Matematikai Statisztika (Tómács Tibor)

Matematikai statisztika
Tmcs Tibor
Created by XMLmind XSL-FO Converter.
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
1.3. Prbastatisztika ....................................................................................................... 66

1.4. A statisztikai prba menete ..................................................................................... 66
1.5. A nullhipotzis s az ellenhipotzis megvlasztsa ................................................ 66
1.6. A prba erfggvnye s konzisztencija .............................................................. 67
2. Paramteres hipotzisvizsglatok ........................................................................................ 67
2.1. Egymints u-prba .................................................................................................. 67
2.2. Ktmints u-prba .................................................................................................. 71
2.3. Egymints t-prba ................................................................................................... 72
2.4. Ktmints t-prba, Scheff-mdszer ...................................................................... 73
2.5. F-prba ................................................................................................................... 76
2.6. Khi-ngyzet prba normlis eloszls szrsra ...................................................... 78
2.7. Statisztikai prba exponencilis eloszls paramterre .......................................... 79
2.8. Statisztikai prba valsznsgre ............................................................................ 81
3. Nemparamteres hipotzisvizsglatok ................................................................................ 84
3.1. Tiszta illeszkedsvizsglat ...................................................................................... 84
3.2. Becslses illeszkedsvizsglat ................................................................................ 85
3.3. Fggetlensgvizsglat ............................................................................................. 85
3.4. Homogenitsvizsglat ............................................................................................. 87
3.5. Ktmints eljelprba ............................................................................................. 87
3.6. Kolmogorov Szmirnov-fle ktmints prba ....................................................... 88
3.7. Kolmogorov Szmirnov-fle egymints prba ...................................................... 89
6. Regressziszmts ....................................................................................................................... 91
1. Regresszis grbe s regresszis fellet ............................................................................. 91
2. Lineris regresszi .............................................................................................................. 92
3. A lineris regresszi egytthatinak becslse ..................................................................... 94
4. Nemlineris regresszi ........................................................................................................ 97
4.1. Polinomos regresszi .............................................................................................. 97
4.2. Hatvnykitevs regresszi ...................................................................................... 97
4.3. Exponencilis regresszi ........................................................................................ 98
4.4. Logaritmikus regresszi .......................................................................................... 98
4.5. Hiperbolikus regresszi .......................................................................................... 99
Irodalomjegyzk ................................................................................................................................. c
iv
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
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
vals szm egsz rsze
az
fggvny inverze
az
fggvny -beli jobb oldali hatrrtke
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
paramter binomilis eloszls valsznsgi vltozk halmaza
paramter exponencilis eloszls valsznsgi vltozk halmaza
vi
Jellsek
az
vrhat rtk s
az
szrs normlis eloszls valsznsgi vltozk halmaza
paramter -dimenzis normlis eloszls valsznsgi vltozk halmaza
az -edrend
paramter gamma-eloszls valsznsgi vltozk halmaza
az szabadsgi fok khi-ngyzet eloszls valsznsgi vltozk halmaza

az szabadsgi fok t-eloszls valsznsgi vltozk halmaza
az
szabadsgi fok F-eloszls valsznsgi vltozk halmaza
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
paramterhez tartoz valsznsg
paramterhez tartoz vrhat rtk
paramterhez tartoz szrs illetve szrsngyzet
paramterhez tartoz srsg- illetve eloszlsfggvny
Fisher-fle informcimennyisg
likelihood fggvny
loglikelihood fggvny
a
paramter becslse
nullhipotzis, ellenhipotzis
illetve
esetn lehetsges valsznsgek halmaza

vii
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
;
.
Ekkor -fet -algebrnak, elemeit esemnyeknek, illetve -t biztos esemnynek nevezzk. A

mrtkelmletben az
rendezett prost mrhet trnek nevezzk. Ha
s
, akkor azt mondjuk, hogy teljesl az -n.
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
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
olyan fggvny, melyre
(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,
a legszkebb -algebra, mely tartalmazza az
halmazt,
tovbb
legyen
esetn
olyan
valsznsg,
melyre
minden
teljesl. (Ilyen valsznsg a Caratheodory-fle kiterjesztsi ttel miatt egyrtelmen ltezik.)

Ekkor az
-t fggetlen ksrletek valsznsgi mezjnek nevezzk.
Teht
az
ksrlet -szeri fggetlen elvgzst modellezi.

2
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:
hogy
vltoznak nevezzk.
mrhet tr s
minden
olyan fggvny, melyre teljesl,

esetn. Ekkor a fggvnyt valsznsgi
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:
valsznsgi mez s
vltoz. Ekkor a eloszlsfggvnye
egy valsznsgi
1.6. Ttel. Legyen

egy tetszleges valsznsgi vltoz eloszlsfggvnye. Ekkor
teljeslnek a kvetkezk:
(a)
monoton nvekv;
(b)
minden pontban balrl folytonos;
(c)
(d)
1.7. Ttel. Ha egy tetszleges

fggvnyre teljeslnek az (a)(d) tulajdonsgok,
akkor ltezik olyan valsznsgi vltoz, melynek az eloszlsfggvnye.
Ezen kt ttel alapjn jogos a kvetkez elnevezs:
1.8. Definci. Az
(a)(d) tulajdonsgok.
1.9. Ttel.
kvetkezk:
(1)
Ha
fggvnyt eloszlsfggvnynek nevezzk, ha teljeslnek r az

a
valsznsgi vltoz eloszlsfggvnye, akkor teljeslnek a
(2)
(3)
esetn;
minden
minden
pontosan akkor, ha
az
esetn;
pontban folytonos.
3
Valsznsgszmts
Ha diszkrt valsznsgi vltoz, azaz ha

( rtkkszlete) megszmllhat, akkor az elz ttel (2) pontja
alapjn a
eloszlsfggvnye egyrtelmen meghatrozott a
rtkekkel. A
hozzrendelst eloszlsnak nevezzk.
Az eloszls elnevezs ms jelentsben is elfordul: Kt tetszleges (nem felttlenl diszkrt) valsznsgi
vltozt azonos eloszlsnak nevezzk, ha az eloszlsfggvnyeik megegyeznek.
Gyakorlati szempontbl a diszkrt valsznsgi vltozk mellett az gynevezett abszolt folytonos
valsznsgi vltozk osztlya is nagyon fontos.
1.10. Definci. A valsznsgi vltozt abszolt folytonosnak nevezzk, ha ltezik olyan
fggvny, melyre
teljesl minden
esetn, ahol
srsgfggvnynek nevezzk.
eloszlsfggvnye. Ekkor
-fet a
1.11. Ttel. Ha a abszolt folytonos valsznsgi vltoz eloszlsfggvnye

s
srsgfggvnye , akkor
folytonos (kvetkezskppen
) s
Lebesgue-mrtk szerint majdnem mindentt differencilhat nevezetesen, ahol folytonos
, tovbb a differencilhat pontokban
.
1.12. Ttel. Ha a abszolt folytonos valsznsgi vltoz srsgfggvnye , akkor
(1)
esetn;
minden
(2)
1.13. Ttel. Ha
valsznsgi vltoz, melynek
s
, akkor van olyan abszolt folytonos
a srsgfggvnye.
Ezen kt ttel alapjn jogos a kvetkez elnevezs:

1.14. Definci.
fggvnyt srsgfggvnynek nevezzk, ha
Az
.
4. Vrhat rtk, szrsngyzet

A valsznsgi vltozk fontos paramtere a valsznsg szerinti integrlja.
valsznsgi mez s
egy valsznsgi
vltoz. Ha az
integrl ltezik akkor azt
mdon jelljk, s vrhat rtknek
nevezzk. Ha ez az integrl nem ltezik, akkor azt mondjuk, hogy -nek nem ltezik vrhat
rtke.
Ha kt valsznsgi vltoz eloszlsa megegyezik, s valamelyiknek ltezik a vrhat rtke, akkor a msiknak
is ltezik, tovbb a kt vrhat rtk megegyezik. Teht a vrhat rtk valjban az eloszlsfggvnytl fgg.
A vrhat rtk elbbi rtelmezse szerint lehet
illetve
is. Ha a valsznsgszmtst
mrtkelmleti alapok nlkl trgyaljk, akkor ltalban felttelezik a vrhat rtk vgessgt, s csak diszkrt
illetve abszolt folytonos eseteket trgyaljk. A kvetkez ttel rvilgt a vrhat rtk gyakorlati
jelentsgre.
1.16. Ttel.
valsznsgi vltoz rtkkszlete
Ha a
.
4
, 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
valsznsgi vltoz rtkkszlete.
-nek
tovbb ekkor
1.18. Ttel.
Legyen
abszolt folytonos valsznsgi vltoz,
srsgfggvnye. A -nek pontosan akkor vges a vrhat rtke, ha
melynek
tovbb ekkor
1.19. Ttel. Ha -nek ltezik vrhat rtke s

is ltezik a vrhat rtke, tovbb megegyezik a
1.20. Ttel.
(
Ha
majdnem biztosan teljesl, akkor -nak

vrhat rtkvel.
s vges vrhat rtkkel rendelkez valsznsgi vltozk, akkor

) is az, tovbb
1.21. Ttel (Jensen-egyenltlensg).

valsznsgi vltoz, melyre
fggvny, akkor
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
feltve, hogy ezek a vrhat rtkek lteznek.

1.23. Ttel. Ha -nek ltezik a szrsngyzete, akkor
(1)
(2)
;
, ahol
5. Valsznsgi vektorvltozk
5
Valsznsgszmts
1.24. Definci.
Legyenek
tetszleges valsznsgi vltozk. Ekkor a
rendezett elem -est ( -dimenzis) valsznsgi vektorvltoznak nevezzk.
1.25. Definci. A
valsznsgi vektorvltoz eloszlsfggvnye
abszolt folytonos, ha ltezik olyan
teljesl minden
fggvny, melyre
esetn. Ekkor -fet a
1.26. Ttel.
Ha a
srsgfggvnye , s
srsgfggvnynek nevezzk.
abszolt folytonos valsznsgi vektorvltoz

Borel-mrhet fggvny, akkor
olyan rtelemben, hogy a kt oldal egyszerre ltezik vagy nem ltezik, s ha ltezik, akkor
egyenlek.
6. Feltteles vrhat rtk

A feltteles vrhat rtket az egyszersg kedvrt csak kt specilis esetben definiljuk. Az ltalnos
defincit lsd pldul Mogyordi J., Somogyi . [11].
1.27. Definci.
rendre
Legyenek az
, tegyk fel, hogy
diszkrt valsznsgi vltozk rtkkszletei

vges, tovbb legyen
Ekkor a
valsznsgi vltozt
vrhat rtknek nevezzk, s
rtket
1.28. Definci. Legyen az
srsgfggvnye , a
legyen
-nak
-ra vonatkoz feltteles

mdon jelljk. A
mdon jelljk.
abszolt folytonos valsznsgi vektorvltoz

srsgfggvnye , tegyk fel, hogy
vges, tovbb
Ekkor a
valsznsgi vltozt
vrhat rtknek nevezzk, s
rtket
-nak
-ra vonatkoz feltteles

mdon jelljk. A
mdon jelljk.
A feltteles vrhat rtkre teljeslnek a kvetkezk:

;
6
Valsznsgszmts
majdnem biztosan, minden

esetn;
majdnem biztosan;
majdnem biztosan.
7. Fggetlen valsznsgi vltozk

Az
s
esemnyek fggetlenek, ha
nvhalmazaik fggetlensgvel definiljuk.
1.29. Definci. A
. Valsznsgi vltozk fggetlensgt
valsznsgi vltozkat fggetleneknek nevezzk, ha
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
-dimenzis valsznsgi vektorvltozkat fggetleneknek

esetn
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
diszkrt valsznsgi vltozk pontosan akkor fggetlenek, ha
teljesl minden
esetn.
1.32. Ttel.
Legyen
abszolt folytonos valsznsgi vektorvltoz. A
valsznsgi vltozk pontosan akkor fggetlenek, ha
teljesl minden
srsgfggvnye.
esetn, ahol
1.33. Ttel (Konvolci). Ha s

illetve srsgfggvnnyel, akkor
helyen
srsgfggvnye, tovbb
fggetlen abszolt folytonos valsznsgi vltozk

is abszolt folytonos, tovbb a srsgfggvnye
7
Valsznsgszmts
1.34. Ttel. Ha s fggetlen abszolt folytonos valsznsgi vltozk illetve

srsgfggvnnyel, akkor
is abszolt folytonos, tovbb a srsgfggvnye
helyen
1.35. Ttel.
Ha
fggetlen abszolt folytonos valsznsgi vltozk
srsgfggvnnyel, akkor is abszolt folytonos, tovbb a srsgfggvnye
illetve
helyen
8. Kovariancia s korrelcis egytthat

1.36. Definci. A s
valsznsgi vltozk kovariancija
feltve, hogy ezek a vrhat rtkek lteznek.

Knnyen belthat, hogy
1.37. Ttel. Ha a s fggetlen valsznsgi vltozknak ltezik a vrhat rtkeik, akkor

ltezik a kovariancijuk is s
, azaz
.
1.38. Definci.
1.39. Ttel.
valsznsgi vltozkat korrellatlanoknak nevezzk, ha

esetn.
A
minden
Ha a
valsznsgi vltozk esetn ltezik
esetn, akkor
-nek ltezik a szrsngyzete, tovbb
1.40. Ttel. Ha a
szrsngyzeteik, akkor a
minden
pronknt fggetlen valsznsgi vltozknak lteznek a

valsznsgi vltoznak is van szrsngyzete, tovbb
.
1.41. Definci.
egytthatjuk
1.42. Ttel.
Ha
pozitv szrs valsznsgi vltozk, akkor a korrelcis
Legyen pozitv szrs valsznsgi vltoz, tovbb

