TAŠKINIAI PARAMETRŲ ĮVERČIAI

PASIKLIAUTINIEJI INTERVALAI
 Statistikos sąvoka
• Tarkime mus domina tam tikra stebimo
kintamojo charakteristika (nežinomas
parametras).
• Sudarome atsitiktinę imtį (X1,X2, ..., Xn).
• Imties funkciją f(X1,X2, ..., Xn) vadiname
nežinomo parametro taškiniu įverčiu arba
statistika.
• Statistikos yra atsitiktiniai dydžiai.
• Paprasčiausi statistikų pavyzdžiai yra
empirinės charakteristikos – empiriniai
vidurkiai, empirinė dispersija ir pan.
• Nežinomo parametro taškinis įvertis yra
atsitiktinis dydis. Kartojant eksperimentą jis
įgis skirtingas reikšmes.
• Taškinis įvertis skiriasi nuo populiacijos
parametro tam tikra reikšme, kuri vadinama
paklaida.
• Nežinomo parametro taškinis įvertis:

  f ( X 1; X 2 ;...; X n )
 Reikalaujama, kad taškinis įvertis
būtų

 
ˆ    1,   0
1.Suderintas P   
ˆ 
2.Nepaslinktas E   
3.Efektyvus D   
ˆ  min .
 Pavyzdys
• Įsitikinsime, kad paprastosios atsitiktinės imties
atveju empirinis vidurkis visuomet yra
nepaslinktasis vidurkio įvertis.
• Tarkime stebime atsitiktinį dydį X, kurio vidurkis
MX=µ. Tada:

1
E X  E ( X 1  X 2  ...  X n ) 
n
1 1
  EX 1  EX 2  ...  EX n   n  
n n
 Normaliojo skirstinio
pasikliautinieji intervalai
• Duota atsitiktinė imtis. Žinome, kad
stebimo atsitiktinio dydžio skirstinys yra
normalusis X~N(µ,σ).
• Rasti nežinomų parametrų µ ir σ
pasikliautinuosius intervalus
 1. Vidurkio pasikliautinasis intervalas

a) Randame nežinomo skirstinio vidurkio taškinį

įvertį – empirinį vidurkį. Apskaičiuojame
empirinį standartą.
b) Parenkame pasikliovimo lygmenį 1-α
c) Pasikliautino intervalo sudarymui parenkame
statistiką
X 
T  n ; T ~ St  n  1
S
• d) Randame Stjudento skirstinio kvantilius
tα/2(n-1) ir t1-α/2(n-1), , tenkinančius lygtį:
 X  
P t  n  1   n  t   n  1   1  
 2 S 1
2 

• Tada pasikliautinas intervalas

t   n  1 S t  n  1  S
• 1
X 2
m X  2

n n
Matchad funkcija t p (n )  qt ( p, n )
 2. Dispersijos pasikliautinas intervalas, kai vidurkis
nežinomas

a) Randame nežinomo skirstinio vidurkio taškinį

įvertį – empirinę dispersiją.
b) Parenkame pasikliovimo lygmenį 1-α
c) Pasikliautino intervalo sudarymui parenkame
statistiką

 n  1  S
2

 ;  ~   n  1
2

 2
• d) Randame χ2 skirstinio kvantilius χ2 α(n-1) ir χ2
1-α(n-1), , tenkinančius lygtį:

 2   
2
n  1  S
P    n  1    2
 n  1   1
  2 1

 
• e) tada pasikliautinasis intervalas

 n  1 S  n  1 S
2 2

 
2
;
 2
 ( n  1)  ( n  1)
2

1
2 2

Matchad funkcija  p2  n   qchisq( p, n )

 Normaliojo skirstinio parametrų
pasikliautinieji intervalai
• Vidurkio pasikliautinasis intervalas kai
dispersija žinoma:
z p z p
X m X  ;
n n

p  1
2
Matchad funkcija z p  qnorm( p,0,1)
 Dispersijos pasikliautinasis
intervalas kai vidurkis žinomas
nS0
2
nS0
2

  2
2
; p
1 p ( n )
2
 p (n ) 2
n
1
S    X i  m
2 2
0
n i 1
Matchad funkcija   n   qchisq( p, n )
2
p
 Pavyzdys
• Nustatant atstumą tarp dviejų gyvenviečių
atliekami keturi nepriklausomi matavimai.
Gauti tokie rezultatai: 2235; 2244; 2256; 2265.
Matavimo vidutinė paklaida 40m. Su
patikimumu 0,95 nustatykite matuojamo
atstumo pasikliautinąjį intervalą. Laikome, kad
matavimo rezultatai pasiskirstę pagal
normalųjį skirstinį.