mindegyike ismert, akkor azokat neknk
kell tapasztalati ton meghatrozni. A matematikai statisztika ilyen jelleg problmkkal foglalkozik.
A statisztikai feladatokban teht az esemnyek rendszere, pontosabban az
valsznsg nem.
mrhet tr adott, de a
Legyen azon
fggvnyek halmaza, melyekre
valsznsgi mez. Ekkor az
rendezett hrmast statisztikai meznek nevezzk. Az idelis az lenne, ha -bl ki tudnnk vlasztani az igazi t. Sok esetben azonban erre nincs is szksg. Pldul ha az s esemnyek fggetlensgt kell kimutatnunk,
akkor csak azt kell megvizsglni, hogy az igazi -re teljesl-e az a tulajdonsg, hogy
.
A statisztikai feladatokrl azt is fontos tudnunk, hogy azok mindig megfogalmazhatk valsznsgi
(vektor)vltozk segtsgvel. Ennek szemlltetsre tekintsk a kvetkez pldkat.
Dntsk el egy dobkockrl, hogy az cinkelt-e. A problma matematikai modellezsben legyen
, az hatvnyhalmaza s
. Ekkor azt kell kiderteni, hogy
diszkrt egyenletes eloszls-e, azaz teljesl-e az igazi
-re, hogy minden
esetn
.
Az emberek szem- s hajszne fggetlen, vagy van kzttk genetikai kapcsolat? A halmaz elemei legyenek
a haj lehetsges sznei, illetve az halmaz elemei a szem lehetsges sznei. Legyen
s az
hatvnyhalmaza. Ekkor pldul a
elemi esemny modellezze azt, hogy a vletlenl
kivlasztott szemly barna haj s kk szem. Legyen
aszerint, hogy
s
aszerint,
hogy
. Ekkor a
valsznsgi vektorvltoz eloszlst kell meghatrozni,
pontosabban az a krds, hogy az igazi -re teljesl-e, hogy
minden
esetn.
Kt esemny kzl dntsk el, hogy melyiknek nagyobb a valsznsge. Legyen a kt esemny s . Ezen
esemnyek indiktorvltozira teljeslnek, hogy
s
. gy teht azt kell
eldntennk, hogy a kt esemny indiktorvltozi kzl melyiknek nagyobb a vrhat rtke.
1. Minta s mintarealizci
A statisztikban teht egy valsznsgi (vektor)vltozra vonatkozlag kell informcikat gyjteni. Jelljk ezt
-vel. Tegyk fel, hogy az
valsznsgi mezben van rtelmezve, ahol
a valdi (ltalunk
nem ismert) valsznsget jelenti. Az adatgyjtsnek a statisztikban egyetlen mdja van, a -t meg kell
25
Created by XMLmind XSL-FO Converter.
A matematikai statisztika
alapfogalmai
figyelni (mrni) tbbszr, egymstl fggetlenl. Az -edik megfigyels eredmnyt jellje
vletlen rtk, vagyis valsznsgi (vektor)vltoz. Mindez a kvetkezkppen modellezhet.
Legyen
azon fggetlen ksrletek valsznsgi mezje, amely az
fggetlen elvgzst modellezi. Tegyk fel, hogy
-dimenzis. Legyen
Ekkor tetszleges
azaz
azaz a
, amely egy
ksrlet
-szeri
esetn
esetn
Statisztikai feladatokban mintarealizci alapjn szmolunk. Az gy meghozott dnts nem biztos, hogy
megfelel a valsgnak, csak annyit mondhatunk rla, hogy nem mond ellent a mintarealizcinak. Azaz az ilyen
dnts hibs is lehet, gy a vlaszunkban azt is meg kell adni, hogy mi a valsznsge ennek a hibnak.
2. Tapasztalati eloszlsfggvny
Ebben a rszben felttelezzk, hogy egy valsznsgi vltoz (teht nem vektorvltoz) tulajdonsgait kell
megfigyelni. A legjobb az lenne, ha az eloszlsfggvnyt sikerlne meghatrozni. Valjban az elbb
elmondottak miatt -fet meghatrozni a mintarealizci alapjn nem tudjuk, de becslni igen. Egy rgztett
esetn
. Teht egy esemny valsznsgt kell megbecslni. A valsznsg
defincijt a relatv gyakorisg tulajdonsgai sugalltk, gy az a sejtsnk, hogy egy esemny valsznsgt a
relatv gyakorisgval lenne rdemes becslni. A
esemny relatv gyakorisga a -re vonatkoz
minta alapjn knnyen megadhat indiktorvltozkkal:
. Itt
azon
26
Created by XMLmind XSL-FO Converter.
A matematikai statisztika
alapfogalmai
mintaelemek szmt jelenti, melyek kisebbek -nl. A ksbbiekben ltni fogjuk, hogy ez a becsls valban
megfelel lesz szmunkra.
2.3. Definci. Legyen
fggvnyt a
nevezzk.
-re vonatkoz
Az
minden rgztett
esetn egy valsznsgi vltoz. Ha a ksrletsorozatban az
esemny kvetkezett be, azaz a mintarealizci
, akkor az
elemi
hozzrendels egy vals fggvny. Ezt a fggvnyt a tapasztalati eloszlsfggvny egy realizcijnak
nevezzk, de a tovbbiakban a rvidsg kedvrt ezt is csak tapasztalati eloszlsfggvnyknt emlegetjk s
mdon jelljk.
Pldaknt legyen egy dobkockval dobott szm, s a mintarealizci 3, 4, 5, 3, 6, 2, 3, 3, 5, 2. Ekkor
27
Created by XMLmind XSL-FO Converter.
A matematikai statisztika
alapfogalmai
A kk grafikon a valdi eloszlsfggvnyt jelenti, a piros a tapasztalatit. Vegyk szre, hogy a tapasztalati
eloszlsfggvny mindig lpcss fggvny, azaz az rtkkszlete vges. Nevezetesen elem minta esetn az
maximlisan
fle rtket vehet fel. gy felmerl a krds, hogy a lpcss tapasztalati eloszlsfggvny
hogyan nz ki folytonos eloszlsfggvny valsznsgi vltoz esetn. A kvetkez brn egy
-beli
valsznsgi vltozra vonatkoz 10 elem minthoz tartoz tapasztalati eloszlsfggvnyt lthatunk.
A matematikai statisztika
alapfogalmai
A tapasztalati eloszlsfggvny megfelel becslse-e a valdi eloszlsfggvnynek? Az elz pldkban, ahol a
megfigyelsek szma
viszonylag kevs, elg nagy eltrseket lthatunk. De az nvelsvel javul-e ez a
helyzet? A kvetkez Glivenkotl s Cantellitl szrmaz ttel errl ad informcit.
2.4. Ttel (A matematikai statisztika alapttele). Legyen a valsznsgi vltoz valdi
eloszlsfggvnye
s a
-re vonatkoz
elem minthoz tartoz tapasztalati
eloszlsfggvny . Ekkor
azaz
egyenletesen konvergl
Bizonyts.
-en
rgztett
Legyen
olyan,
hogy
Ha
gy
Jelentse
, illetve
azt,
hogy
. Ebbl
jellssel
Legyen
, hogy minden
, hogy
egsz esetn az
-n teljesl, hogy
29
Created by XMLmind XSL-FO Converter.
egsz szm s
A matematikai statisztika
alapfogalmai
Hasonlan teljesl minden
gy
egsz esetn az
teljesl az
-n, hogy
-n, ha
Az elz ttelben fontos az egyenletes konvergencia. Ugyanis ha csak pontonknti lenne, akkor a szmegyenes
klnbz helyein ms s ms sebessg lehetne. gy ebben az esetben a tapasztalati eloszlsfggvny alakjbl
a valdira nem lehetne kvetkeztetni.