. Ekkor ltezik s korrelcis egytthatja, s
8
, ahol
Valsznsgszmts
1.43. Ttel.
melyekre
, akkor lteznek olyan

teljesl.
Ha
konstansok,
9. Nevezetes eloszlsok
9.1. Diszkrt egyenletes eloszls
a valsznsgi vltoz rtkkszlete s
Ekkor -t diszkrt egyenletes eloszlsnak nevezzk az

1.45. Ttel.
halmazon.
9.2. Karakterisztikus eloszls

1.46. Definci. Az
esemny indiktorvltozjnak az
valsznsgi vltozt nevezzk, tovbb az

eloszlsnak nevezzk.
1.47. Ttel.
paramter karakterisztikus
-t
9.3. Binomilis eloszls

Ha minden
a valsznsgi vltoz rtkkszlete s
esetn
akkor -t -edrend paramter binomilis eloszls valsznsgi vltoznak nevezzk. Az

ilyen eloszls valsznsgi vltozk halmazt
mdon jelljk.
Egy tetszleges
esemny gyakorisga
valsznsgi vltoz.
Az
vagyis a
ksrlet utn
paramter binomilis eloszls
-edrend
rend paramter binomilis eloszls megegyezik a paramter karakterisztikus eloszlssal,

paramter karakterisztikus eloszls valsznsgi vltozk halmaza
.
Msrszt darab fggetlen paramter karakterisztikus eloszls valsznsgi vltoz sszege -edrend
paramter binomilis eloszls.
1.49. Ttel.
1.1. bra.
esetn
rend
paramter binomilis eloszls vonaldiagramja
9
Valsznsgszmts
9.4. Poisson-eloszls
Ekkor -t
1.2. bra.
a valsznsgi vltoz rtkkszlete,
paramter Poisson-eloszls valsznsgi vltoznak nevezzk.

paramter Poisson-eloszls vonaldiagramja
1.51. Ttel. Ha
.
paramter Poisson-eloszls valsznsgi vltoz, akkor
egy
9.5. Egyenletes eloszls

1.52. Definci. Legyen abszolt folytonos valsznsgi vltoz,
srsgfggvnye
akkor -t egyenletes eloszls valsznsgi vltoznak nevezzk az

1.53. Ttel. Ha egyenletes eloszls valsznsgi vltoz az
eloszlsfggvnye
10
. Ha
intervallumon.
intervallumon, akkor
Valsznsgszmts
tovbb
9.6. Exponencilis eloszls

srsgfggvnye
abszolt folytonos valsznsgi vltoz, s
. Ha
akkor -t paramter exponencilis eloszls valsznsgi vltoznak nevezzk. Az ilyen

valsznsgi vltozk halmazt
mdon jelljk.
1.55. Ttel.
esetn
, tovbb eloszlsfggvnye
1.3. bra.
paramter exponencilis eloszls valsznsgi vltoz srsgfggvnye
1.4. bra.
paramter exponencilis eloszls valsznsgi vltoz eloszlsfggvnye
1.56. Definci.
valsznsgi vltozt rkifj tulajdonsgnak nevezzk, ha

minden
esetn.
11
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
1.5. bra. A gamma-fggvny grafikonja
Ekkor -t -edrend
vltozk halmazt
s a valsznsgi vltoz srsgfggvnye
paramter gamma-eloszlsnak nevezzk. Az ilyen valsznsgi

mdon jelljk.
A definci kvetkezmnye, hogy
1.6. bra.
srsgfggvnye
rend
paramter gamma-eloszls valsznsgi vltoz
1.7. bra.
eloszlsfggvnye
rend
paramter gamma-eloszls valsznsgi vltoz
12
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
9.8. Normlis eloszls

1.62. Definci.
A
abszolt folytonos valsznsgi vltozt standard normlis
eloszlsnak nevezzk, ha a srsgfggvnye
1.9. bra. Standard normlis eloszls valsznsgi vltoz srsgfggvnye
13
Valsznsgszmts
A standard normlis eloszls valsznsgi vltoz eloszlsfggvnyt -vel jelljk, mely a srsgfggvny
defincija szerint
1.10. bra. Standard normlis eloszls valsznsgi vltoz eloszlsfggvnye
-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
-nl kisebb hibval kzelthet
pros fggvny, ezrt minden

1.63. Ttel.
.
Ha
esetn
, ahol
standard normlis eloszls valsznsgi vltoz, akkor
1.64. Definci. Legyen standard normlis eloszls valsznsgi vltoz,

s
. Ekkor a
valsznsgi vltozt
s paramter normlis eloszlsnak
nevezzk. Az ilyen valsznsgi vltozk halmazt
mdon jelljk.
14
Valsznsgszmts
Definci alapjn a standard normlis eloszls valsznsgi vltozk halmaza

1.65. Ttel.
esetn
, tovbb eloszlsfggvnye
illetve srsgfggvnye
1.66. Ttel.
Ha
fggetlen, normlis eloszls valsznsgi vltozk, akkor
is normlis eloszls.
1.67. Ttel.
Ha
esetn
normlis eloszls valsznsgi vltozk s minden

, akkor
fggetlenek.
1.68. Definci. A valsznsgi vltoz eloszlsnak ferdesge illetve lapultsga
feltve, hogy ezek a kifejezsek lteznek.

1.69. Ttel. Ha normlis eloszls valsznsgi vltoz, akkor az eloszlsnak ferdesge
s lapultsga is 0.
Ha
, akkor
kzeltleg standard normlis eloszls (lsd MoivreLaplace-ttel). A
kzelts akkor tekinthet megfelelen pontosnak, ha
9.9. Tbbdimenzis normlis eloszls

1.70. Definci. Legyenek
vltozk. Ekkor az
eloszlsnak nevezzk.
1.71. Definci. Ha
vektorvltoz, egy
fggetlen standard normlis eloszls valsznsgi

valsznsgi vektorvltozt -dimenzis standard normlis
-dimenzis standard normlis eloszls valsznsgi

tpus vals mtrix s
, akkor a
valsznsgi vektorvltozt -dimenzis normlis eloszlsnak nevezzk. A -vel azonos

eloszls valsznsgi vektorvltozk halmazt
mdon jelljk.
1.72. Ttel. Ha
tovbb ha
, akkor
, akkor srsgfggvnye
15
Valsznsgszmts
1.73. Ttel. Legyen

korrellatlanok, ha fggetlenek.
1.74. Ttel.
. Ekkor
pontosan akkor
, akkor ltezik
Ha
, hogy
9.10. Khi-ngyzet eloszls

1.75. Definci. Legyenek
vltozk. Ekkor a
valsznsgi vltozt
szabadsgi fok khi-ngyzet
eloszlsnak nevezzk. Az ilyen eloszls valsznsgi vltozk halmazt
mdon
jelljk.
1.76. Ttel. Ha
1.77. Ttel.
fggetlenek, akkor
srsgfggvnye
, azaz
1.78. Kvetkezmny.
esetn
1.79. Ttel. Legyen

egy teljes esemnyrendszer (azaz unijuk a biztos esemny
s pronknt diszjunktak). Jellje az
esemny gyakorisgt ksrlet utn. Tegyk fel,
hogy
minden
esetn. Ekkor
eloszlsa
szabadsgi fok khi-ngyzet eloszlshoz konvergl
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
A kzelts mr jnak tekinthet, ha

1.80. Lemma.
1.11. bra.
.
valsznsgi vltoz eloszlsfggvnye
Ha a
.
grafikonja
16
, akkor
Valsznsgszmts
9.11. t-eloszls
1.81. Definci.
Ha
s
fggetlenek, akkor a
valsznsgi vltozt
szabadsgi fok t-eloszlsnak nevezzk. Az ilyen eloszls
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.
szabadsgi fok t-eloszls valsznsgi vltoz eloszlsfggvnye
1.13. bra.
szabadsgi fok t-eloszls valsznsgi vltoz srsgfggvnye
17
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
kztt elhanyagolhatan kicsi a klnbsg.
9.12. Cauchy-eloszls
1.86. Definci.
srsgfggvnye
Egy valsznsgi vltozt Cauchy-eloszlsnak neveznk, ha a
1.87. Ttel. Cauchy-eloszls valsznsgi vltoz eloszlsfggvnye
1.88. Ttel. A Cauchy-eloszls megegyezik az 1 szabadsgi fok t-eloszlssal.

1.89. Kvetkezmny. Cauchy-eloszls valsznsgi vltoznak nem ltezik vrhat rtke
illetve szrsa.
9.13. F-eloszls
1.90. Definci.
Ha
s
fggetlenek, akkor az
valsznsgi vltozt s szabadsgi fok F-eloszlsnak nevezzk. Az ilyen eloszls
mdon jelljk.
1.14. bra.
eloszlsfggvnye
szabadsgi fok F-eloszls valsznsgi vltoz
18
Valsznsgszmts
1.15. bra.
srsgfggvnye
szabadsgi fok F-eloszls valsznsgi vltoz
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
1.95. Lemma. Legyen

monoton
cskken,
mg
1.16. bra.
grafikonja
az
eloszlsfggvnye
vltozban
.
. Ekkor
az vltozban
monoton
nvekv,
tovbb
19
Valsznsgszmts
1.17. bra.
grafikonja
10. Nagy szmok trvnyei

1.96. Ttel (Csebisev-egyenltlensg).
vltoz, akkor minden
esetn
Specilisan, ha
Ha
vges szrssal rendelkez valsznsgi
relatv gyakorisgot jelent, akkor kapjuk a kvetkez fontos ttelt.
1.97. Ttel (Bernoulli-fle nagy szmok trvnye).

gyakorisga ksrlet utn. Ekkor
minden
Legyen
az
esemny relatv
esetn.
Teht annak a valsznsge, hogy az esemny relatv gyakorisga

-nak az sugar krnyezetn kvl
legyen, az nvelsvel egyre kisebb, hatrrtkben 0. Ez pontosan rillik a Bernoulli-fle tapasztalatra.
A kvetkez brn a hatos dobs relatv gyakorisgt lthatjuk szablyos kockval 10 dobssorozat utn, 3000tl 3500 dobsig.
20
Valsznsgszmts
A kk vonal jelzi a hatos dobs valsznsgt, mg a zld vonalak annak

brn lthatjuk, hogy a 10 dobssorozatbl 8 esetn a relatv gyakorisg
valsznsget a 3000-tl 3500-ig terjed intervallumon.
sugar krnyezett. Az
pontossggal megkzeltette a
A kvetkez videban az elz ksrletsorozatot vizsgljuk tbbfle paramterezssel.
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
Ms eloszls valsznsgi vltozk szmtani kzepe is hasonl tulajdonsgot mutat.

1.98. Ttel (Nagy szmok gyenge trvnye). Legyenek
vges vrhat rtk
s szrs, azonos eloszls, pronknt fggetlen valsznsgi vltozk. Ekkor
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
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
A kvetkez videban az elz ksrletsorozatot vizsgljuk tbbfle eloszls esetn.
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.
11. Centrlis hatreloszlsi ttel

A valsznsgszmtsban s a matematikai statisztikban kzponti szerepe van a standard normlis
eloszlsnak. Ennek okt mutatja a kvetkez ttel.
1.100. Ttel (Centrlis hatreloszlsi ttel).
Legyenek
eloszls, pozitv vges szrs valsznsgi vltozk. Ekkor
fggetlen, azonos
hatreloszlsa standard normlis, azaz
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
Valsznsgszmts
Ez az n. MoivreLaplace-ttel. Ez ekvivalens azzal, hogy
gy nagy
s kicsiny
Legyen
egy
rtkeket, ahol
esetn
esetn
valsznsg esemny gyakorisga ksrlet utn. brzoljuk

. A kvetkez bra ezt mutatja
s
A ksrletsorozatot megismteljk
A kvetkez brn ez lthat
Vgl a vonaldiagramot normljuk

srsgfggvnyvel.
fggvnyben a
esetn.
-szer. A kk vonalon brzoljuk a becsapdsok szmt vonaldiagrammal.

esetn.
-nel s
-szel, mely mr sszehasonlthat a standard normlis eloszls
23
Valsznsgszmts
A kvetkez videban az elz ksrletsorozatot folyamatban vizsgljuk.
VIDE
24
2. fejezet - A matematikai statisztika

alapfogalmai
A valsznsgszmts rkon trgyalt feladatokban mindig szerepel valamilyen informci bizonyos tpus
vletlen esemnyek valsznsgre vonatkozan. Pldul:
Mi a valsznsge annak, hogy kt szablyos kockval dobva a kapott szmok sszege 7?
Itt a szablyossg azt jelenti, hogy a kocka brmely oldalra valsznsggel eshet.
Egy boltban az tlagos vrakozsi id 2 perc. Mi a valsznsge, hogy 3 percen bell nem kerlnk sorra,
ha a vrakozsi id exponencilis eloszls?
Itt az adott informcik alapjn
annak a valsznsge, hogy a vrakozsi id kevesebb mint
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
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
s azonos eloszls. Msrszt tetszleges
esetn
valsznsgi vltozk fggetlenek.
sszefoglalva teht az megfigyels modellezhet

fggetlen, -vel azonos eloszls valsznsgi
(vektor)vltozkkal. Mivel valjban minket csak a valdi eloszlsa rdekel, matematikai rtelemben nincs
jelentsge, hogy a s -k klnbz valsznsgi mezben vannak rtelmezve. Ezrt megllapodunk abban,
hogy a tovbbiakban a
valsznsgi vltozk ugyanazon
valsznsgi mezn
rtelmezettek, ahol az ltalunk nem ismert valdi valsznsg.
2.1. Definci. A valsznsgi (vektor)vltozra vonatkoz elem minta alatt a -vel
azonos eloszls
fggetlen, valsznsgi (vektor)vltozkat rtnk. A -t -adik
mintaelemnek, -et pedig a mintaelemek szmnak nevezzk.
Termszetesen, ha tbb valsznsgi (vektor)vltozra is szksgnk van, akkor mindegyikre kell
megfigyelseket vgezni, gy tbb mintnk is lesz.
A gyakorlatban nem mintval dolgozunk, hanem konkrt rtkekkel, melyek a mintaelemek lehetsges rtkei.
2.2. Definci. Ha
akkor a
elem
rtkkszletben
a valsznsgi (vektor)vltozra vonatkoz minta s

,
rtkeket -re vonatkoz mintarealizcinak nevezzk. Az olyan
-esek halmazt, melyekre teljesl, hogy az
benne van a
, mintatrnek nevezzk.
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
alapfogalmai
mintaelemek szmt jelenti, melyek kisebbek -nl. A ksbbiekben ltni fogjuk, hogy ez a becsls valban
megfelel lesz szmunkra.
fggvnyt a
nevezzk.
egy valsznsgi vltozra vonatkoz minta. Ekkor az
-re vonatkoz
elem minthoz tartoz tapasztalati eloszlsfggvnynek
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
A kvetkez brn egy

-beli valsznsgi vltozra vonatkoz 20 elem minthoz tartoz
tapasztalati eloszlsfggvnyt lthatunk.
27
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 kk grafikon itt is a valdi eloszlsfggvnyt jelenti, a piros a tapasztalatit.

28
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
-hez majdnem biztosan.
rgztett
Legyen
olyan,
hogy
Ha
, akkor az balrl val folytonossga miatt az

halmaznak ltezik maximuma. Ezt a maximumot jelljk -val. Legyen tovbb
s
. Ekkor
gy
Jelentse
azt az esemnyt, hogy
, illetve
azt,
. A nagy szmok ers trvnye miatt
hogy
. Ebbl
jellssel
teljesl. Emiatt ltezik

esetn az -n teljesl, hogy
Legyen
rgztett. Ekkor ltezik
Mindezek alapjn minden
, hogy minden
, hogy
egsz esetn az
-n teljesl, hogy
29
egsz szm s
alapfogalmai
Hasonlan teljesl minden
gy
egsz esetn az
teljesl az
-n, hogy
. Ebbl mr kvetkezik a ttel.
-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
alapfogalmai
Lthat, hogy 10 000-es mintaelemszm esetn mr gyakorlatilag megegyezik a tapasztalati s a valdi

eloszlsfggvny. Az utbbi brn gy tnhet, hogy a tapasztalati eloszlsfggvny nem lpcss. Termszetesen
ez nem igaz, pusztn arrl van sz, hogy egy lpcsfok hossza olyan kicsi, hogy az a rajz felbontsa miatt
csak egy pontnak ltszik.
A kvetkez videban tbbfle eloszlssal vizsgljuk a tapasztalati eloszlsfggvny konvergencijt.
VIDE
Az elz videban hasznlt program letlthet innen: valdem.zip
3. Tapasztalati eloszls, srsghisztogram

Tapasztalati eloszlsfggvny helyett ms lehetsg is van valsznsgi vltozk eloszlsnak vizsglatra.
Diszkrt valsznsgi vltoz esetn vizsglhatjuk az gynevezett tapasztalati eloszlst is, mely a
valsznsgi vltoz egy lehetsges rtkhez hozzrendeli a ksrletsorozatbeli relatv gyakorisgt. Azaz, ha
a valsznsgi vltoz rtkkszlete
s a -re vonatkoz minta
, akkor a tapasztalati
eloszls az
hozzrendels. (Teht
a mintban az
Ha a ksrletsorozatban az
akkor az
-vel egyenl elemek szmt jelenti.)
elemi esemny kvetkezett be, azaz a mintarealizci
31
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
ponttal minden -re.
A kvetkez kpen egy

-beli valsznsgi vltozra vonatkoz 1000 elem mintarealizcibl
szmolt tapasztalati eloszlst lthatunk vonaldiagrammal brzolva.
Ugyanezen az brn kkkel felrajzoljuk a valdi eloszlst is, mely jl mutatja a hasonlsgot.
Abszolt folytonos valsznsgi vltoz esetn a srsghisztogram vizsglata is clravezet lehet a

tapasztalati eloszlsfggvny mellett. Legyen
,
s
. Tegyk fel,
hogy a -re vonatkoz
mintarealizci minden eleme benne van az
intervallumban.
Jellje a minta azon elemeinek a szmt, amelyek az
intervallumba esnek, azaz
ahol
. Ezutn minden
intervallum fl rajzoljunk egy
-val arnyos magassg
tglalapot gy, hogy a tglalapok sszterlete 1 legyen, azaz a -edik tglalap magassga
Az gy kapott oszlopdiagramot srsghisztogramnak nevezzk, mert a valdi
srsgfggvnyt kzelti.
A srsghisztogram megadsa a mintarealizci alapjn nem egyrtelm, fgg az osztpontok vlasztstl.

Az osztpontok felvtelhez csak annyi ltalnos irnyelv mondhat, hogy fggetlennek kell lennie a minta
rtkeitl.
32
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.
sszehasonltskppen a kvetkez brn a standard normlis eloszls srsgfggvnyt lthatjuk a

intervallumon.
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.
egy valsznsgi vltozra vonatkoz minta, tovbb

valsznsgi vltoz. Ekkor ezt a valsznsgi
vltozt a minta egy statisztikjnak nevezzk. Ha
egy a -re vonatkoz
mintarealizci, akkor a
realizcijnak nevezzk.
szmot
Ha
Borel-mrhet fggvny, akkor
minden rgztett
esetn statisztika.
az
elbbi
statisztika
egy
mrhet, azaz valsznsgi vltoz. Pldul
33
alapfogalmai
egy
valsznsgi vltozra vonatkoz minta. A
kvetkez nevezetes statisztikkat definiljuk:
Ha tbb valsznsgi vltozt is vizsglunk s hangslyozni szeretnnk, hogy a tapasztalati

illetve korriglt tapasztalati szrs a -re vonatkozik, akkor azokat
illetve
mdon
fogjuk jellni.
2.7. Ttel (Steiner-formula). Brmely
Bizonyts. Legyen
esetn
tetszlegesen rgztett. Ekkor

egy
esetn jellje
melyre teljesl, hogy
valsznsgi vltozra vonatkoz minta, tovbb

az
szmok egy olyan permutcijt,
34
alapfogalmai
Legyen
valsznsgi vltozkat rendezett mintnak

s
.)
Ekkor a
nevezzk. (Vegyk szre, hogy
A
statisztikt mintaterjedelemnek nevezzk. A
A tapasztalati medin legyen
, 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
fggvnyek Borel-mrhetek, gy a rendezett minta elemei
elemi esemny kvetkezett be, azaz a mintarealizci
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.
vonatkoz minta, tovbb
egy
-dimenzis
valsznsgi vektorvltozra

valsznsgi vltoz. Ekkor ezt a valsznsgi
vltozt a minta egy statisztikjnak nevezzk. Ha
egy a -re vonatkoz
mintarealizci, akkor a
realizcijnak nevezzk.
rvonatkoz minta
szmot
az
elbbi
statisztika
egy
ktdimenzis valsznsgi vektorvltoz, tovbb a

. Ennek a mintnak a tapasztalati kovariancija
illetve tapasztalati korrelcis egytthatja

egy valsznsgi (vektor)vltozra vonatkoz minta.
A
statisztikt szimmetrikusnak nevezzk, ha az
szmok minden
permutcija esetn
35
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

valsznsgi vltoz. Ekkor ezt
a valsznsgi vltozt az elbbi darab minta egy statisztikjnak nevezzk.
Ilyen statisztikkra pldt, majd a hipotzisvizsglatoknl ltunk.
36
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
valdi rtkt kell megbecslni.
Az eljrs a -re vonatkoz

mintarealizci alapjn gy fog trtnni, hogy bizonyos
kritriumokat figyelembe vve megadunk egy statisztikt, melynek az helyen vett realizcija adja a becslst.
Most ltalnostjuk az elzeket. Legyen
az gynevezett paramtertr. Feltesszk, hogy
. Jelljn
eloszlsfggvnyt minden
esetn. Feltesszk, hogy
esetn
. Ez az gynevezett identifiklhat tulajdonsg. Tegyk fel, hogy a vizsglt valsznsgi vltozrl
tudjuk, hogy az eloszlsfggvnye az
halmaz (eloszlscsald) eleme, de a

statisztikai mez leszkl az
mezre, ahol
olyan valsznsg az
paramterek valdi rtkei ismeretlenek. Ekkor a vizsglt
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 rtke krl;
szrsa a lehet legkisebb legyen;

a minta elemszmnak vgtelenbe diverglsa esetn konvergljon a
valdi rtkhez.
A kvetkezkben ezeket a feltteleket fogalmazzuk meg pontosabban. Legyen

az elbbi
valsznsgi vltozra vonatkoz vgtelen elemszm minta (azaz
fggetlen -vel azonos eloszls
valsznsgi vltozk), tovbb jellje
,
illetve
a
-bl szrmaztatott vrhat rtket, szrst
illetve kovariancit.
3.1. Definci. A
torztatlan becslse, ha
statisztika
37
Pontbecslsek
esetn. Ha ez nem teljesl, akkor
minden
3.2. Feladat. Bizonytsa be, hogy

esetn, ahol a eloszlsfggvnye s
Bizonyts.
torztatlan becslse
-nek brmely
a tapasztalati eloszlsfggvny.
paramter binomilis eloszls valsznsgi
egy -edrend
vltoz. gy
3.3. Feladat. Legyen

esetn, s
Bizonytsa be, hogy
Bizonyts.
torztatlan becslse -nak minden

valsznsgi vltoz.
nem felttlenl torztatlan becslse
-nak.
Legyen pldul
valsznsgre
becslse -nek. Msrszt
azaz
torztott becslse.
egy olyan esemny indiktorvltozja, melynek
teljesl. Knnyen lthat, hogy

jellssel
torztott becslse
torztatlan
-nek.
3.4. Definci.
A
torztatlan becslssorozata, ha minden
3.5. Definci. Egy

esetn
, azaz
statisztikasorozat
esetn teljesl, hogy
aszimptotikusan
statisztikt vges szrsnak neveznk, ha minden

.
3.6. Definci.
Legyenek
becslsei
-nak. A
minden
esetn teljesl, hogy
s
hatsosabb becslse
vges szrs torztatlan

-nak mint
, ha
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
A hatsos becsls 1 valsznsggel egyrtelm, azaz, ha

a
-nak hatsos becslsei, akkor minden
esetn
Legyen
38
Pontbecslsek
azaz
Ebbl
torztatlan becslse
kapjuk,
-nak. gy
hatsossga miatt
hogy
. De ez csak gy lehetsges, ha
Ebbl mr kvetkezik az llts, hiszen

3.9. Definci.
A
becslssorozata, ha brmely
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
paramternek a valdi rtke

, de
esetn
nem konzisztens becslssorozat.
A torztatlan becslssorozatok konzisztencijhoz tudunk adni elgsges felttelt.

3.11. Ttel.
torztatlan becslse
Ha
-nak minden
esetn,
minden
akkor
esetn, s
a
konzisztens becslssorozata.
Bizonyts.
Legyen
Csebisev-egyenltlensg s
. Ekkor
torztatlansga, a
miatt
Ebbl mr kvetkezik, hogy
konzisztens becslssorozata.
3.12. Definci. A
becslssorozata, ha minden
statisztikasorozat
-nak ersen konzisztens
esetn
3.13. Megjegyzs. Mivel a majdnem mindentti konvergencibl kvetkezik a mrtkben

val konvergencia, ezrt az ersen konzisztens becslssorozat egyttal konzisztens
becslssorozat is.
1.1. Vrhat rtk becslse

Ebben az alszakaszban feltesszk, hogy
minden
3.14. Feladat. Bizonytsa be, hogy ha

torztatlan becslse vrhat rtknek.
esetn.
s
39
, akkor
Pontbecslsek
Bizonyts.
3.15. Feladat. Bizonytsa be, hogy a mintatlag torztatlan becslse a vrhat rtknek.
Bizonyts. Az elz kvetkezmnye
becslssorozata a vrhat rtknek.
vlasztssal.
vges szrs, akkor a mintatlag konzisztens
Bizonyts. Az llts a nagy szmok gyenge trvnyvel ekvivalens. De belthat a

konzisztencia elgsges felttelnek vizsglatval is, hiszen
melybl kvetkezik az llts.

minden
ersen konzisztens becslssorozata a vrhat rtknek.
esetn, akkor a mintatlag
Bizonyts. Az llts a Kolmogorov-fle nagy szmok ers trvnyvel ekvivalens.