A kvetkez kt brn egy Cauchy-eloszls valsznsgi vltozra vonatkoz 200 illetve 10 000 elem
mintnak a tapasztalati eloszlsfggvnyt ltjuk. (Kt fggetlen standard normlis eloszls valsznsgi
vltoz hnyadost nevezzk Cauchy-eloszlsnak.) A kk grafikon a valdi eloszlsfggvnyt jelenti, mg a
piros a tapasztalatit.
2.1. bra.
2.2. bra.
grafikonja
grafikonja
30
Created by XMLmind XSL-FO Converter.
A matematikai statisztika
alapfogalmai
VIDE
Az elz videban hasznlt program letlthet innen: valdem.zip
hozzrendels. (Teht
a mintban az
Ha a ksrletsorozatban az
akkor az
31
Created by XMLmind XSL-FO Converter.
A matematikai statisztika
alapfogalmai
hozzrendelst a tapasztalati eloszls egy realizcijnak nevezzk, de a tovbbiakban a rvidsg kedvrt ezt
is csak tapasztalati eloszlsknt emlegetjk. Ezt clszer vonaldiagrammal brzolni. Ez azt jelenti, hogy az
koordintj pontot sszektjk az
Ugyanezen az brn kkkel felrajzoljuk a valdi eloszlst is, mely jl mutatja a hasonlsgot.
ahol
. Ezutn minden
intervallum fl rajzoljunk egy
-val arnyos magassg
tglalapot gy, hogy a tglalapok sszterlete 1 legyen, azaz a -edik tglalap magassga
srsgfggvnyt kzelti.
32
Created by XMLmind XSL-FO Converter.
A matematikai statisztika
alapfogalmai
Az is fontos, hogy az osztpontok ne helyezkedjenek el tl srn a mintarealizci elemeihez kpest, mert ekkor
egy rszintervallumba tl kevs mintaelem fog esni, s gy nagyon pontatlan lesz a becsls. Azaz ebben az
esetben a srsghisztogrambl nem lehet kvetkeztetni a valdi srsgfggvny alakjra.
Msrszt, ha az osztpontok tl ritkk, azaz a rszintervallumok szma kevs, akkor a srsgfggvny becslt
pontjainak szma tl kevs ahhoz, hogy a srsghisztogrambl kvetkeztetni lehessen a valdi
srsgfggvny alakjra.
A kvetkez brn standard normlis eloszls 1000 elem mintra vonatkoz srsghisztogramot lthatunk
vlasztssal, tovbb a rszintervallumok egyenl hosszsgak.
4. Statisztikk
Tegyk fel, hogy egy ismeretlen eloszls valsznsgi vltoz vrhat rtkt kell meghatrozni. Mivel az
eloszlst nem ismerjk, ezrt a minta alapjn kell becslst adni. A ksbbiekben ltni fogjuk, hogy bizonyos
szempontbl j becslse a vrhat rtknek a -re vonatkoz
minta elemeinek a szmtani kzepe,
azaz
. ltalnosan fogalmazva itt egy olyan fggvnyt definiltunk, amely egy valsznsgi
vltozkbl ll rendezett -eshez egy valsznsgi vltozt rendel. Az ilyen fggvnyeket statisztiknak
nevezzk, s a kvetkezkben kiemelt szerepk lesz.
2.5. Definci. Legyen
szmot
Ha
Borel-mrhet fggvny, akkor
minden rgztett
esetn statisztika.
az
elbbi
statisztika
egy
33
Created by XMLmind XSL-FO Converter.
A matematikai statisztika
alapfogalmai
2.6. Definci. Legyen
egy
valsznsgi vltozra vonatkoz minta. A
kvetkez nevezetes statisztikkat definiljuk:
Bizonyts. Legyen
esetn
34
Created by XMLmind XSL-FO Converter.
A matematikai statisztika
alapfogalmai
Legyen
Ekkor a
nevezzk. (Vegyk szre, hogy
A
, ha
az gynevezett terjedelemkzp.
pratlan, illetve
, ha
pros.
Legyen
. A
%-os tapasztalati kvantilis legyen
, ha
, illetve
, ha
. (Vegyk szre, hogy az 50%-os tapasztalati kvantilis a
tapasztalati medinnal egyenl.) A 25%-os tapasztalati kvantilist tapasztalati als kvartilisnek,
illetve a 75%-os tapasztalati kvantilist tapasztalati fels kvartilisnek nevezzk.
A tapasztalati mdusz a mintaelemek kztt a leggyakrabban elfordul. Ha tbb ilyen is van,
akkor azok kztt a legkisebb.
2.9. Megjegyzs. Az elbbi
statisztikk.
Ha a ksrletsorozatban az
akkor a
szmot is mintatlagnak nevezzk. Hasonlan llapodunk meg minden
nevezetes statisztika esetn. (Azaz pldul
-t is tapasztalati szrsnak nevezzk.)
A kvetkezben a statisztika fogalmt kiterjesztjk arra az esetre, amikor a minta elemei valsznsgi
vektorvltozk.
2.10. Definci. Legyen
vonatkoz minta, tovbb
egy
-dimenzis
valsznsgi vektorvltozra
szmot
az
elbbi
statisztika
egy
35
Created by XMLmind XSL-FO Converter.
A matematikai statisztika
alapfogalmai
Vegyk szre, hogy az elzekben definilt minden nevezetes statisztika szimmetrikus.
Mg tovbb ltalnosthat a statisztika fogalma, ha tbb valsznsgi vektorvltozra vonatkozik.
2.13. Definci.
vonatkoz minta
Legyen
egy
, tovbb
-dimenzis
valsznsgi vektorvltozra
36
Created by XMLmind XSL-FO Converter.
3. fejezet - Pontbecslsek
1. A pontbecsls feladata s jellemzi
Tegyk fel, hogy a vizsglt valsznsgi vltozrl tudjuk, hogy egyenletes eloszls az
de az s paramtereket nem ismerjk. Ekkor a vizsgland statisztikai mez leszkl az
intervallumon,
mezre,
tren,
ahol
s
teljesl minden
olyan
s
valsznsg
esetn.
az
melyre
A pontbecsls feladata ebben az esetben az illetve valdi rtknek becslse. De nem mindig van szksg az
sszes ismeretlen paramterre. Pldul elfordulhat, hogy csak a vrhat rtkre vagyunk kvncsiak. Ekkor
a fenti esetben az
mezre, ahol
olyan valsznsg az
tren, melyre
teljesl minden
s
esetn. A tovbbiakban mindezt gy fogalmazzuk meg, hogy legyen
vizsgland valsznsgi vltoz az
,
statisztikai mezn.
Legyen
egy tetszleges fggvny. A pontbecsls feladata a
valdi rtknek becslse egy
statisztikval. Ezt a statisztikt s annak realizcijt is a
pontbecslsnek nevezzk.
Fontos krds, hogy milyen szempontok szerint vlasszuk ki a pontbecslst megad statisztikt. A kvetkez
termszetesnek tn feltteleket adjuk:
ingadozzon a
valdi rtkhez.
torztatlan becslse, ha
statisztika
37
Created by XMLmind XSL-FO Converter.
Pontbecslsek
minden
torztatlan becslse
-nek brmely
a tapasztalati eloszlsfggvny.
paramter binomilis eloszls valsznsgi
egy -edrend
vltoz. gy
Legyen pldul
valsznsgre
becslse -nek. Msrszt
azaz
torztott becslse.
torztott becslse
torztatlan
-nek.
3.4. Definci.
A
torztatlan becslssorozata, ha minden
, azaz
statisztikasorozat
esetn teljesl, hogy
aszimptotikusan
3.6. Definci.
Legyenek
becslsei
-nak. A
minden
esetn teljesl, hogy
s
hatsosabb becslse
3.7. Definci. A
sszes vges szrs torztatlan becslse kzl a leghatsosabbat a
hatsos becslsnek nevezzk.