3.18. Feladat. Bizonytsa be, hogy ha vges szrs brmely
hatsosabb
becslse
a
vrhat
rtknek,
mint
esetn.
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.
Bizonyts. A bizonyts terjedelmes, csak a fontosabb lpseket kzljk. A minta legyen

. Elszr be kell ltni, hogy a terjedelemkzp a vrhat rtk torztatlan becslse,
majd meg kell mutatni, hogy ennek szrsa kisebb a mintatlag szrsnl. Ehhez elszr a
rendezett
minta
elemeinek
eloszlst
vizsgljuk
meg.
Mivel
esetn
ezrt annak a valsznsge, hogy
kzl pontosan darab kisebb -nl,
A
esemny azt jelenti, hogy pontosan
darab mintaelem kisebb -nl. gy
vagy pontosan
40
vagy pontosan
Pontbecslsek
Ebbl belthat, hogy
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
Ebbl bizonythat, hogy
gy a szrsngyzet:
Mivel
, ezrt az llts ekvivalens az
egyenltlensggel. Knnyen lthat, hogy ez minden

illetve
esetn lehet egyenlsg. Az
illetve
meglep, hiszen ekkor
esetn teljesl, s csak

esetn kapott egyenlsg nem
. Ezzel bizonytott az llts.
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.
1.2. Valsznsg becslse

41
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,
Knnyen lthat, hogy

szimmetrikus statisztika s torztatlan becslse -nek.
Ha a
mintarealizciban pontosan darab 1 van, akkor fggetlenl attl,
hogy pontosan melyek azok, a szimmetria miatt az
rtke mindig
ugyanaz. Ezt a kzs rtket jelljk
-val. Annak a valsznsge, hogy a
mintarealizciban pontosan darab 1 van
Mindezekbl a torztatlansg miatt
azaz
minden
esetn. Ez pedig csak gy lehetsges, ha
esetn. Ebbl az kvetkezik, hogy
gy azt kell beltni, hogy

torztatlansg miatt, hogy
minden
, amely azzal ekvivalens a

. Legyen
42
Pontbecslsek
Ekkor az elzekhez hasonlan lthat, hogy
Msrszt
gy elg azt beltni, hogy
Ez viszont teljesl a szmtani s a ngyzetes kzp relcija miatt, hiszen

eleme van.
-nak
darab
1.3. Szrsngyzet becslse

Ebben az alszakaszban feltesszk, hogy
minden
esetn.
3.23. Feladat. Bizonytsa be, hogy a tapasztalati szrsngyzet torztott becslse a

szrsngyzetnek.
Bizonyts. A Steiner-formula s
miatt
3.24. Feladat. Bizonytsa be, hogy a tapasztalati szrsngyzet aszimptotikusan torztatlan

becslssorozata a szrsngyzetnek.
Bizonyts. Lttuk, hogy
, gy
43
Pontbecslsek
3.25. Feladat.
Bizonytsa be, hogy a tapasztalati szrsngyzet ersen konzisztens
Bizonyts. A Kolmogorov-fle nagy szmok trvnye miatt
gy a Steiner-formulbl kapjuk az lltst.

3.26. Feladat. Bizonytsa be, hogy a korriglt tapasztalati szrsngyzet torztatlan becslse
a szrsngyzetnek.
Bizonyts. Lttuk, hogy
, gy
3.27. Feladat. Bizonytsa be, hogy a korriglt tapasztalati szrsngyzet ersen konzisztens
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
Legyen egy ismeretlen

rvonatkoz minta
, ezrt azt kapjuk, hogy a

nagyobb vagy egyenl, mint
sszes vges szrs torztatlan becslsnek szrsa
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
minta likelihood fggvnye
minta loglikelihood fggvnye
3.29. Definci. A
minta Fisher-fle informcimennyisge
feltve, hogy ez a fggvny rtelmezhet. Ellenkez esetben azt mondjuk, hogy a Fisher-fle
informcimennyisg nem ltezik.
teljesl a bederivlsi felttel, ha
egy tetszleges fggvny. Azt mondjuk, hogy
44
-re
Pontbecslsek
vagy
aszerint, hogy abszolt folytonos vagy diszkrt.

3.31. Megjegyzs. Ha
3.32. Lemma.
vges, akkor
-re trivilisan teljesl a bederivlsi felttel.
-re pontosan akkor teljesl a bederivlsi felttel, ha
aszerint, hogy abszolt folytonos vagy diszkrt.

Bizonyts. Csak abszolt folytonos esetben bizonytunk, de diszkrt esetben analg mdon
jrhatunk el, melyet az Olvasra bzunk. A bizonytshoz vegyk szre, hogy
s
. Most tegyk fel, hogy
. Ebbl
kapjuk, hogy
azaz ekkor -re teljesl a bederivlsi felttel. Megfordtva, ha feltesszk, hogy -re teljesl a
bederivlsi felttel, akkor
Ezzel teljes a bizonyts.

3.33. Ttel.
.
Ha
-re teljesl a bederivlsi felttel s
ltezik, akkor
is ltezik s
jrhatunk el, melyet az Olvasra bzunk. Az
, gy
Ebbl
45
Pontbecslsek
Msrszt
Ebbl
3.34. Feladat.
Karakterisztikus
informcimennyisget.
Megolds.
Legyen teht
valsznsgi
vltoz,
s
Msrszt
egy
a
eloszls
esetn
hatrozza
meg
Fisher-fle
paramter karakterisztikus eloszls

rvonatkoz
minta
.
Ekkor
s
. gy
vgessge miatt -re teljesl a bederivlsi felttel, melybl

informcimennyisget.
, ahol
rgztett. Hatrozza meg a Fisher-fle
Megolds.
, azaz -re teljesl a bederivlsi felttel. Korbban lttuk, hogy ekkor
46
Pontbecslsek
Ebbl kapjuk, hogy
3.36. Feladat. Legyen ismeretlen

fle informcimennyisget.
paramter Poisson-eloszls. Hatrozza meg a Fisher-
Megolds.
Msrszt
azaz -re teljesl a bederivlsi felttel. Ebbl kapjuk, hogy

. Hatrozza meg a Fisher-fle informcimennyisget.
Megolds.
Msrszt
azaz -re teljesl a bederivlsi felttel. Ebbl kapjuk, hogy
3.38. Feladat. Legyen egyenletes eloszls a

intervallumon
. Mutassa meg,
hogy ekkor nem teljesl
-re a bederivlsi felttel, tovbb az
s
meghatrozsval bizonytsa be, hogy
, ha
.
47
Pontbecslsek
Megolds.
teljesl a bederivlsi felttel.
Teht ekkor
, gy
, azaz
esetn
-re valban nem
3.39. Ttel (RaoCramr-egyenltlensg). Legyen

vges szrs torztatlan
becslse
-nak, ahol
differencilhat fggvny. Tegyk fel, hogy -re s
re teljesl a bederivlsi felttel, tovbb, hogy ltezik s pozitv. Ekkor
minden
esetn. A
kifejezs az gynevezett informcis hatr.
jrhatunk el, melyet az Olvasra bzunk. Korbban mr lttuk, hogy az adott felttelekkel
ltezik s
. Legyen
Ekkor
msrszt
48
Pontbecslsek
Ezekbl
, msrszt
jellssel
gy
kvetkezik az llts.
3.40. Lemma (Bederivlhatsgi lemma). Ha

ltezik, pozitv s folytonos, tovbb
minden
esetn, akkor -re s
melybl
vges szrs statisztika,
a vltozban folytonosan differencilhat

-re teljesl a bederivlsi felttel.
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
paramter karakterisztikus eloszls valsznsgi

. Korbban lttuk, hogy vges szrs torztatlan
-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
mintatlag hatsos becslse
. Ebbl kvetkezik az llts.

, ahol
rgztett. Bizonytsa be, hogy a
-nek.
Megolds. Korbban lttuk, hogy

. Msrszt
miatt az informcis hatr
vges szrs torztatlan becslse

49
-nek s
. Most legyen
Pontbecslsek
tetszleges vges szrs torztatlan becslse -nek. Mivel a bederivlhatsgi

lemma minden felttele teljesl, ezrt -re s
-re teljesl a bederivlsi felttel. gy a Rao
Cramr-egyenltlensg miatt
paramter Poisson-eloszls. Bizonytsa be, hogy a
3.43. Feladat. Legyen ismeretlen

mintatlag hatsos becslse -nak.
Megolds. Tudjuk, hogy
vges szrs torztatlan becslse -nak s
. Msrszt

. Most legyen
tetszleges vges szrs torztatlan becslse -nak. Mivel a bederivlhatsgi lemma minden
felttele teljesl, ezrt -re s
-re teljesl a bederivlsi felttel. gy a RaoCramregyenltlensg miatt
nak.
. Bizonytsa be, hogy a mintatlag hatsos becslse -
Megolds. Korbban lttuk, hogy
vges szrs torztatlan becslse -nak s
Msrszt
. Most legyen
tetszleges vges szrs torztatlan becslse -nak. Mivel a bederivlhatsgi

lemma minden felttele teljesl, ezrt -re s
-re teljesl a bederivlsi felttel. gy a Rao
Cramr-egyenltlensg miatt
3. Pontbecslsi mdszerek
A fejezet htralv rszben kt ltalnos mdszert ismertetnk pontbecslsek konstrulsra.
3.1. Momentumok mdszere

Ez volt az els ltalnos eljrs pontbecslsek ksztsre. A mdszer K. Pearson nevhez fzdik. Az elve az,
hogy darab ismeretlen paramter esetn a -adik momentumot a -adik tapasztalati momentummal becsljk
. A kvetkez ttel szerint, bizonyos felttelek esetn az gy kapott becslsei az ismeretlen
paramtereknek ersen konzisztensek.
3.45. Ttel. Legyen a vizsglt valsznsgi vltoz s a paramtertr
halmaz. Tegyk fel, hogy
ltezik s vges minden
ltezik s folytonos -n minden
Jacobi-determinns
minden
esetn, tovbb az gynevezett
esetn. Ha az
egyenletrendszernek 1-hez tart valsznsggel ltezik

megoldsa, amint
.
nylt
esetn,
, akkor
egyrtelm
ersen konzisztens becslssorozata
Bizonyts. Legyen
50
-nak
Pontbecslsek
Az adott felttelekkel folytonos, gy nyltsga miatt

is nylt. Ebbl ltezik rgztett
esetn
-nak olyan
sugar krnyezete, mely rszhalmaza
-nak. A nagy
szmok ers trvnye miatt
-nak
, melybl a konzisztencia is kvetkezik. gy brmely
esetn van olyan
, hogy
esetn
Innen kapjuk, hogy
legalbb
azaz
valsznsggel, amennyiben
. Ebbl kvetkezik, hogy
Teht 1-hez tart valsznsggel

, ahol
a
inverzt jelenti. Az inverzfggvny-ttel miatt (lsd W. Rudin [14, 230. oldal]) az adott
felttelekkel
ltezik s folytonos.
nak
, melybl a
folytonossga miatt 1 valsznsggel teljesl, hogy
Mindezekbl
(Az utbbi kt hatrrtk koordintnknt rtend.) Ezzel az llts bizonytott.

becslssorozata -nak.
ersen konzisztens
, akkor
Megolds. Az elz ttel felttelei teljeslnek, gy az
megoldsa ersen konzisztens becslssorozata -nak.

3.47. Feladat.
mdszervel.
esetn szmolja ki az
Megolds. A kvetkez egyenletrendszert kapjuk:
51
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
. Egyszer szmolssal kapjuk,
, gy az elz ttel miatt teljesl, hogy ezek a becslssorozatok
hogy a Jacobi-determinns
ersen konzisztensek.
3.2. Maximum likelihood becsls

A maximum likelihood (magyarul: legnagyobb valsznsg) becsls elve az, hogy adott mintarealizcihoz az
ismeretlen paramtereknek olyan becslst adjuk meg, amely mellett az adott mintarealizci a legnagyobb
valsznsggel kvetkezik be.
Ennek az elvnek a vizsglatban feltesszk, hogy a vizsglt valsznsgi vltoz abszolt folytonos vagy
diszkrt,
, a -re vonatkoz minta
, tovbb a rtkkszlete , azaz a mintatr
. Ha
abszolt folytonos, akkor jellje -nek a -bl szrmaz srsgfggvnyt, ahol
.
Elszr a mr korbban definilt likelihood fggvnyt terjesztjk ki
esetre.
3.49. Definci. A
minta likelihood fggvnye
3.50. Definci. A
, ha
minden
statisztika a
maximum likelihood becslse
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
minta loglikelihood fggvnye

52
Pontbecslsek
3.52. Feladat. Legyen egyenletes eloszls az

maximum likelihood becslst.
intervallumon. Szmolja ki
Megolds. A loglikelihood fggvny
Ennek maximumhelye
-nek
, gy a maximum likelihood becslse -nak
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
. Szmolja ki
Megolds.
vltoz szerint differencilhat fggvny az
maximum likelihood becslst.
, 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
Megolds. A loglikelihood fggvny
ami
s vltozk szerint parcilisan differencilhat fggvny az
Tekintsk a kvetkez egyenletrendszert:
53
halmazon.
Pontbecslsek
Ennek egyetlen megoldsa:
. 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
egyenletrendszernek. Ezt az egyenletrendszert likelihood egyenletrendszernek nevezzk. Termszetesen

esetn egyenletrendszer helyett egyenletet kapunk. Sokszor a likelihood egyenletrendszer megoldsa s a
maximum likelihood becsls egybeesik, de ez nem mindig van gy. Ilyen plda konstrulsa igen bonyolult,
most eltekintnk tle.
A likelihood egyenlet megoldsnak a j tulajdonsgt, bizonyos felttelek esetn, a kvetkez ttel fogalmazza
meg.
3.56. Ttel (Wald-ttel). Ha
krnyezetben, tovbb
likelihood egyenletnek van olyan
ahol
differencilhat a valdi
ltezik s vges minden
megoldsa, amelyre teljesl, hogy
, az
paramter egy
esetn, akkor a
a minta elemszmt jelenti.
jrhatunk el, melyet az Olvasra bzunk. Mivel
konvex fggvny, ezrt a Jensenegyenltlensg alapjn minden
esetn
azaz az identifiklhatsg miatt minden
esetn
A Kolmogorov-fle nagy szmok ers trvnye s
54
Pontbecslsek
miatt
minden
esetn. Mindezekbl kapjuk, hogy
minden
esetn. Ebbl elg nagy -ekre kapjuk, hogy
minden
nagy -ekre
esetn. Most legyen
olyan, hogy
. Ekkor elg
melybl kvetkezik az llts, hiszen tetszlegesen kicsi lehet.