Nem biztos, hogy
-nak ltezik hatsos becslse, hiszen egy alulrl korltos szmhalmaznak nem mindig
van minimuma. De ha ltezik hatsos becsls, akkor az majdnem biztosan egyrtelm. Ezt fogalmazza meg a
kvetkez ttel.
3.8. Ttel.
Bizonyts.
Ekkor
Legyen
38
Created by XMLmind XSL-FO Converter.
Pontbecslsek
azaz
Ebbl
torztatlan becslse
kapjuk,
-nak. gy
hatsossga miatt
hogy
. De ez csak gy lehetsges, ha
azaz
.
statisztikasorozat
esetn
-nak konzisztens
3.10. Feladat. Bizonytsa be, hogy ltezik nem konzisztens torztatlan becslssorozat.
Bizonyts. Legyen
, ahol az
ismeretlen. Ekkor torztatlan becslssorozat, hiszen
. gy
azaz
torztatlan becslse
Ha
-nak minden
esetn,
minden
akkor
esetn, s
a
konzisztens becslssorozata.
Bizonyts.
Legyen
Csebisev-egyenltlensg s
. Ekkor
torztatlansga, a
miatt
konzisztens becslssorozata.
3.12. Definci. A
becslssorozata, ha minden
statisztikasorozat
esetn
minden
esetn.
s
39
Created by XMLmind XSL-FO Converter.
, akkor
Pontbecslsek
Bizonyts.
3.15. Feladat. Bizonytsa be, hogy a mintatlag torztatlan becslse a vrhat rtknek.
Bizonyts. Az elz kvetkezmnye
3.16. Feladat. Bizonytsa be, hogy ha
becslssorozata a vrhat rtknek.
vlasztssal.
vges szrs, akkor a mintatlag konzisztens
esetn, akkor
,
brmely
Bizonyts.
. Itt felhasznltuk a szmtani s a ngyzetes kzp kztti relcit, mely szerint tetszleges
esetn
(Ez
Cauchy-egyenltlensgbl
kvetkezik.)
Teht a vrhat rtknek a
alak, gynevezett lineris becslsek kztt a leghatsosabb becslse a
mintatlag. Vajon az sszes vges szrs torztatlan becsls kzl is ez a leghatsosabb, azaz hatsos? A
kvetkez feladat lltsa erre ad ltalnossgban nemleges vlaszt.
3.19. Feladat. Bizonytsa be, hogy ha egyenletes eloszls a
intervallumon
akkor a terjedelemkzp hatsosabb becslse a vrhat rtknek a mintatlagnl.
A
esemny azt jelenti, hogy pontosan
darab mintaelem kisebb -nl. gy
vagy pontosan
40
Created by XMLmind XSL-FO Converter.
vagy pontosan
Pontbecslsek
gy
srsgfggvnye
helyen
esetn
Ebbl
. Teht a terjedelemkzp a vrhat rtk
torztatlan becslse. Most rtrnk a szrs meghatrozsra. A korbbiak alapjn
teljesl minden
esetn. Msrszt az elzekhez hasonl gondolatmenettel
s
egyttes srsgfggvnye
esetn, az
helyen
gy a szrsngyzet:
Mivel
Teht van olyan eset, amikor a vrhat rtknek nem a mintatlag a hatsos becslse. De vajon a mintatlag
sohasem lehet hatsos becslse a vrhat rtknek? A valsznsg becslse sorn ltni fogjuk, hogy pldul
karakterisztikus eloszls esetn az.
Pontbecslsek
3.20. Feladat. Bizonytsa be, hogy egy esemny relatv gyakorisga torztatlan becslse az
esemny valsznsgnek.
Bizonyts. Legyen a vizsglt esemny indiktorvltozja. Ekkor az esemny relatv
gyakorisga -vel egyenl, msrszt vrhat rtke a vizsglt esemny valsznsge. gy az
llts annak a specilis esete, hogy a mintatlag torztatlan becslse a vrhat rtknek.
3.21. Feladat. Bizonytsa be, hogy egy esemny relatv gyakorisga ersen konzisztens
becslssorozata az esemny valsznsgnek.
Bizonyts. Az llts annak a specilis esete, hogy a mintatlag ersen konzisztens
becslssorozata a vrhat rtknek.
3.22. Feladat. Bizonytsa be, hogy egy ismeretlen
valsznsg esemny relatv
gyakorisga hatsos becslse -nek. (Azaz
paramter karakterisztikus eloszls
valsznsgi vltozra vonatkoz mintbl szmolt mintatlag hatsos becslse a vrhat
rtknek.)
Bizonyts. Legyen a vizsglt esemny indiktorvltozja s
egy -re vonatkoz
minta. Ekkor az esemny relatv gyakorisga , tovbb az eddigiek alapjn a torztatlan
becslse. Legyen
tetszleges torztatlan becslse -nek,
azaz
minden
esetn. Ez pedig csak gy lehetsges, ha
esetn. Ebbl az kvetkezik, hogy
minden
42
Created by XMLmind XSL-FO Converter.
Pontbecslsek
Msrszt
-nak
darab
minden
esetn.
miatt
, gy
43
Created by XMLmind XSL-FO Converter.
Pontbecslsek
3.25. Feladat.
Bizonytsa be, hogy a tapasztalati szrsngyzet ersen konzisztens
becslssorozata a szrsngyzetnek.
Bizonyts. A Kolmogorov-fle nagy szmok trvnye miatt
, gy
3.27. Feladat. Bizonytsa be, hogy a korriglt tapasztalati szrsngyzet ersen konzisztens
becslssorozata a szrsngyzetnek.
Bizonyts. Az llts a tapasztalati szrsngyzet ers konzisztencijbl kvetkezik, hiszen
.
2. Informcis hatr
paramter karakterisztikus eloszls valsznsgi vltoz, tovbb a
. Korbban bizonytottuk, hogy
hatsos becslse
-nek. Mivel
ltalnossgban, ha
sszes vges szrs
torztatlan becslsnek szrsa nagyobb vagy
egyenl, mint egy -tl fggetlen rtk, akkor ezt informcis hatrnak nevezzk.
Ennek a szakasznak a clja az informcis hatr meghatrozsa azzal a feltevssel, hogy abszolt folytonos
vagy diszkrt, illetve
, azaz csak egy paramter ismeretlen
. Feltesszk mg, hogy nylt
halmaz. Amennyiben abszolt folytonos, akkor jellje -nek a -bl szrmaz srsgfggvnyt. A -re
vonatkoz minta legyen
, tovbb a rtkkszlete legyen , azaz a mintatr
.
3.28. Definci. A
3.29. Definci. A
feltve, hogy ez a fggvny rtelmezhet. Ellenkez esetben azt mondjuk, hogy a Fisher-fle
informcimennyisg nem ltezik.
3.30. Definci. Legyen
teljesl a bederivlsi felttel, ha
44
Created by XMLmind XSL-FO Converter.
-re
Pontbecslsek
vagy
vges, akkor
. Ebbl
kapjuk, hogy
azaz ekkor -re teljesl a bederivlsi felttel. Megfordtva, ha feltesszk, hogy -re teljesl a
bederivlsi felttel, akkor
Ha
ltezik, akkor
is ltezik s
Bizonyts. Csak abszolt folytonos esetben bizonytunk, de diszkrt esetben analg mdon
jrhatunk el, melyet az Olvasra bzunk. Az
, gy
Ebbl
45
Created by XMLmind XSL-FO Converter.
Pontbecslsek
Msrszt
Ebbl
3.34. Feladat.
Karakterisztikus
informcimennyisget.
Megolds.
Legyen teht
valsznsgi
vltoz,
s
Msrszt
egy
a
eloszls
esetn
hatrozza
meg
Fisher-fle
, ahol
Megolds.
46
Created by XMLmind XSL-FO Converter.