A likelihood egyenlet egy megoldsnak tovbbi j tulajdonsgait lltja Cramr ttele, melyet bonyolultsga
miatt nem taglalunk (lsd pl. Fazekas I. [2, 90. oldal]).
55
4. fejezet - Intervallumbecslsek
1. Az intervallumbecsls feladata
Legyen a vizsglt valsznsgi vltoz az
nylt halmaz. A feladat
,
jellssel
statisztikai mezn, ahol

valdi rtknek becslse.
Amint korbban lttuk a pontbecsls

valdi rtkt egy szmmal becsli. Mindezt egy statisztika
realizcijval tettk meg. Intervallumbecslsnl egy olyan intervallumot adunk meg, amelybe a
valdi
rtke nagy valsznsggel beleesik. Ezen intervallum als s fels vgpontjt egy-egy statisztika
realizcijval adjuk meg. Magt a becsl intervallumot konfidenciaintervallumnak fogjuk nevezni.
4.1. Definci. Legyen a -re vonatkoz minta
statisztikk. Azt mondjuk, hogy

paramterre, ha
, tovbb
biztonsgi szint konfidenciaintervallum a
minden
esetn, ahol
konfidenciaintervallumnak nevezzk -ra, ha
esetn. Az
minden
rtket a
nevezzk.
intervallumot centrlt
. A
-ra vonatkoz
konfidenciaintervallum pontos biztonsgi szintjnek
Ha diszkrt, akkor adott -hoz nem felttlenl tallhat olyan konfidenciaintervallum, melynek
pontos biztonsgi szintje. Ezrt definiltuk a biztonsgi szintet az elz mdon.
2. Konfidenciaintervallum a normlis eloszls

paramtereire
s
fel, hogy
ismeretlen, de ismert. Adjon
melynek
a pontos biztonsgi szintje.
egy -re vonatkoz minta. Tegyk

-re olyan centrlt konfidenciaintervallumot,
A megoldshoz szksgnk lesz a kvetkez ttelre.

4.3. Ttel. Ha
egy -re vonatkoz minta, akkor
Bizonyts. Tudjuk, hogy
normlis eloszls,
, azaz
esetn
. gy, ha
jelli a
s
eloszlsfggvnyt, akkor
56
Intervallumbecslsek
Ezzel bizonytott az llts.

Most trjnk vissza a feladatra.
Megolds. Legyen
. Ekkor az elz ttel szerint
Mivel
pontosan akkor teljesl, ha
-re trendezssel azt kapjuk, hogy
, ezrt ilyen
Knny ltni, hogy ez centrlt konfidenciaintervallum, hiszen
sszefoglalva teht a megolds:
jellsekkel
biztonsgi szintje.
olyan centrlt konfidenciaintervallum
-re, melynek
a pontos

s
egy -re vonatkoz minta. Tegyk
fel, hogy
ismert s ismeretlen. Adjon -ra olyan centrlt konfidenciaintervallumot,
melynek
4.5. Ttel. Ha
Bizonyts. Mivel
vltozk, ezrt a ngyzetsszegk
vltoz.
egy -re vonatkoz minta, akkor

szabadsgi fok khi-ngyzet eloszls valsznsgi
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

57
Intervallumbecslsek
pontosan
, ezrt ebben az esetben
Mivel
akkor
teljesl,
ha
azaz trendezve
Vegyk szre, hogy
jellsekkel
biztonsgi szintje.
. sszefoglalva teht a megolds:
miatt
-ra, melynek
a pontos

s
egy -re vonatkoz minta
.
Tegyk fel, hogy s ismeretlenek. Adjon -ra centrlt konfidenciaintervallumot, melynek
4.7. Ttel. Ha
s
fggetlenek, tovbb
Bizonyts.
mtrix (azaz
Legyen
, az
olyan
, akkor
-es ortonormlt
egysgmtrix), melynek els sorban minden elem

. Ekkor
, azaz
Mindezekbl a Steiner-formula alapjn
58
, tovbb
, tovbb
Intervallumbecslsek
azaz
Jellje
az
mtrix -edik sorban s -edik oszlopban ll elemt. Ekkor
amibl kvetkezik, hogy
s az
normlis eloszls,
ortonormltsga miatt
gy
. Msrszt
Ezekbl kvetkezik, hogy

-tl fgg, ezrt s
esetn
fggetlenek. Mivel
fggetlenek.
Msrszt azt is kaptuk, hogy
csak
-tl fgg, illetve
csak
olyan fggetlen standard normlis eloszls
valsznsgi vltozk, melyeknek a ngyzetsszege
. Ebbl mr kvetkezik, hogy
.
Most rtrnk a feladat megoldsra.
Megolds. Legyen
Mivel
pontosan
akkor
teljesl,
azaz trendezve
59
ha
Intervallumbecslsek
Vegyk szre, hogy
jellsekkel
biztonsgi szintje.
miatt
-ra, melynek
a pontos
4.8. Megjegyzs. Az elz megoldsban

s
megoldst ad, ha a feladat felttelben ismert.
fggetlen
-tl, ezrt ez akkor is j

s
Tegyk fel, hogy
s
ismeretlenek. Adjon
melynek

.
-re centrlt konfidenciaintervallumot,

4.10. Ttel. Ha
, akkor
Bizonyts. Korbban lttuk, hogy
tovbb ezek fggetlenek. gy
Rtrnk a feladat megoldsra.

Megolds. Legyen
Mivel
-ra trendezssel azt kapjuk, hogy
Knny ltni, hogy ez centrlt konfidenciaintervallum, hiszen
60
, ezrt ilyen
Intervallumbecslsek
sszefoglalva teht a megolds:
jellsekkel
biztonsgi szintje.
4.11. Megjegyzs. Az elz megoldsban

s
megoldst ad, ha a feladat felttelben ismert.
-re, melynek
fggetlen
a pontos
-tl, ezrt ez akkor is j
3. Konfidenciaintervallum az exponencilis eloszls

paramterre
hogy ismeretlen. Adjon
biztonsgi szintje.
Megolds. Mivel
s
egy -re vonatkoz minta. Tegyk fel,
-ra centrlt konfidenciaintervallumot, melynek
a pontos
esetn
ezrt
, kvetkezskppen
gy
Mivel
pontosan
esetn
akkor
teljesl,
ha
azaz trendezve
Vegyk szre, hogy
miatt
61
Intervallumbecslsek
jellsekkel
biztonsgi szintje.
-ra, melynek
a pontos
4. Konfidenciaintervallum valsznsgre
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]).
biztonsgi szint konfidenciaintervallum -re. Ennek bizonytsa

, de itt nem rszletezzk (lsd Kendall, Stuart [7, 103
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
-re trendezssel azt kapjuk, hogy
A -ben msodfok
polinom gykei
62
, ezrt ilyen
Intervallumbecslsek
gy
jellsekkel
biztonsgi szint konfidenciaintervallum -re.
Ha olyan nagy, hogy

egyszersthet:
elhanyagolhatan kicsi
-hez kpest, akkor a megolds tovbb
5. ltalnos mdszer konfidenciaintervallum

ksztsre
Legyen a vizsglt valsznsgi vltoz az
,
nylt halmaz, s a valsznsgi vltoz
eloszlsfggvnye folytonos minden
esetn. Mivel
esetn
ezrt
gy
Mivel
ebben az esetben
, kvetkezskppen
esetn
63
, ezrt
Intervallumbecslsek
Innen a konfidenciaintervallum szerencss esetben mr megadhat. Tulajdonkppen ezt alkalmaztuk az

exponencilis eloszls paramternek intervallumbecslsnl.
4.14. Feladat. Legyen az
ismeretlen, s
a
konfidenciaintervallumot, melynek
Megolds. Mivel
intervallumon egyenletes eloszls, ahol

ismert,
-re vonatkoz minta. Adjon
-re centrlt
a biztonsgi szintje.
, gy az elzek miatt a
egyenltlensget kell -re rendezni. Azt kapjuk, hogy
gy a feladat megoldsa:
jellsekkel
biztonsgi szintje.
-re, melynek
64
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.
1.1. Null- illetve ellenhipotzis

Azt a felttelezst, amelyrl dntst akarunk hozni, nullhipotzisnek nevezzk s
-val jelljk. Legyen
azon valsznsgek halmaza, melyek a
teljeslse esetn lehetsgesek. Felttelezzk, hogy ez
nem res halmaz.
Ha -t elutastjuk, akkor egy azzal ellenttes lltst fogadunk el, melyet ellenhipotzisnek neveznk, s gyel jellnk. ltalban
s
kzl az egyik mindig bekvetkezik, de ez nem mindig van gy (lsd pldul
az gynevezett egyoldali ellenhipotziseket). Ennek okt ksbb taglaljuk. Legyen
azon
valsznsgek halmaza, melyek a
teljeslse esetn lehetsgesek. Felttelezzk, hogy ez nem res halmaz.
1.2. Statisztikai prba terjedelme s torztatlansga

Tegyk fel, hogy a
dimenzisak.
valsznsgi vektorvltozra vonatkozik
-re vonatkozzon a
Ha a ksrletben az
minta
, melyek rendre
. Legyen
elemi esemny kvetkezett be, s
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
szmot a prba terjedelmnek nevezzk, ha
teljesl, azaz az elsfaj hiba valsznsge legfeljebb . Ekkor az

szmot a prba szintjnek nevezzk.
Ez azt az rtket jelenti, amelynl nagyobb vagy egyenl valsznsggel elfogadjuk
-t, ha az igaz. A prba
pontos terjedelme , ha
65
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
terjedelm prba esetn
teljesl, akkor a prbt torztatlannak nevezzk. Ez azt jelenti, hogy

ha
igaz, mint amikor
igaz.
-t nagyobb valsznsggel utastjuk el,
1.3. Prbastatisztika
Elfogadsi tartomny konstrulshoz
esetn ismert eloszls
statisztikra lesz szksgnk, mely lnyegesen mskpp viselkedik

illetve
teljeslse esetn. Az ilyen
statisztikt prbastatisztiknak nevezzk. Ekkor rgztett
esetn meg tudunk adni egy olyan
intervallumot, melyre
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.
esemny pontosan akkor kvetkezik be, amikor
A gyakorlatban sokkal egyszerbb a

esemny megadsa, mint a
Szoks a
esemnyt is elfogadsi tartomnynak nevezni, mg a
(br helyesebb lenne az elfogadsi illetve kritikus esemny elnevezs).
, ezrt
felrsa, ezrt az elbbit vlasztjuk.

esemnyt kritikus tartomnynak
1.4. A statisztikai prba menete

Amikor a rgztett
prbaterjedelemhez s a vlasztott
prbastatisztikhoz megvlasztjuk az
intervallumot, akkor gyelni kell arra, hogy a msodfaj hiba valsznsge azaz annak a valsznsge, hogy
teljeslse esetn
-t elfogadjuk kicsi legyen. Ehhez megadsnl nem csak
-t, hanem
-t is
figyelembe kell venni. A gyakorlatban a menetrend a kvetkez:
ismeretben kivlasztjuk a
prbastatisztikt.
s ismeretben kivlasztjuk
jellegt:
rosszul vlasztunk, akkor a msodfaj hiba valsznsge tl nagy lesz.
A prbastatisztika
kritikus rtkeket.
esetn teljesl eloszlsnak,
stb. Ez fontos pont, mert ha itt
jellegnek s -nak az ismeretben meghatrozzuk a
A prbastatisztika, a mintarealizci s ismeretben dntst hozunk. Ha a prbastatisztika realizcija

ba esik, akkor -t elfogadjuk
ellenben terjedelemmel. Ha a prbastatisztika realizcija nem esik
ba, akkor -t elutastjuk
ellenben terjedelemmel, vagyis ilyenkor -gyet fogadjuk el.
1.5. A nullhipotzis s az ellenhipotzis megvlasztsa

A gyakorlatban nem minden esetben rdemes a sejtsnket, vagy az elvrsunkat megvlasztani
nullhipotzisnek, mert nem tallnnk hozz prbastatisztikt. Ilyenkor ezt ellenhipotzisknt kezeljk, s egy
olyan ezzel ellenttes lltst fogadunk el nullhipotzisnek, amelyhez mr tallunk megfelel prbastatisztikt.
Mindez rthetbb vlik a kvetkez pldn:
66
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:
kzl az egyik mindig bekvetkezik.
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.
1.6. A prba erfggvnye s konzisztencija

Ha a vizsglt valsznsgi vltoz az
-re vonatkoz minta
, tovbb ha
nullhipotzisrl, akkor a
,
rgztett s

, s a
kritikus tartomny mellett dntnk a
fggvnyt a prba erfggvnynek nevezzk. Ha
akkor azt mondjuk, hogy a prba konzisztens.