Pontbecslsek
Megolds.
Msrszt
Megolds.
Msrszt
Pontbecslsek
Megolds.
teljesl a bederivlsi felttel.
Teht ekkor
, gy
, azaz
esetn
minden
esetn. A
Bizonyts. Csak abszolt folytonos esetben bizonytunk, de diszkrt esetben analg mdon
jrhatunk el, melyet az Olvasra bzunk. Korbban mr lttuk, hogy az adott felttelekkel
ltezik s
. Legyen
Ekkor
msrszt
48
Created by XMLmind XSL-FO Converter.
Pontbecslsek
Ezekbl
, msrszt
jellssel
gy
kvetkezik az llts.
melybl
A bizonytst nem kzljk, mert terjedelmes s bonyolult. (Lsd pl. A. A. Borovkov [1, 16. 1. Lemma, 164.
oldal, VI. Ttel bizonytsa, 470. oldal].) A bederivlhatsgi lemma -re s -re vonatkoz feltteleit gyenge
regularitsi feltteleknek is nevezzk.
3.41. Feladat. A RaoCramr-egyenltlensggel bizonytsa be, hogy egy
valsznsg esemny relatv gyakorisga hatsos becslse -nek.
Megolds. Legyen egy
vltoz, s a rvonatkoz minta
becslse
-nek s
nek. Mivel
. Msrszt
. Most legyen
vges, ezrt -re s
tetszleges vges szrs torztatlan becslse -re teljesl a bederivlsi felttel. gy a RaoCramr-
egyenltlensg miatt
3.42. Feladat. Legyen
mintatlag hatsos becslse
-nek.
-nek s
. Most legyen
Pontbecslsek
. Msrszt
Msrszt
. Most legyen
3. Pontbecslsi mdszerek
A fejezet htralv rszben kt ltalnos mdszert ismertetnk pontbecslsek konstrulsra.
minden
esetn. Ha az
nylt
esetn,
, akkor
egyrtelm
Bizonyts. Legyen
50
Created by XMLmind XSL-FO Converter.
-nak
Pontbecslsek
legalbb
azaz
valsznsggel, amennyiben
Mindezekbl
ersen konzisztens
, akkor
esetn szmolja ki az
51
Created by XMLmind XSL-FO Converter.
becslst a momentumok
Pontbecslsek
Ennek a megoldsa
s
. Ezekrl mr korbban is lttuk, hogy ersen
konzisztens becslssorozatok, de az elz ttel is ezt mutatja, hiszen a felttelek teljeslnek.
3.48. Feladat. Legyen egyenletes eloszls az ismeretlen
intervallumon. Szmolja ki
az s becslst a momentumok mdszervel. Bizonytsa be, hogy ezek ersen konzisztens
becslssorozatok.
Megolds. A kvetkez egyenletrendszert kapjuk:
Ennek a megoldsa
hogy a Jacobi-determinns
ersen konzisztensek.
3.50. Definci. A
, ha
minden
statisztika a
esetn.
Teht a becsls kiszmtsa nem ms, mint szlsrtkhely keress. Praktikus okbl nem a likelihood
fggvnynek fogjuk a maximumhelyt keresni, hanem a termszetes alap logaritmusnak. Ezzel a
szlsrtkhely nem vltozik, hiszen
szigoran monoton nvekv fggvny. Az ok az, hogy ekkor nem
szorzatot, hanem sszeget kell vizsglni.
3.51. Definci. A
Pontbecslsek
intervallumon. Szmolja ki
Ennek maximumhelye
-nek
3.53. Feladat.
Legyen
Poisson-eloszls
paramterrel. Szmolja ki
maximum
likelihood becslst azzal a feltevssel, hogy a mintarealizcinak van nulltl klnbz
eleme.
Megolds.
szerint differencilhat fggvny az
vltoz
, ami
halmazon. Mivel
megoldsa , s
, ezrt loklis maximumhely. Mivel
sszefgg halmaz, s csak egy loklis szlsrtkhely van, ezrt
globlis
maximumhely. Teht a maximum likelihood becslse -nak
3.54. Feladat. Legyen
. Szmolja ki
Megolds.
vltoz szerint differencilhat fggvny az
, ami
halmazon. Mivel
megoldsa
, s
, ezrt
loklis maximumhely.
Mivel
sszefgg halmaz, s csak egy loklis szlsrtkhely van, ezrt
globlis
maximumhely. Teht a maximum likelihood becslse -nak
3.55. Feladat.
becslst.
. Szmolja ki
Legyen
.
s
maximum likelihood
ami
s vltozk szerint parcilisan differencilhat fggvny az
Tekintsk a kvetkez egyenletrendszert:
53
Created by XMLmind XSL-FO Converter.
halmazon.
Pontbecslsek
. Msrszt
tovbb
, gy
loklis maximumhely. Mivel
sszefgg
halmaz, s csak egy loklis szlsrtkhely van, ezrt
globlis maximumhely. Teht a
maximum likelihood becslse -nek
, illetve -nak
.
Az utbbi hrom pldban lttuk, hogy a maximum likelihood becsls meghatrozsnl kulcsszerepe lehet a
ahol
differencilhat a valdi
ltezik s vges minden
megoldsa, amelyre teljesl, hogy
, az
paramter egy
esetn, akkor a
Bizonyts. Csak abszolt folytonos esetben bizonytunk, de diszkrt esetben analg mdon
jrhatunk el, melyet az Olvasra bzunk. Mivel
konvex fggvny, ezrt a Jensenegyenltlensg alapjn minden
esetn
esetn
54
Created by XMLmind XSL-FO Converter.
Pontbecslsek
miatt
minden
minden
minden
nagy -ekre
olyan, hogy
. Ekkor elg
55
Created by XMLmind XSL-FO Converter.
4. fejezet - Intervallumbecslsek
1. Az intervallumbecsls feladata
Legyen a vizsglt valsznsgi vltoz az
nylt halmaz. A feladat
,
jellssel
, tovbb
minden
esetn, ahol
konfidenciaintervallumnak nevezzk -ra, ha
esetn. Az
minden
rtket a
nevezzk.
intervallumot centrlt
. A
-ra vonatkoz
Ha diszkrt, akkor adott -hoz nem felttlenl tallhat olyan konfidenciaintervallum, melynek
pontos biztonsgi szintje. Ezrt definiltuk a biztonsgi szintet az elz mdon.
normlis eloszls,
, azaz
esetn
. gy, ha
jelli a
s
eloszlsfggvnyt, akkor
56
Created by XMLmind XSL-FO Converter.
Intervallumbecslsek
Mivel
pontosan akkor teljesl, ha
-re trendezssel azt kapjuk, hogy
, ezrt ilyen
jellsekkel
biztonsgi szintje.
-re, melynek
a pontos
Bizonyts. Mivel
vltozk, ezrt a ngyzetsszegk
vltoz.
A feladat megoldsa eltt bevezetnk egy jellst, melyet a tovbbiakban gyakran fogunk alkalmazni. Legyen
egy tetszleges valsznsgi vltoz, s az -val azonos eloszls valsznsgi vltozk halmaza. Ekkor
jellje azt, hogy
a
-beli valsznsgi vltozk kzs eloszlsfggvnye. Pldul
.
Megolds. Legyen
Intervallumbecslsek
pontosan
, ezrt ebben az esetben
Mivel
akkor
teljesl,
ha
azaz trendezve
jellsekkel
biztonsgi szintje.
miatt
-ra, melynek
a pontos
Bizonyts.
mtrix (azaz
Legyen
, az
olyan
, akkor
-es ortonormlt
, azaz
58
Created by XMLmind XSL-FO Converter.
, tovbb
, tovbb
Intervallumbecslsek
azaz
Jellje
az
s az
normlis eloszls,
ortonormltsga miatt
gy
. Msrszt
esetn
fggetlenek. Mivel
fggetlenek.
csak
csak
.
Most rtrnk a feladat megoldsra.
Megolds. Legyen
Mivel
pontosan
, ezrt ebben az esetben
akkor
teljesl,
azaz trendezve
59
Created by XMLmind XSL-FO Converter.
ha
Intervallumbecslsek
jellsekkel
biztonsgi szintje.
miatt
-ra, melynek
a pontos
fggetlen
, akkor
Mivel
pontosan akkor teljesl, ha
-ra trendezssel azt kapjuk, hogy
60
Created by XMLmind XSL-FO Converter.
, ezrt ilyen
Intervallumbecslsek
jellsekkel
biztonsgi szintje.
-re, melynek
fggetlen
a pontos
s
egy -re vonatkoz minta. Tegyk fel,
-ra centrlt konfidenciaintervallumot, melynek
a pontos
esetn
ezrt
, kvetkezskppen
gy
Mivel
pontosan
, ezrt ebben az esetben
esetn
akkor
teljesl,
ha
azaz trendezve
miatt
61
Created by XMLmind XSL-FO Converter.
Intervallumbecslsek
jellsekkel
biztonsgi szintje.
-ra, melynek
a pontos
4. Konfidenciaintervallum valsznsgre
4.13. Feladat. Legyen
s
egy -re vonatkoz minta. Tegyk fel,
hogy ismeretlen. Adjon -re centrlt konfidenciaintervallumot, melynek
a biztonsgi
szintje.
Vegyk szre, hogy egy valsznsg esemny indiktorvltozja, gy a feladat gy is megfogalmazhat,
hogy egy esemny valsznsgre adjon konfidenciaintervallumot. (Ekkor az esemny relatv gyakorisgt
jelenti ksrlet utn.)
Megolds. Bizonythat, hogy
jellsekkel
azon mlik, hogy
105. oldal]).
Az elz megolds kiszmtsa nagy -re kompliklt. Ennek kikerlsre ebben az esetben
lehetsg van egy msik konfidenciaintervallum szerkesztsre is a MoivreLaplace-ttel
segtsgvel. Ugyanis
miatt
esetn
Mivel
pontosan akkor teljesl, ha
-re trendezssel azt kapjuk, hogy
A -ben msodfok
polinom gykei
62
Created by XMLmind XSL-FO Converter.
, ezrt ilyen
Intervallumbecslsek
gy
jellsekkel
elhanyagolhatan kicsi
ezrt
gy
Mivel
ebben az esetben
, kvetkezskppen
esetn
63
Created by XMLmind XSL-FO Converter.
, ezrt
Intervallumbecslsek
, gy az elzek miatt a
gy a feladat megoldsa:
jellsekkel
biztonsgi szintje.
-re, melynek
64
Created by XMLmind XSL-FO Converter.
a pontos
5. fejezet - Hipotzisvizsglatok
1. A hipotzisvizsglat feladata s jellemzi
Ebben a fejezetben azt vizsgljuk, hogyan lehet dnteni a mintarealizci alapjn arrl, hogy egy a statisztikai
mezre vonatkoz felttelezst, ms szval hipotzist elfogadjuk-e igaznak vagy sem. Ez a hipotzis lehet
pldul az, hogy a vizsglt valsznsgi vltoz normlis eloszls, vagy a valsznsgi vltoz vrhat
rtke megfelel az elrsnak, vagy kt valsznsgi vltoz fggetlen, vagy vrhat rtkeik megegyeznek stb.
-re vonatkozzon a
Ha a ksrletben az
minta
, melyek rendre
. Legyen
akkor
-t elfogadjuk, ellenkez esetben pedig elutastjuk. Ezt az eljrst statisztikai prbnak vagy
hipotzisvizsglatnak nevezzk.
az gynevezett elfogadsi tartomny.
komplementert -gyel jelljk,
s kritikus tartomnynak nevezzk.
Dntsnk lehet helyes, vagy helytelen az albbiak szerint:
-t elfogadjuk
Legyen
. Az
-t elutastjuk
igaz
helyes dnts
elsfaj hiba
igaz
msodfaj hiba
helyes dnts
65
Created by XMLmind XSL-FO Converter.
Hipotzisvizsglatok
Ha a vizsglt valsznsgi (vektor)vltozk diszkrtek, akkor adott -hoz nem biztosan tallhat olyan
elfogadsi tartomny, mellyel a prba pontos terjedelme . Ezrt definiltuk a prba terjedelmt az elz
mdon.
Ha egy
1.3. Prbastatisztika
Elfogadsi tartomny konstrulshoz
Clszerbb a
felttel, mert ekkor a pontos terjedelem lesz, de ez nem mindig teljesthet.
Az vgpontjait kritikus rtkeknek nevezzk. Ezutn legyen
Mivel a
ekkor terjedelm prbt kapunk.
, ezrt
ismeretben kivlasztjuk a
prbastatisztikt.
s ismeretben kivlasztjuk
jellegt:
rosszul vlasztunk, akkor a msodfaj hiba valsznsge tl nagy lesz.
A prbastatisztika
kritikus rtkeket.
Hipotzisvizsglatok
A tejiparban hasznos lehetne egy olyan eljrs, melynek rvn nagyobb arnyban szletne szborj, mint
bikaborj, hiszen ekkor tbb fejstehenet nevelhetnnek fel azonos szletsszm mellett. Egy kutat javasol egy
ilyen eljrst. Hogyan lehetne ellenrizni az lltst? Jellje annak a valsznsgt, hogy az eljrs
alkalmazsval szborj szletik. Ekkor a kutat lltsa az, hogy
. Ezt viszont nem clszer -nak
vlasztani, ugyanis ekkor nem tallunk prbastatisztikt. Ehelyett legyen ez az ellenhipotzis, mg
a
nullhipotzis. Ebben az esetben mr knny prbastatisztikt megadni. Ugyanis ha jelenti az eljrs rvn
szborj szletsnek az indiktorvltozjt, s a -re vonatkoz minta
, akkor
azt jelenti, hogy
-szer alkalmazva az eljrst hny darab szborj szletett. Az
meg is felel prbastatisztiknak, hiszen
esetn -edrend paramter binomilis eloszls.
Ebbl a pldbl lthatan nem felttlenl kell teljeslnie, hogy
Nzznk erre egy msik pldt is:
Egy keresked egy malomtl nagy ttelben lisztet rendel 1 kg-os kiszerelsben. Jelentse a leszlltott ttelbl
egy vletlenszeren kivlasztott zacsk liszt tmegnek eltrst az elvrt 1 kg-tl. Ekkor az a nullhipotzis,
hogy
. Ha j kzeltssel normlis eloszlsnak tekinthet, akkor a ksbbiekben trgyalt gynevezett
egymints t-prbnl ltni fogjuk, hogy ehhez tallhatunk prbastatisztikt. Most az a krds, hogy mi legyen az
ellenhipotzis. Ha
lenne, akkor
elutastsa esetn csak az derlne ki, hogy a zacskk tmege nem
felel meg a rendelsnek. Ez azonban nem biztosan jelent rosszat a kereskednek. Hiszen, ha valjban
teljesl, akkor a kereskedtl vsrlk csak ritkn reklamlnnak. Ezrt clszerbb
megvlasztsa nek. Ekkor ugyanis
elutastsa esetn rdemes megfontolnia a kereskednek a leszlltott ttel
visszautastst. Vagyis most a keresked szmra rossz esetet tekintjk ellenhipotzisnek, azt remlvn, hogy a
mdszer nagy valsznsggel megvdi t az elnytelen vteltl. Ehhez persze az kell, hogy a msodfaj hiba
valsznsge kicsi legyen.
,
rgztett s
2. Paramteres hipotzisvizsglatok
Ha a nullhipotzis ismert eloszlscsaldbl szrmaz valsznsgi vltozk eloszlsainak paramtereire
vonatkozik, akkor paramteres hipotzisvizsglatrl beszlnk.