Az erfggvny a msodfaj hiba vizsglatban hasznos. Ez az gynevezett egymints u-prba kapcsn vlik
majd vilgoss. A konzisztencia tulajdonkppen azt jelenti, hogy a msodfaj hiba valsznsge a mintaelemek
szmnak nvelsvel 0hoz tart.
2. Paramteres hipotzisvizsglatok
Ha a nullhipotzis ismert eloszlscsaldbl szrmaz valsznsgi vltozk eloszlsainak paramtereire
vonatkozik, akkor paramteres hipotzisvizsglatrl beszlnk.
2.1. Egymints u-prba

a -re vonatkoz minta. A
hipotzisekre adjon adott
, ahol
terjedelm prbt, ahol
ismeretlen s
rgztett.
67
ismert, tovbb legyen
Hipotzisvizsglatok
Megolds. Elszr prbastatisztikt adunk. Korbban mr bizonytottuk, hogy

esetn
teljeslse
A kritikus tartomny megadsnl vegyk figyelembe, hogy az torztatlan becslse, gy

teljeslse esetn
vrhatan kritikus rtkben eltvolodik 0-tl. Kvetkezskppen
a standard normlis eloszls szimmetrija miatt clszernek tnik, ha az elfogadsi tartomny
alak. Ha
, akkor
gy
esetn
. Teht
elfogadsi tartomnnyal olyan prbt kapunk, melynek a pontos terjedelme

statisztikai prbt nevezzk egymints u-prbnak.
5.2. Feladat. Az elz feladatot oldja meg
egyoldali ellenhipotzisekre is.
illetve
. Ezt a
gynevezett
Megolds. Itt is az elbbi

prbastatisztikt fogjuk hasznlni. Elszr legyen az
ellenhipotzis
. Ennek teljeslse esetn
vrhatan kritikus rtkben
alatt van. gy az elfogadsi tartomny
jelleg. Ha
, akkor
gy
esetn
. Teht
elfogadsi tartomnnyal olyan prbt kapunk, melynek pontos terjedelme .

Ezutn legyen az ellenhipotzis
. Ennek teljeslse esetn
kritikus rtkben fltt van. gy az elfogadsi tartomny
, akkor
gy
esetn
vrhatan
jelleg. Ha
. Teht

5.3. Feladat. Vizsglja meg az egymints u-prbban a msodfaj hiba valsznsgt.
Bizonytsa be, hogy a prba torztatlan s konzisztens.
Megolds. Elszr szmoljuk ki az
Mivel
az
vrhat rtkt s szrst:
brmely rtke esetn normlis eloszls, ezrt azt kapjuk, hogy

68
Hipotzisvizsglatok
Most tekintsk a ktoldali ellenhipotzis esett. Ekkor

erfggvny
jellssel az
Derivljuk -t, melybl azt kapjuk, hogy

szigoran monoton cskken a
intervallumon, illetve szigoran monoton n az
intervallumon, tovbb minimum
helye van
-ban, s a minimum rtke
. Az is knnyen lthat, hogy
.
A kvetkez
paramterekkel.
Mindezek alapjn teht, ha

hogy a prba torztatlan. Ha -t mint
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
egyoldali ellenhipotzist. Ekkor az erfggvny
szigoran monoton nvekv, ezrt

hogy
lthatjuk
szigoran monoton cskken. Az is knnyen lthat,

s
. A kvetkez brn
paramterekkel.
69
grafikonjt
Hipotzisvizsglatok
Mindezek alapjn, ha
prba torztatlan. Ha
-t mint
teljesl, akkor
, melybl kvetkezik, hogy a
fggvnyt tekintjk, akkor minden
esetn
, melybl mr kvetkezik, hogy a prba konzisztens.

Ha
cskken, akkor
is cskken, msrszt ekkor
nvekedse miatt
cskken. Mindezekbl teht kapjuk, hogy cskkentsvel is cskken, azaz a msodfaj
hiba valsznsge n.
A
eset trgyalst az Olvasra bzzuk.
5.4. Megjegyzs.
rdemes mg megfontolni a kvetkezket. Tegyk fel, hogy az
terjedelm egymints u-prbban

ellenhipotzissel szemben, azaz bekvetkezett az
azt is feltesszk, hogy
is bekvetkezett (azaz
miatt
fogadjuk el.
esetn biztosan
-t elutastjuk a ktoldali
esemny. Ha most mg
), akkor
-gyet, mg
Viszont, ha a ktoldali ellenhipotzis elfogadsa esetn

akkor
miatt
fogadjuk el.
esetn biztosan
esetn biztosan
kvetkezett be (azaz
-gyet, mg
esetn biztosan
-t
),
-t
Hasonlan lthat be, hogy ha -t elfogadjuk a ktoldali ellenhipotzissel szemben, akkor az

egyoldali ellenhipotzisekkel szemben is elfogadjuk.
gy teht, ha elvgeztk az egymints u-prbt ktoldali ellenhipotzisre, akkor mr flsleges
egyoldalira is megcsinlni, hiszen azok eredmnye ebbl mr megadhat a kvetkez tblzat
alapjn:
-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
5.5. Megjegyzs. A kritikus rtkek kiszmolsnl az eddigiek alapjn szksg van a

ismeretre. Valjban azonban elg csak a
hasznlata. Ugyanis
ellenhipotzisre vonatkoz dnts esetn az
elfogadsi tartomny
ekvivalens azzal, hogy
Hasonlan,
illetve
elfogadsi tartomny ekvivalens azzal, hogy
ellenhipotzisre vonatkoz dnts esetn az
2.2. Ktmints u-prba

vltozk, ahol
ismeretlenek s
ismertek. Legyen
illetve
az -ra vonatkoz minta. A
fggetlen valsznsgi
a -re vonatkoz,
terjedelm prbt. A feladatot oldja meg

Megolds. Ha
igaz, akkor knnyen lthat, hogy
Elszr vizsgljuk a ktoldali ellenhipotzist. Ha ez teljesl, akkor

vrhatan kritikus
rtkben messze van 0-tl. Kvetkezskppen a standard normlis eloszls szimmetrija miatt
clszernek tnik, ha az elfogadsi tartomny
alak. Ebbl az egymints uprbval megegyez mdon bizonythat, hogy

Most legyen
. Ha ez teljesl, akkor
vrhatan kritikus rtkben 0 alatt
van. gy az elfogadsi tartomny
jelleg. Ebbl az egymints esettel
megegyez mdon bizonythat, hogy
elfogadsi
tartomnnyal olyan prbt kapunk, melynek pontos terjedelme .
Hasonlan,
esetn
71
elfogadsi
Hipotzisvizsglatok
Ezt a statisztikai prbt nevezzk ktmints u-prbnak.

Itt is rvnyes, hogy ha elvgeztk a ktmints u-prbt ktoldali ellenhipotzisre, akkor mr flsleges
egyoldalira is megcsinlni, mert azok eredmnye ebbl mr megadhat a kvetkez tblzat alapjn:
-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.
5.7. Feladat. Bizonytsuk be, hogy a ktmints u-prba esetn

(1) a prba torztatlan;
(2) a kt minta elemszmainak nvelsvel a msodfaj hiba valsznsge 0-hoz tart;
(3) az elsfaj hiba valsznsgnek cskkentsvel a msodfaj hiba valsznsge n.
Megolds. Csak ktoldali ellenhipotzisre bizonytunk, az egyoldaliakat az Olvasra bzzuk.
Knnyen lthat, hogy az
brmely rtkei esetn
gy
jellssel
Tekintsk ezt, mint

szerinti ktvltozs fggvnyt. Ekkor a szoksos eljrssal
kapjuk, hogy pontosan
esetn van minimuma a fggvnynek s ott az rtke. Ebbl mr
addik, hogy a prba torztatlan.
Msrszt,
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.
2.3. Egymints t-prba

a -re vonatkoz minta
, ahol
.A
ismeretlenek, tovbb legyen
72
, illetve
Hipotzisvizsglatok

illetve

rgztett. A feladatot oldja meg
Megolds. Korbban bizonytottuk, hogy
teljeslse esetn
A ktoldali ellenhipotzis teljeslse esetn

vrhatan kritikus rtkben messze van
0-tl. Kvetkezskppen a t-eloszls szimmetrija miatt clszernek tnik, ha az elfogadsi
tartomny
alak. A tovbbiakban legyen
. Ha
, akkor
gy
esetn
. Teht

Most legyen
. Ennek teljeslsekor
vrhatan kritikus rtkben 0 alatt
van. gy az elfogadsi tartomny
jelleg. Ha
, akkor
gy
esetn
. Teht
Hasonlan,
esetn
tartomnnyal olyan prbt kapunk, melynek
elfogadsi
a pontos terjedelme.
Ezt a statisztikai prbt nevezzk egymints t-prbnak.

5.9. Megjegyzs. Az egymints u-prbval vett analgia miatt itt is rvnyes, hogy a
ktoldali ellenhipotzis esetben meghozott dnts meghatrozza az egyoldaliakkal szemben
hozott dntseket az ott tallhat tblzat szerint. Szintn ezen analgia miatt erre a prbra is
teljesl, hogy torztatlan, konzisztens s az elsfaj hiba valsznsgnek cskkentsvel a
msodfaj hiba valsznsge n. Ennek bizonytsban az egymints u-prbnl lertakhoz
kpest csak annyit kell mg felhasznlni, hogy
konzisztens becslssorozata -nak.
2.4. Ktmints t-prba, Scheff-mdszer

5.10. Feladat.
Legyenek
valsznsgi vltozk, ahol
ismeretlenek s
re vonatkoz, illetve
az -ra vonatkoz minta
73
. Legyen
.A
fggetlen
a -
Hipotzisvizsglatok
A feladat megoldshoz szksgnk lesz a kvetkez ttelre.

5.11. Ttel.
fggetlenek,
. Ekkor
Legyenek
Bizonyts. Korbban mr bizonytottuk, hogy
Ezekbl
kapjuk,
-re, illetve
fggetlenek, tovbb
hogy
tovbb
. Knnyen lthat, hogy
melybl kapjuk a ttelt.

Most trjnk vissza a feladat megoldshoz.
Megolds. Az elz ttelben bizonytottuk, hogy
Specilisan
esetn
esetn
A ktoldali ellenhipotzis teljeslsekor

vrhatan kritikus rtkben messze van 0-tl.
Kvetkezskppen a t-eloszls szimmetrija miatt clszernek tnik, ha az elfogadsi
tartomny
alak. A tovbbiakban legyen
. Ha
, akkor
gy
esetn
. Teht
74
Hipotzisvizsglatok
Hasonlan
az
egymints
t-prbhoz
kapjuk,
hogy
esetn
elfogadsi tartomnnyal, mg
esetn
elfogadsi tartomnnyal olyan prbt kapunk,
melynek pontos terjedelme .

Ezt a statisztikai prbt nevezzk ktmints t-prbnak.
5.12. Feladat. Oldjuk meg az elz feladatot akkor is, ha az ismeretlen szrsok viszonyt
nem ismerjk.
Szksgnk lesz a kvetkez ttelre.
5.13. Ttel. Legyenek
vltozk s
a
-re vonatkoz, illetve

s
. Ekkor
az
fggetlen valsznsgi
-ra vonatkoz minta
jellsekkel
fggetlen valsznsgi vltozk.

Bizonyts. Az llts
esetn trivilis. Legyen
Ekkor
msrszt
jellsekkel
gy
melybl kapjuk, hogy

. Mivel
alak, azaz
fggetlen normlis eloszls valsznsgi vltozk lineris kombincija, ezrt
. Mg a fggetlensget kell beltni. Ehhez elg a
megmutatsa.
ezrt
esetn
75
Hipotzisvizsglatok
Ezzel a bizonytst befejeztk.

Most trjnk r a feladat megoldsra.
Megolds. Az ltalnossg megszortsa nlkl feltehetjk, hogy
. Az elz ttel
szerint van olyan normlis eloszls
vrhat rtk valsznsgi vltoz,
hogy
-ra vonatkoz minta. Vegyk szre, hogy

esetn
mintra az egymints t-prbt
vlasztssal. Ekkor
. Vgezzk el erre a
miatt ennek a prbnak a hipotzisei egybeesnek a feladat hipotziseivel. Teht legyen
Ekkor
esetn
elfogadsi tartomnnyal a prba pontosan
terjedelm. Msrszt
esetn
elfogadsi
tartomnnyal, mg
esetn
elfogadsi
.
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
.A
76
fggetlen
a
-re
Hipotzisvizsglatok

Szksg lesz a kvetkez ttelre.
5.16. Ttel.
vltozk,
Legyenek
a -re vonatkoz, illetve
. Ekkor
az
fggetlen valsznsgi
-ra vonatkoz minta
Bizonyts. Korbban bizonytottuk, hogy
gy ezek fggetlensge miatt
Most trjnk vissza a feladat megoldsra.

Megolds. Az elz ttel szerint, ha
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
vrhatan kritikus rtkben kisebb 1-tl. Ezrt az elfogadsi

. Mivel
-ra
77
Hipotzisvizsglatok
gy
esetn
esetn, gy
is teljesl. Teht
tartomnnyal terjedelm prbt kapunk.
Vgl
ellenhipotzis teljeslse esetn
tl. Ezrt az elfogadsi tartomny
alak, ahol
vrhatan kritikus rtkben nagyobb 1. Ekkor

-ra
gy
biztosan teljesl
elfogadsi
Az
esetn
, ezrt
elfogadsi tartomnnyal
biztosan teljesl, ha
. Mivel
is teljesl. Teht
Ezt a statisztikai prbt F-prbnak nevezzk.