, ahol
ismeretlen s
rgztett.
67
Created by XMLmind XSL-FO Converter.
Hipotzisvizsglatok
teljeslse
gy
esetn
. Teht
illetve
. Ezt a
gynevezett
gy
esetn
. Teht
gy
esetn
vrhatan
jelleg. Ha
. Teht
Mivel
az
Hipotzisvizsglatok
jellssel az
A kvetkez
paramterekkel.
brn
grafikonjt
lthatjuk
teljesl, akkor
, melybl kvetkezik,
fggvnyt tekintjk, akkor knnyen lthatjuk, hogy
minden
esetn
, melybl mr kvetkezik, hogy a prba konzisztens,
azaz a mintaelemek szmnak nvelsvel a msodfaj hiba valsznsge 0-hoz tart.
rdekes mg azt is megvizsglni, hogy miknt vltozik a msodfaj hiba valsznsge, ha az
els faj hiba valsznsgt, azaz
-t cskkentjk. Ha
cskken, akkor
n, hiszen
nvekv fggvny. Msrszt, ha
-t mint
fggvnyt tekintjk, akkor knnyen ellenrizhet, hogy
, azaz
cskken.
Mindezekbl teht kapjuk, hogy
cskkentsvel is cskken, azaz a msodfaj hiba
valsznsge n.
Ezutn tekintsk a
jellssel
. A kvetkez brn
paramterekkel.
69
Created by XMLmind XSL-FO Converter.
grafikonjt
Hipotzisvizsglatok
Mindezek alapjn, ha
prba torztatlan. Ha
-t mint
teljesl, akkor
, melybl kvetkezik, hogy a
fggvnyt tekintjk, akkor minden
esetn
5.4. Megjegyzs.
miatt
fogadjuk el.
esetn biztosan
-t elutastjuk a ktoldali
esemny. Ha most mg
), akkor
-gyet, mg
miatt
fogadjuk el.
esetn biztosan
esetn biztosan
kvetkezett be (azaz
-gyet, mg
esetn biztosan
-t
),
-t
-t elutastjuk
-t elfogadjuk
-t elutastjuk
-t elfogadjuk
70
-t elfogadjuk
Hipotzisvizsglatok
-t elfogadjuk
A
tblzat
dntnk
gy
is
rtelmezhet,
esetn
terjedelemmel.
-t elfogadjuk
hogy
-t elutastjuk
esetn
esetn
, illetve
,
mellett
Hasonlan,
illetve
elfogadsi tartomny ekvivalens azzal, hogy
fggetlen valsznsgi
a -re vonatkoz,
71
Created by XMLmind XSL-FO Converter.
elfogadsi
Hipotzisvizsglatok
-t elutastjuk
-t elfogadjuk
A tblzat szerint
-t elfogadjuk
-t elfogadjuk
-t elutastjuk
-t elfogadjuk
-t elutastjuk
-t elfogadjuk
esetn
esetn
esetn
mellett dntnk
terjedelemmel.
gy
jellssel
ha
-t, mint
szerinti ktvltozs fggvnyt tekintjk, akkor
esetn a hatrrtke 1. Ebbl addik a (2) llts. Vgl a (3) lltst
hasonlan kell beltni, mint az egymints u-prbnl.
, ahol
.A
72
Created by XMLmind XSL-FO Converter.
, illetve
Hipotzisvizsglatok
teljeslse esetn
gy
esetn
. Teht
gy
esetn
. Teht
elfogadsi tartomnnyal olyan prbt kapunk, melynek pontos terjedelme .
Hasonlan,
esetn
tartomnnyal olyan prbt kapunk, melynek
elfogadsi
a pontos terjedelme.
73
Created by XMLmind XSL-FO Converter.
. Legyen
.A
fggetlen
a -
Hipotzisvizsglatok
fggetlenek,
. Ekkor
Legyenek
az -ra vonatkoz minta
Ezekbl
kapjuk,
-re, illetve
fggetlenek, tovbb
hogy
tovbb
Specilisan
esetn
esetn
gy
esetn
. Teht
74
Created by XMLmind XSL-FO Converter.
Hipotzisvizsglatok
Hasonlan
az
egymints
t-prbhoz
kapjuk,
hogy
esetn
elfogadsi tartomnnyal, mg
esetn
elfogadsi tartomnnyal olyan prbt kapunk,
. Ekkor
az
fggetlen valsznsgi
-ra vonatkoz minta
jellsekkel
Ekkor
msrszt
jellsekkel
gy
ezrt
esetn
75
Created by XMLmind XSL-FO Converter.
Hipotzisvizsglatok
. Vgezzk el erre a
Ekkor
esetn
elfogadsi tartomnnyal a prba pontosan
terjedelm. Msrszt
esetn
elfogadsi
tartomnnyal, mg
esetn
elfogadsi
tartomnnyal olyan prbt kapunk, melynek pontos terjedelme .
.
Ezt az eljrst Scheff-mdszernek nevezzk, amely teht nem egy nll prba, hanem egy
eljrs, melynek rvn gy transzformljuk a mintt, hogy azon az egymints t-prba
vgrehajthat legyen, s ebbl dnteni tudjunk a hipotzisekre vonatkozan.
5.14. Megjegyzs. Tegyk fel, hogy a -re s -ra vonatkoz mintk nem fggetlenek,
hanem gynevezett prostott mintk, azaz valjban a
ktdimenzis vektorvltozra
vonatkozik. A feladat pontosan az, mint a Scheff-mdszernl volt, azaz a vrhat rtkeket
kell sszehasonltani. Ha teljesl, hogy
normlis eloszls, akkor knnyen lthatan, a
Scheff-mdszer (
eset) itt is alkalmazhat, azaz a klnbsg mintra kell
vgrehajtani az egymints t-prbt
vlasztssal.
2.5. F-prba
A ktmints t-prbt azzal a felttellel tudjuk alkalmazni, hogy az ismeretlen szrsok megegyeznek. Ennek a
felttelnek a teljeslst vizsgljuk ebben az alszakaszban.
5.15. Feladat.
Legyenek
valsznsgi vltozk, ahol
ismeretlenek. Legyen
vonatkoz, illetve
az -ra vonatkoz minta
.A
76
Created by XMLmind XSL-FO Converter.
fggetlen
a
-re
Hipotzisvizsglatok
Legyenek
a -re vonatkoz, illetve
. Ekkor
az
fggetlen valsznsgi
-ra vonatkoz minta
igaz, akkor
A
ellenhipotzis teljeslsekor vrhatan kritikus rtkben messze van 1-tl,
hiszen a korriglt tapasztalati szrs torztatlan becslse a szrsnak. Ezrt az elfogadsi
tartomny
alak, ahol
. A tovbbiakban legyen
. Tegyk fel, hogy
esetn
azaz
s
lersnl tallhat lemmt), gy
ekvivalens
is teljesl. Mivel
gy
tartomnnyal
A
tartomny
. Mivel
(lsd az F-eloszls
biztosan teljesl. Ezrt az ezzel
esetn
elfogadsi
terjedelm prbt kapunk.
teljeslsekor
alak, ahol
77
Created by XMLmind XSL-FO Converter.
Hipotzisvizsglatok
gy
esetn
esetn, gy
is teljesl. Teht
tartomnnyal terjedelm prbt kapunk.
Vgl
ellenhipotzis teljeslse esetn
tl. Ezrt az elfogadsi tartomny
alak, ahol
gy
biztosan teljesl
elfogadsi
Az
esetn
, ezrt
elfogadsi tartomnnyal
biztosan teljesl, ha
. Mivel
is teljesl. Teht
terjedelm prbt kapunk.
. Ktoldali
elfogadsi tartomnnyal
terjedelm prbt kapunk. Mivel
, ezrt
Ha
miatt
tartomny
Ha
, azaz
.
, akkor vlasszuk a msodik elfogadsi tartomnyt. De ebben az esetben
biztosan teljesl. Teht ekkor az elfogadsi
miatt
tartomny
Ezzel
teljeslse esetn
bizonytottuk
a
, ha
kvetkezt.
Legyen
illetve
, ha
tovbb
. Ekkor
elfogadsi tartomnnyal terjedelm prbt kapunk. Ezzel a mdszerrel teht nem kt,
hanem csak egy kritikus rtket kell szmolni.
Legyen
, ahol
s
a -re vonatkoz minta
.A
ismeretlenek. Legyen
78
Created by XMLmind XSL-FO Converter.
Hipotzisvizsglatok
esetn
Mivel
s
a szrsngyzet torztatlan becslse, gy
teljeslse
esetn
vrhatan kritikus mrtkben messze van
-tl. gy az elfogadsi tartomnyt
vlasszuk
alaknak, ahol
. A tovbbiakban legyen
. Tegyk fel, hogy
esetn
azaz
s
. Mivel
ngyzet eloszls lersnl tallhat lemmt), gy
Ezrt az ezzel ekvivalens
is teljesl. Mivel
gy
tartomnnyal
elfogadsi
terjedelm prbt kapunk.
A
ellenhipotzis teljeslsekor
vrhatan kritikus mrtkben kisebb
tl. Azaz az elfogadsi tartomny
alak, ahol
. Mivel
-ra
gy
esetn
. Teht gy
terjedelm prbt kapunk.
Ha
teljesl, akkor
vrhatan kritikus mrtkben nagyobb
elfogadsi tartomny
alak, ahol
. Mivel
-ra
gy
esetn
elfogadsi tartomnnyal
-tl, azaz az
esetn
. Msrszt ekkor
miatt
. Teht gy
terjedelm prbt kapunk. Ez az gynevezett khi-ngyzet prba.
, ahol
ismeretlen. Legyen
79
Created by XMLmind XSL-FO Converter.
rgztett s
Hipotzisvizsglatok
esetn
Mivel az
torztatlan becslse, gy a
ellenhipotzis
teljeslsekor vrhatan kritikus mrtkben messze van -tl. Azaz az elfogadsi tartomny
alak, ahol
. A tovbbiakban legyen
.
Tegyk fel, hogy
esetn
azaz
s
eloszls lersnl tallhat lemmt), gy
ekvivalens
is teljesl. Mivel
gy
tartomnnyal
. Mivel
esetn
elfogadsi
terjedelm prbt kapunk.
A
ellenhipotzis teljeslsekor
(ellenttben a korbbi
prbkkal) vrhatan kritikus mrtkben nagyobb -tl. Azaz az elfogadsi tartomny
alak, ahol
. Mivel
-ra
gy
esetn
esetn
. Teht gy
tartomnnyal terjedelm prbt kapunk.
. Msrszt ekkor
miatt
elfogadsi
A
ellenhipotzis teljeslsekor
(ellenttben a korbbi
prbkkal) vrhatan kritikus mrtkben kisebb -tl. Azaz az elfogadsi tartomny
alak, ahol
. Mivel
-ra
gy
esetn
. Teht gy
terjedelm prbt kapunk.
5.20. Megjegyzs. Vigyzzunk arra, hogy itt a egyoldali ellenhipotzisek esetben fordtva
vannak az elfogadsi tartomnyok, mint a korbbi prbknl. Ennek megfelelen vltozik az
is, hogy ktoldali ellenhipotzisnl meghozott dnts ismeretben mik lesznek a egyoldali
ellenhipotzisekre a dntsek. Ezt a kvetkez tblzatban foglaljuk ssze:
-t elutastjuk
-t elfogadjuk
80
Created by XMLmind XSL-FO Converter.
Hipotzisvizsglatok
-t elfogadjuk
-t elfogadjuk
-t elutastjuk
-t elfogadjuk
-t elutastjuk
-t elfogadjuk
esetn
esetn
, illetve
mellett dntnk
terjedelemmel.
, ahol
ismeretlen. Legyen
rgztett s
igaz, akkor
Az gy definilt
gy ilyenkor
s esetn, ha
, akkor
elfogadsi tartomnnyal
felttel mindig teljesthet
81
Created by XMLmind XSL-FO Converter.
Hipotzisvizsglatok
Az gy definilt
esetn, ha
, akkor
azaz
elfogadsi tartomnnyal terjedelm prbt kapunk. Az
is mindig teljesthet s alkalmas megvlasztsval.
felttel itt
Ekkor
teht
elfogadsi tartomnnyal
felttel itt is mindig teljesthet s
Az
lpcsssge s a
folytonossga miatt
82
Created by XMLmind XSL-FO Converter.
. Legyen
. Ekkor a
mg pontosabban
Hipotzisvizsglatok
Teht
kzeltsek
mr
esetn
nagyon
akkor
rtke
kzeltleg
83
Created by XMLmind XSL-FO Converter.
Hipotzisvizsglatok
jellssel
3. Nemparamteres hipotzisvizsglatok
A kvetkezkben, ha nem rjuk ki kln az ellenhipotzist, akkor az mindig a nullhipotzis negltjt jelenti. Az
itt taglalt illeszkeds-, fggetlensg- s homogenitsvizsglatokat khi-ngyzet prbknak is nevezik, mert a
prbastatisztika mindegyik esetben hasonl szerkezet aszimptotikusan khi-ngyzet eloszls.
nullhipotzisre
Megolds. Jellje
az
teljeslse esetn
elfogadsi tartomny
teljeslse esetn
ahol
gy
, ahol
esemny gyakorisgt
nullhipotzisre
Megolds.
egy rgztett
Ha
diszkrt valsznsgi vltoz
, akkor vlasszuk meg a
rtkkszlettel, ahol
84
Created by XMLmind XSL-FO Converter.
Hipotzisvizsglatok
Ezutn
jellssel legyen
Ha
igaz, akkor
esetn
aszimptotikusan
tartomnnyal,
teljeslse
. Legyen
Bizonythat, hogy ha
igaz, akkor
eloszlsa
szabadsgi fok khi-ngyzet
eloszlshoz konvergl
esetn. (A bizonyts az gynevezett likelihood hnyados
hatreloszlsval hozhat kapcsolatba, mi nem vgezzk el. Lsd pldul Terdik Gy. [16, 91
93. oldal].) A gyakorlatban ez azt jelenti, hogy
jellssel
hasonlan
tiszta
nullhipotzisre
kzeltleg
3.3. Fggetlensgvizsglat
A kvetkez feladatban kt teljes esemnyrendszer fggetlensgt vizsgljuk.
5.27. Feladat. Legyen
nullhipotzisre
Hipotzisvizsglatok
Megolds.
Legyen
illetve
az
gyakorisga
illetve
illetve
maximum likelihood becslse
fggetlen becslst jelent a
illetve . Ez sszesen
darab
s
felttelek miatt. Legyen
ahol
az
esemny gyakorisga ksrlet utn. A gyakorisgokat a kvetkez
gynevezett kontingencia tblzatba szoktk sszefoglalni.
nullhipotzisre
terjedelm prbt.
Ha
igaz, akkor
esetn
eloszlsa
Innen
teljeslse
Hipotzisvizsglatok
3.4. Homogenitsvizsglat
s fggetlen valsznsgi vltozk. Az ezekre vonatkoz
mintk alapjn ksztsnk a
nullhipotzisre
terjedelm prbt.
Jelentse
azt az esemnyt, hogy
.A
illetve
illetve -ra vonatkozik. De
esetn az, hogy
mintavtel valjban -re vagy -ra trtnt. gy ekkor
Ekkor teht
aszimptotikusan
jellssel,
Hipotzisvizsglatok
hipotzisekre
meg
jellssel
Hipotzisvizsglatok
A
191. oldal]), melybl
foglalkozunk.
nullhipotzisre
terjedelm prbt.