5.17. Megjegyzs. Legyen
ellenhipotzis esetn lttuk, hogy
. Ktoldali
terjedelm prbt kapunk. Mivel
, ezrt
elfogadsi tartomnnyal szintn
, akkor vlasszuk az els elfogadsi tartomnyt. De ebben az esetben
Ha
biztosan teljesl. Teht ekkor az elfogadsi
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.
2.6. Khi-ngyzet prba normlis eloszls szrsra

5.18. Feladat.
rgztett s
Legyen
, ahol
s
a -re vonatkoz minta
.A
ismeretlenek. Legyen
78
Hipotzisvizsglatok

Megolds. Tudjuk, hogy
esetn
Mivel
s
a szrsngyzet torztatlan becslse, gy
teljeslse
esetn
vrhatan kritikus mrtkben messze van
-tl. gy az elfogadsi tartomnyt
vlasszuk
alaknak, ahol
. Tegyk fel, hogy
esetn
azaz
s
. Mivel
ngyzet eloszls lersnl tallhat lemmt), gy
Ezrt az ezzel ekvivalens
is teljesl. Mivel
gy
tartomnnyal
(lsd a khibiztosan teljesl.

esetn
elfogadsi
A
ellenhipotzis teljeslsekor
vrhatan kritikus mrtkben kisebb
tl. Azaz az elfogadsi tartomny
alak, ahol
. Mivel
-ra
gy
esetn
. Teht gy
. Erre teljesl, hogy

, mert
Ha
teljesl, akkor
vrhatan kritikus mrtkben nagyobb
elfogadsi tartomny
alak, ahol
. Mivel
-ra
gy
esetn
-tl, azaz az
esetn
. Msrszt ekkor
miatt
. Teht gy
terjedelm prbt kapunk. Ez az gynevezett khi-ngyzet prba.
2.7. Statisztikai prba exponencilis eloszls paramterre

, ahol
ismeretlen. Legyen
79
rgztett s
Hipotzisvizsglatok

Megolds. A
intervallumbecslsnl lttuk, hogy
esetn
Mivel az
torztatlan becslse, gy a
ellenhipotzis
teljeslsekor vrhatan kritikus mrtkben messze van -tl. Azaz az elfogadsi tartomny
alak, ahol
.
Tegyk fel, hogy
esetn
azaz
s
eloszls lersnl tallhat lemmt), gy
ekvivalens
is teljesl. Mivel
gy
tartomnnyal
. Mivel
(lsd a gammabiztosan teljesl. Ezrt az ezzel
esetn
elfogadsi
A
(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
(ellenttben a korbbi
prbkkal) vrhatan kritikus mrtkben kisebb -tl. Azaz az elfogadsi tartomny
alak, ahol
. Mivel
-ra
gy
esetn
. Teht gy
. Erre teljesl, hogy

, mert
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
Hipotzisvizsglatok
-t elfogadjuk
-t elfogadjuk
-t elutastjuk
-t elfogadjuk
-t elutastjuk
-t elfogadjuk
A tblzat gy is rtelmezhet, hogy

esetn
esetn
esetn
, illetve
mellett dntnk
terjedelemmel.
2.8. Statisztikai prba valsznsgre

, ahol
ismeretlen. Legyen
rgztett s

5.22. Megjegyzs. Ha
egy esemny s
, akkor
, ahol az
valsznsge. Ezrt a feladat gy is megfogalmazhat, hogy adjon az elz hipotzisekre
terjedelm prbt, ahol egy esemny valsznsge.
Megolds. Ismert, hogy ha
igaz, akkor
Ha egy esemny indiktorvltozja, akkor

az esemny bekvetkezseinek a szmt
jelenti ksrlet utn. Mivel a torztatlan becslse, ezrt
esetn vrhatan
kritikus mrtkben eltvolodik -tl. gy ekkor az elfogadsi tartomny
alak,
ahol
s
. Az
s
felttelek azrt
kellenek, hogy a kritikus tartomnyban
illetve
ne legyenek lehetetlen
esemnyek. Keressk meg a legkisebb illetve pozitv egsz szmokat, melyekre
esetn teljesl, hogy
Az gy definilt
gy ilyenkor
s esetn, ha
, akkor
felttel mindig teljesthet
terjedelm prbt kapunk. Az

alkalmas megvlasztsval.
81
Hipotzisvizsglatok
esetn vrhatan kritikus mrtkben alatt van, azaz az elfogadsi tartomny

alak, ahol
s
. Legyen a legkisebb pozitv egsz, melyre
esetn teljesl, hogy
Az gy definilt
esetn, ha
, akkor
azaz
elfogadsi tartomnnyal terjedelm prbt kapunk. Az
is mindig teljesthet s alkalmas megvlasztsval.
felttel itt
esetn vrhatan kritikus mrtkben felett van, azaz az elfogadsi tartomny

alak, ahol
s
. Legyen a legkisebb pozitv egsz, melyre
esetn teljesl, hogy
Ekkor
teht
felttel itt is mindig teljesthet s

alkalmas megvlasztsval.
Az
Az els kt ellenhipotzisnl azrt nem gy vlasztottuk a kritikus rtkeket, hogy az

elfogadsi tartomny valsznsge
esetn
-val egyenl is lehessen, mert egyrszt ez
csak ritkn rhet el az eloszls diszkrtsge miatt, msrszt ekkor Excellel nehezebben
tudnnk szmolni.
Ha elg nagy, akkor az elbbi kritikus rtkek kiszmolshoz hasznlhatunk egyszerbb kzelt formult is.
Ehhez szksgnk lesz az gynevezett folytonossgi korrekcira.
Folytonossgi korrekci. Ha a
felttel teljesl, akkor

jellssel
kvetkez brrl lthat, hogy az

megkzelti
rtkt.
rtkt nagyon jl kzelti
lpcsssge s a
folytonossga miatt
82
. Legyen
. Ekkor a
mg pontosabban
Hipotzisvizsglatok
Teht
kzeltsek
mr
esetn
nagyon
jnak tekinthetk. Pldul, ha

,
teljesl, ezrt hasznlhatjuk a kzeltst. Pldul
akkor
rtke
kzeltleg
ami t tizedesjegyre kerektve 0,02624. Ha nem hasznljuk a folytonossgi korrekcit, akkor a
rtket kell hasznlni kzeltsnek, amely t tizedesjegyre kerektve 0,03310. sszehasonltsknt

igazi rtke 0,02478 t tizedesjegyre kerektve. Ebbl jl lthat, hogy a folytonossgi korrekcival pontosabb
kzeltst kaptunk.
5.23. Feladat.
Az elz megoldsban felrt kritikus rtkekre adjunk kzelt kpletet

esetn, a folytonossgi korrekcit alkalmazva.
Megolds. Az elz megolds jellseit fogjuk hasznlni. Az elbbiek miatt
melybl figyelembe vve, hogy
s als kritikus rtket jelent kapjuk, hogy
83
Hipotzisvizsglatok
jellssel
. Hasonlan kapjuk, hogy
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.
3.1. Tiszta illeszkedsvizsglat

. Ksztsnk a
nullhipotzisre
Megolds. Jellje
az
teljeslse esetn
elfogadsi tartomny
teljeslse esetn
ahol
gy
egy teljes esemnyrendszer s
, ahol
a valdi valsznsget jelenti.
esemny gyakorisgt
ksrlet utn, s legyen
vrhatan nem tvolodik el kritikus mrtkben 0-tl, gy az

alak, ahol
. Ismert, hogy
. (A bizonytst lsd pl. Fazekas I. [2, 161162. oldal].)

esetn
.
Teht
elfogadsi tartomnnyal kzeltleg

5.25. Feladat. Legyen egy ismeretlen eloszls valsznsgi vltoz s
eloszlsfggvny. Ksztsnk a
nullhipotzisre
Megolds.
egy rgztett
Ha
diszkrt valsznsgi vltoz
, akkor vlasszuk meg a
rtkkszlettel, ahol
egsz szmokat gy, hogy az

esemnyek teljes
esemnyrendszert alkossanak, tovbb ezek
gyakorisga a -re vonatkoz
elem
mintarealizci alapjn legalbb 10 legyen minden
esetn.
Ha nem diszkrt valsznsgi vltoz, akkor vlasszuk meg az
vals szmokat gy, hogy az

esemnyek
gyakorisga a -re
vonatkoz elem mintarealizci alapjn legalbb 10 legyen minden
esetn.
gyeljnk arra, hogy az osztpontok fggetlenek legyenek a mintarealizci elemeitl.
84
Hipotzisvizsglatok
Ezutn
jellssel legyen
is az. gy az elz feladat megoldsbl lthat, hogy
Ha
igaz, akkor
esetn
aszimptotikusan
tartomnnyal,
teljeslse
szabadsgi fok khi-ngyzet eloszls. Ebbl kapjuk, hogy

jellssel s
elfogadsi
-ra kzeltleg terjedelm prbt kapunk.
3.2. Becslses illeszkedsvizsglat

A tiszta illeszkedsvizsglatban azt vizsgltuk, hogy egy valsznsgi vltoznak mi lehet az eloszlsa.
Azonban legtbb esetben elg csak azt megmondani, hogy melyik eloszlscsaldba tartozik (egyenletes,
normlis, Poisson, stb.). Ilyenkor hasznljuk a becslses illeszkedsvizsglatot.
Legyen
. Jelljn
eloszlsfggvnyt minden
esetn. Legyen az a nullhipotzis, hogy az ismeretlen eloszls
valsznsgi vltoz az
eloszlscsaldba tartozik, azaz
5.26. Feladat.
Ksztsnk erre a nullhipotzisre
Megolds. Elszr konstruljuk meg az

illeszkedsvizsglatban lertak szerint, s jellje
utn. Ezutn
felttelezsvel szmoljuk ki
jelljn
. Legyen
teljes esemnyrendszert a tiszta

az
esemny gyakorisgt ksrlet
maximum likelihood becslst, melyet
, tovbb
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
A kzelts mr jnak tekinthet, ha

gy
hasonlan
tiszta
illeszkedsvizsglathoz kapjuk, hogy

nullhipotzisre
kzeltleg
3.3. Fggetlensgvizsglat
A kvetkez feladatban kt teljes esemnyrendszer fggetlensgt vizsgljuk.
nullhipotzisre
kt teljes esemnyrendszer. Ksztsnk a

85
Hipotzisvizsglatok
Megolds.
Legyen
illetve
az
gyakorisga
illetve
illetve
maximum likelihood becslse
fggetlen becslst jelent a
ksrlet utn. Ekkor
illetve . Ez sszesen
darab
s
felttelek miatt. Legyen
ahol
az
esemny gyakorisga ksrlet utn. A gyakorisgokat a kvetkez
gynevezett kontingencia tblzatba szoktk sszefoglalni.
A becslses illeszkedsvizsglatnl elmondottak szerint, ha

igaz, akkor
eloszlsa
szabadsgi fok khi-ngyzet eloszlshoz
konvergl
esetn. Innen az eddigiekhez hasonlan, ha
minden
esetn s
,
akkor
a
nullhipotzisre
ktdimenzis valsznsgi vektorvltoz. Az erre vonatkoz
minta alapjn ksztsnk a
nullhipotzisre
terjedelm prbt.
Megolds. Konstruljuk meg a

illetve az
mintkra az
illetve
teljes esemnyrendszereket a tiszta illeszkedsvizsglatban lertak szerint.
Ezutn legyen
Ha
igaz, akkor
esetn
is az. gy az elz feladat megoldsbl kapjuk, hogy
eloszlsa
Innen
teljeslse
szabadsgi fok khi-ngyzet eloszlshoz konvergl, ha

.
jellssel,
a
nullhipotzisre

86
Hipotzisvizsglatok
3.4. Homogenitsvizsglat
s fggetlen valsznsgi vltozk. Az ezekre vonatkoz
mintk alapjn ksztsnk a
5.29. Feladat. Legyenek

illetve
nullhipotzisre
terjedelm prbt.
Megolds. Vlasszuk meg az
vals szmokat gy, hogy a

esemny gyakorisga illetve az
esemny gyakorisga a mintarealizcik alapjn legalbb 10 legyen minden
esetn.
Most tegyk fel, hogy
vonatkozlag
teljesl. Ekkor van olyan valsznsgi vltoz, amelyre

egy
elem minta.
Jelentse
azt az esemnyt, hogy
.A
illetve
illetve -ra vonatkozik. De
esetn az, hogy
mintavtel valjban -re vagy -ra trtnt. gy ekkor
jelentse azt, hogy a mintavtel -re

teljesl-e, fggetlen attl, hogy a
is teljesl. Erre alkalmazhatjuk a fggetlensgvizsglatban lertakat a kvetkez kontingencia

tblzattal:
Ekkor teht
aszimptotikusan
jellssel,
szabadsgi fok khi-ngyzet eloszls. Teht

a
nullhipotzisre
3.5. Ktmints eljelprba

87
Hipotzisvizsglatok

ktdimenzis valsznsgi vektorvltoz. Az erre vonatkoz
hipotzisekre
meg
a valdi valsznsget jelenti. A feladatot oldja

Megolds. Br a feladatot a nemparamteres hipotzisvizsglatokban trgyaljuk, egyrtelm
a kapcsolata a valsznsgre vonatkoz statisztikai prbval,
s
vlasztssal. Legyen
azaz az esemny gyakorisga, vagy ha gy tetszik, azon esetek szma, amikor

eljele pozitv (innen a prba neve). Ha
teljesl, akkor
. Legyenek az
szmok a legkisebb olyan pozitv egszek, amelyekre teljeslnek, hogy
Ekkor a valsznsgre vonatkoz statisztikai prbnl lertak szerint
elfogadsi tartomnnyal terjedelm prbt kapunk. A kritikus rtkek kiszmolsnl itt is

alkalmazhat
esetn a folytonossgi korrekcival megadott kzelt szmts.
Eszerint
jellssel
3.6. Kolmogorov Szmirnov-fle ktmints prba

88
Hipotzisvizsglatok
5.31. Ttel (Szmirnov-ttel). Legyenek s fggetlen valsznsgi vltozk, a rjuk

vonatkoz mintk
s
, illetve a nekik megfelel tapasztalati
eloszlsfggvnyek
s
. Ha -nek s -nak azonos az eloszlsfggvnye s az
folytonos, akkor minden
esetn
A bizonytst lsd pldul Fazekas I. [2, 194. oldal].