Megolds.
Legyenek a -re illetve -ra vonatkoz mintkhoz tartoz tapasztalati
eloszlsfggvnyek
illetve
, tovbb legyen
Ha
nem teljesl, akkor
elfogadsi tartomny legyen
s
esetn
ahol
gy
esetn
. Teht
89
Created by XMLmind XSL-FO Converter.
Hipotzisvizsglatok
5.36. Feladat.
vonatkoz
Legyen
nullhipotzisre
terjedelm prbt.
, tovbb legyen
Ha
nem teljesl, akkor vrhatan kritikus mrtkben eltvolodik 0-tl. gy a ktmints
esethez hasonlan kapjuk, hogy
90
Created by XMLmind XSL-FO Converter.
6. fejezet - Regressziszmts
1. Regresszis grbe s regresszis fellet
Jelentse a Duna egy rhullmnak tetz vzllst Budapesten cm-ben, az rhullmot kivlt csapadk
mennyisgt mm-ben s a Duna vzllst Budapestnl az eszs kezdetekor cm-ben. Joggal gondolhatjuk,
hogy s rtke ersen behatrolja az rtkt. Keressnk olyan fggvnyt, melyre teljesl, hogy
hasonlan a
szrsngyzethez, ami a
kzeltst ad
Legyenek
valsznsgi vltozk s
tovbb
. Az sszes
akkor a
legkisebb, ha
Bizonyts. Legyen
Ekkor
msrszt
gy kapjuk, hogy
91
Created by XMLmind XSL-FO Converter.
Regressziszmts
6.2. Definci. Ha
s
vges, akkor a
valsznsgi vltozk,
rtkkszlete
2. Lineris regresszi
nem normlis eloszls, akkor a legtbb esetben a regresszis fellet meghatrozsa igen
Ha
alak azaz lineris fggvnyek kztt keressk. Ezt a tpus regressziszmtst lineris regresszinak
nevezzk. A feladat megoldsban szerepl
konstansokat a lineris regresszi egytthatinak
nevezzk.
A lineris regresszival kapott fggvnyt
msodfaj regresszis sknak nevezzk.
illetve
Krds, hogy egyltaln van-e megoldsa a lineris regresszis feladatnak. Erre ad feleletet a kvetkez ttel.
6.4. Ttel.
tovbb az
Legyen
mtrix pozitv definit, azaz minden bal fels sarokdeterminnsa pozitv. Ekkor a lineris
regresszinak
pontosan
egy
megoldsa
van,
nevezetesen
azon
fggvny, melyre
ahol az
mtrix
-ra.
Bizonyts.
A feladat azon
92
Created by XMLmind XSL-FO Converter.
Regressziszmts
ezrt
egyenletrendszer ekvivalens az
Mivel
ezrt
. Ebbl addik, hogy
pozitv definit, azaz a kapott megolds valban
minimumhely. Ezzel bizonytottuk a ttelt.
6.5. Megjegyzs. Knnyen lthat, hogy
,
s
a kvetkez egyenletrendszerrel:
Ennek a megoldsa
93
Created by XMLmind XSL-FO Converter.
Regressziszmts
lineris
mtrix pozitv definit, azaz minden bal fels sarokdeterminnsa pozitv. Ekkor a feladatnak
pontosan egy megoldsa van, nevezetesen azon
fggvny, melyre
ahol az
mtrix
esetn
94
Created by XMLmind XSL-FO Converter.
Regressziszmts
tlaggal
becsljk.
vrhat rtket az
Vegyk
szre,
hogy
ez
az
tlag
alakban
is
rhat,
a
minimlis.
Jellje az
lineris lekpezs kptert, amely a
s az
tvolsga, ezrt ez akkor lesz minimlis, ha
az
merleges
-re. Ez pontosan azt jelenti, hogy
esetn. Teht
ahol
-nak a
Ennek megoldsa, s gy az
becslse
95
Created by XMLmind XSL-FO Converter.
Regressziszmts
Adjon becslst az
valsznsgi vektorvltozra vonatkoz
minta alapjn a fixpontos lineris regresszi egytthatira.
esetn olyan
jellsekkel, ha
Specilisan
esetn
gy ekkor az
Tetszleges
esetn a fixpontot transzformljuk az origra, gy az elz
megoldsban csak annyit kell vltoztatni, hogy
jellseket hasznlunk.
96
Created by XMLmind XSL-FO Converter.
Regressziszmts
4. Nemlineris regresszi
A lineris regresszis kzelts sokszor nagyon durva becslst adhat.
pontok brzolsval jl szemlltethet ez a problma.
Itt jl ltszik, hogy ebben az esetben hiba lenne lineris regresszit alkalmazni. Ilyenkor rdemes megtippelni,
hogy milyen tpus fggvny kzelti jobban a kapcsolatot a linerisnl (hatvny, exponencilis, logaritmus,
stb.), majd a regresszis fggvny keresst le kell szkteni erre a csoportra.
Nhny esetben valamilyen transzformcival ez a keress visszavezethet a lineris esetre. Most csak ilyen
eseteket vizsglunk, s azt is csak a
(egyvltozs) esetben.
egytthatkat az
gy ekkor
Regressziszmts
gy ekkor
98
Created by XMLmind XSL-FO Converter.
Regressziszmts
gy ekkor
99
Created by XMLmind XSL-FO Converter.
Irodalomjegyzk
[1] Borovkov, A. A.: Matematikai statisztika, Typotex Kiad, 1999.
[2] Fazekas I. (szerk.): Bevezets a matematikai statisztikba, Kossuth Egyetemi Kiad, Debrecen, 2000.
[3] Fazekas I.: Valsznsgszmts, Kossuth Egyetemi Kiad, Debrecen, 2000.
[4] Halmos, P. R., Mrtkelmlet, Gondolat, Budapest, 1984.
[5] Hunyadi L., Mundrucz Gy., Vita L.: Statisztika, Aula Kiad, Budapesti Kzgazdasgtudomnyi Egyetem,
1996.
[6] Johnson, N. L., Kotz, S.: Distributions in statistics, Continuous univariate distributions, Houghton Miffin,
Boston, 1970.
[7] Kendall, M. G., Stuart, A.: The theory of advanced statistics IIII, Griffin, London, 1961.
[8] Lukcs O.: Matematikai statisztika pldatr, Mszaki Knyvkiad, Budapest, 1987.
[9] Meszna Gy., Ziermann M.: Valsznsgelmlet s matematikai statisztika, Kzgazdasgi s Jogi
Knyvkiad, Budapest, 1981.
[10] Mogyordi J., Michaletzky Gy. (szerk.): Matematikai statisztika, Nemzeti Tanknyvkiad, Budapest, 1995.
[11] Mogyordi J., Somogyi .: Valsznsgszmts, Tanknyvkiad, Budapest, 1982.
[12] Prkopa A.: Valsznsgelmlet mszaki alkalmazsokkal, Mszaki Knyvkiad, Budapest, 1962.
[13] Rnyi A.: Valsznsgszmts, Tanknyvkiad, Budapest, 1966.
[14] Rudin, W.: A matematikai analzis alapjai, Mszaki Knyvkiad, Budapest, 1978.
[15] Shiryayev, A. N.: Probability, Springer-Verlag, New York, 1984.
[16] Terdik Gy.: Eladsok a matematikai statisztikbl, mobiDIK knyvtr, Debreceni Egyetem, 2005.
http://mobidiak.inf.unideb.hu
[17] Tmcs Tibor: Matematikai statisztika gyakorlatok
[18] Vincze I.: Matematikai statisztika, Tanknyvkiad, Budapest, 1971.
c
Created by XMLmind XSL-FO Converter.