5.32. Megjegyzs. A Szmirnov-ttel feltteleivel
kzelts mr jnak tekinthet, ha
pontos eloszlsa is ismert (lsd pl. Fazekas I. [2,

esetn is tudunk prbt konstrulni. Mi ezzel az esettel nem
A
191. oldal]), melybl
foglalkozunk.

s
vltozk. Az ezekre vonatkoz
ksztsnk a
nullhipotzisre
folytonos eloszlsfggvny fggetlen valsznsgi

illetve
mintk alapjn
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
vrhatan kritikus mrtkben eltvolodik 0-tl. Ezrt az

alak, ahol
. A Szmirnov-ttel szerint
ahol
gy
esetn
elfogadsi tartomnnyal krlbell
. Teht
3.7. Kolmogorov Szmirnov-fle egymints prba

A matematikai statisztika alapttele a tapasztalati eloszlsfggvny konvergencijrl szl, de a konvergencia
sebessgrl nem ad informcit. A kvetkez Kolmogorovtl szrmaz ttel ezt a hinyt ptolja, melyet itt
bizonyts nlkl kzlnk.
89
Hipotzisvizsglatok
5.34. Ttel (Kolmogorov-ttel). Legyen a valsznsgi vltoz

eloszlsfggvnye
folytonos. A -re vonatkoz minta legyen
s a neki megfelel tapasztalati
eloszlsfggvny . Ekkor minden
esetn
5.35. Megjegyzs. A Kolmogorov-ttel feltteleivel
kzelts mr jnak tekinthet, ha
folytonos eloszlsfggvny valsznsgi vltoz. Az erre

5.36. Feladat.
vonatkoz
Legyen
nullhipotzisre
terjedelm prbt.
Megolds. Legyen a tapasztalati eloszlsfggvny
, tovbb legyen
Ha
nem teljesl, akkor vrhatan kritikus mrtkben eltvolodik 0-tl. gy a ktmints
esethez hasonlan kapjuk, hogy
elfogadsi tartomnnyal krlbell
terjedelm a prba, ahol
90
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
Az eltrs mrtke legyen
hasonlan a
szrsngyzethez, ami a
eltrsnek mrtke. Ha sikerlne olyan
fggvnyt tallni, amelyre

a lehet legkisebb, akkor
lehetne jsolni , azaz az rhullm tetzsnek mrtkt.
ltalnostva, ha az
kzeltst ad
mrsvel kzeltleg meg
valsznsgi vltozk esetn az a feladat, hogy adjuk meg a lehet legjobb
fggvnyt, akkor az gy rtend, hogy az
rtkt kell minimalizlni. Ez az gynevezett legkisebb ngyzetek elve. Az gy kapott

ismeretben megbecslhet lesz .
6.1. Ttel.
Legyenek
valsznsgi vltozk s
Borel-mrhet fggvnyt figyelembe vve
tovbb
. Az sszes
akkor a
legkisebb, ha
Bizonyts. Legyen
Ekkor
msrszt
gy kapjuk, hogy
melybl addik az llts.
91
Regressziszmts
6.2. Definci. Ha
s
vges, akkor a
valsznsgi vltozk,
rtkkszlete
fggvnyt az valsznsgi vltoz

-ra vonatkoz regresszis felletnek, illetve
ennek meghatrozst regressziszmtsnak nevezzk. Specilisan
esetn regresszis
grbrl beszlnk. Ha a regresszis fellet lineris fggvnnyel rhat le, akkor azt
esetn (elsfaj) regresszis egyenesnek, mg
esetn (elsfaj) regresszis sknak
nevezzk.
6.3. Megjegyzs. Ismert, hogy
esetn lteznek olyan
konstansok, hogy
. Teht ha
valsznsgi vektorvltoz normlis eloszls, akkor a regresszis fellet egy
lineris fggvnnyel rhat le.
2. Lineris regresszi
nem normlis eloszls, akkor a legtbb esetben a regresszis fellet meghatrozsa igen
Ha
bonyolult problma. Ilyen esetekben azzal egyszersthetjk a feladatot, hogy

minimumt csak a
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
esetn msodfaj regresszis egyenesnek 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
mtrixot gy kapjuk, hogy az
mtrix
-edik oszlopt kicserljk az
-ra.
Bizonyts.
A feladat azon
paramterek meghatrozsa, amelyek mellett

minimlis. Mivel
92
Regressziszmts
ezrt
gy azt kapjuk, hogy az
egyenletrendszer ekvivalens az
egyenlettel. Mivel pozitv definit, ezrt

, gy a Cramer-szably alapjn ennek
pontosan egy megoldsa van, nevezetesen az, amely a ttelben fel lett rva. Legyen
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:
esetn az elz ttel felttelei teljeslnek, ha

. Msrszt ekkor
ekvivalens
Ennek a megoldsa
gy a regresszis egyenes egyenlete
azaz ennek eredmnyekppen a tovbbiakban az
93
Regressziszmts
lineris kzeltst lehet hasznlni.

6.6. Feladat.
Az
minimumt keresse meg azon
fggvnyek kztt, melyek tmennek az orign, azaz a
lineris
alak fggvnyek kztt.

Megolds. Az elz ttel bizonytshoz hasonlan kapjuk a kvetkez lltst. Legyen
,
,
, tovbb az
mtrix pozitv definit, azaz minden bal fels sarokdeterminnsa pozitv. Ekkor a feladatnak
pontosan egy megoldsa van, nevezetesen azon
fggvny, melyre
ahol az
mtrixot gy kapjuk, hogy az

-ra. Specilisan
mtrix
-edik oszlopt kicserljk az
esetn

rgztett konstansok. Az
minimumt keresse meg azon lineris
fggvnyek kztt, melyekre teljesl, hogy
. Ez az gynevezett fixpontos lineris regresszi. A megoldst ad
fggvnyt
illetve
esetn fixpontos regresszis egyenesnek illetve fixpontos
regresszis sknak nevezzk.
Megolds. Knnyen lthat, hogy
pontosan akkor teljeslnek egyszerre, ha
(Vegyk szre, hogy

feladat megoldsban
felttelnek eleget tev
esetn az elz feladatot kapjuk vissza.) gy az elz

helybe
rva, addnak a
egytthatk.
3. A lineris regresszi egytthatinak becslse

Az elzekben a lineris regresszi egytthatit az
valsznsgi vltozk s azok kapcsolatnak
ismeretben hatroztuk meg. Ezekrl viszont a gyakorlatban csak nagyon ritkn van elegend informcink. gy
ekkor az
-ra vonatkoz minta alapjn kell ezeket az egytthatkat megbecslni. Legyen ez a
minta
Bevezetjk a kvetkez jellseket:
94
Regressziszmts
A becsls alapja az, hogy az
tlaggal
becsljk.
vrhat rtket az
Vegyk
szre,
hogy
ez
az
megtallsa, amely mellett
tlag
alakban
is
rhat,
oszlopvektor hossza. gy a feladat azon
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
vektortr egy altere. Mivel

az
merleges vetlete -re, azaz
merleges
-re, minden
Az utols lpsben azrt hagyhat el

, mert az egyenlet brmely -re teljesl. Az -ra vonatkoz
egyenlet az gynevezett normlegyenlet, melynek
-val jellt megoldsa
szolgltatja a lineris regresszi egytthatinak becslst. Nyilvn, ha
invertlhat mtrix, akkor
6.8. Plda. Szmolja ki

Megolds. Az
esetn a lineris regresszi egytthatinak becslst.
-re vonatkoz minta
Nmi szmolssal kapjuk, hogy az

egyenletrendszerrel:
Ennek megoldsa, s gy az
normlegyenlet ekvivalens a kvetkez
becslse
95
Regressziszmts
Ennek alapjn a tovbbiakban az
kzeltst fogjuk hasznlni.
6.9. Megjegyzs. sszehasonltva az elbb kapott

s
becslseket a korbban kapott
elmleti rtkekkel, azt lthatjuk, hogy tulajdonkppen a vrhat rtket mintatlaggal, a
szrsngyzetet tapasztalati szrsngyzettel s a kovariancit a tapasztalati kovariancival
becsltk.
6.10. Feladat.
Adjon becslst az
valsznsgi vektorvltozra vonatkoz
minta alapjn a fixpontos lineris regresszi egytthatira.
Megolds. A feladat teht rgztett
esetn olyan
fggvnyt tallni, melyre
minimlis. Legyen elszr

. Ekkor
gy a lineris regresszi egytthatinak becslshez hasonlan kapjuk, hogy
jellsekkel, ha
Specilisan
invertlhat mtrix, akkor
esetn
gy ekkor az
kzeltst fogjuk hasznlni.
Tetszleges
esetn a fixpontot transzformljuk az origra, gy az elz
megoldsban csak annyit kell vltoztatni, hogy
jellseket hasznlunk.
96
Regressziszmts
4. Nemlineris regresszi
A lineris regresszis kzelts sokszor nagyon durva becslst adhat.
pontok brzolsval jl szemlltethet ez a problma.
esetn a mintarealizcit jelent
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.
4.1. Polinomos regresszi

Ebben az esetben a regresszis fggvnyt
alakban keressk. Ekkor az

adja.
egytthatkat az
kztt vgrehajtott lineris regresszi
4.2. Hatvnykitevs regresszi

alakban keressk. Ez azzal ekvivalens, hogy
gy ekkor
kztt lineris regresszit vgrehajtva, a kapott

, azaz
Ebbl a korbbiak alapjn
Ezen paramterek becslse, szintn a korbbiak alapjn

97
egytthatkra teljesl, hogy
Regressziszmts
4.3. Exponencilis regresszi

gy ekkor
kztt lineris regresszit vgrehajtva, a kapott

, azaz
egytthatkra teljesl, hogy
Ebbl a korbbiak alapjn
4.4. Logaritmikus regresszi

alakban keressk. gy ekkor
kztt lineris regresszit vgrehajtva, a korbbiak alapjn
98
Regressziszmts
4.5. Hiperbolikus regresszi

gy ekkor
kztt lineris regresszit vgrehajtva, a korbbiak alapjn
99
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

Matematikai Statisztika (Tómács Tibor)

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Matematikai Statisztika (Tómács Tibor)

Uploaded by

Copyright:

Available Formats

Matematikai statisztika

Created by XMLmind XSL-FO Converter.

Created by XMLmind XSL-FO Converter.

1.3. Prbastatisztika ....................................................................................................... 66

vals szm egsz rsze

fggvny -beli jobb oldali hatrrtke

paramter binomilis eloszls valsznsgi vltozk halmaza

paramter exponencilis eloszls valsznsgi vltozk halmaza

szrs normlis eloszls valsznsgi vltozk halmaza

paramter -dimenzis normlis eloszls valsznsgi vltozk halmaza

paramter gamma-eloszls valsznsgi vltozk halmaza

az szabadsgi fok khi-ngyzet eloszls valsznsgi vltozk halmaza

szabadsgi fok F-eloszls valsznsgi vltozk halmaza

paramterhez tartoz valsznsg

paramterhez tartoz vrhat rtk

paramterhez tartoz szrs illetve szrsngyzet

paramterhez tartoz srsg- illetve eloszlsfggvny

esetn lehetsges valsznsgek halmaza

Ekkor -fet -algebrnak, elemeit esemnyeknek, illetve -t biztos esemnynek nevezzk. A

olyan fggvny, melyre

a legszkebb -algebra, mely tartalmazza az

teljesl. (Ilyen valsznsg a Caratheodory-fle kiterjesztsi ttel miatt egyrtelmen ltezik.)

ksrlet -szeri fggetlen elvgzst modellezi.

olyan fggvny, melyre teljesl,

1.6. Ttel. Legyen

minden pontban balrl folytonos;

1.7. Ttel. Ha egy tetszleges

fggvnyt eloszlsfggvnynek nevezzk, ha teljeslnek r az

valsznsgi vltoz eloszlsfggvnye, akkor teljeslnek a

Ha diszkrt valsznsgi vltoz, azaz ha

1.11. Ttel. Ha a abszolt folytonos valsznsgi vltoz eloszlsfggvnye

Ezen kt ttel alapjn jogos a kvetkez elnevezs:

fggvnyt srsgfggvnynek nevezzk, ha

4. Vrhat rtk, szrsngyzet

valsznsgi vltoz rtkkszlete

valsznsgi vltoz rtkkszlete.

1.19. Ttel. Ha -nek ltezik vrhat rtke s

majdnem biztosan teljesl, akkor -nak

s vges vrhat rtkkel rendelkez valsznsgi vltozk, akkor

1.21. Ttel (Jensen-egyenltlensg).

feltve, hogy ezek a vrhat rtkek lteznek.

valsznsgi vektorvltoz eloszlsfggvnye

abszolt folytonos, ha ltezik olyan

esetn. Ekkor -fet a

abszolt folytonos valsznsgi vektorvltoz

6. Feltteles vrhat rtk

diszkrt valsznsgi vltozk rtkkszletei

-ra vonatkoz feltteles

abszolt folytonos valsznsgi vektorvltoz

-ra vonatkoz feltteles

A feltteles vrhat rtkre teljeslnek a kvetkezk:

majdnem biztosan, minden

7. Fggetlen valsznsgi vltozk

. Valsznsgi vltozk fggetlensgt

valsznsgi vltozkat fggetleneknek nevezzk, ha

-dimenzis valsznsgi vektorvltozkat fggetleneknek

diszkrt valsznsgi vltozk pontosan akkor fggetlenek, ha

1.33. Ttel (Konvolci). Ha s

fggetlen abszolt folytonos valsznsgi vltozk

1.34. Ttel. Ha s fggetlen abszolt folytonos valsznsgi vltozk illetve

fggetlen abszolt folytonos valsznsgi vltozk

srsgfggvnnyel, akkor is abszolt folytonos, tovbb a srsgfggvnye

8. Kovariancia s korrelcis egytthat

valsznsgi vltozk kovariancija