= E(Y 2 ) 1 n. = var(y 2 ) = E(Y 4 ) (E(Y 2 )) 2. Materiaalin esimerkin b) nojalla log-uskottavuusfunktio on l(θ; y) = n(y θ)2

Samankaltaiset tiedostot
1. (Monisteen teht. 5.16) Eräiden kuulalaakereiden kestoa (miljoonaa kierrosta) on totuttu kuvaamaan Weibull-jakaumalla, jonka tiheysfunktio on

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 7B Ratkaisuehdotuksia.

Mat Sovellettu todennäköisyyslasku A

Tilastollinen päättely II, kevät 2017 Harjoitus 3B

Tilastollinen päättely. 3. Piste-estimointi Johdanto Estimointimenetelmät Estimaattoreiden ominaisuudet

Tilastollinen päättely. 3. Piste estimointi Johdanto Estimointimenetelmät Estimaattoreiden ominaisuudet

Mat Sovellettu todennäköisyyslaskenta B 8. harjoitukset / Ratkaisut Aiheet: Otos ja otosjakaumat Avainsanat:

l (φ; y) = l(θ(φ); y) Toinen derivaatta saadaan tulon derivaatan laskusäännöllä Uudelleenparametroidun mallin Fisherin informaatio on

Mat Koesuunnittelu ja tilastolliset mallit. Yhden selittäjän lineaarinen regressiomalli. Avainsanat:

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Viikko 4

MTTTP1 SELITYKSIÄ JA ESIMERKKEJÄ KAAVAKOKOELMAN KAAVOIHIN LIITTYEN

Tilastolliset menetelmät: Otokset, otosjakaumat ja estimointi. 4. Otokset ja otosjakaumat 5. Estimointi 6. Estimointimenetelmät 7.

Mat Sovellettu todennäköisyyslaskenta B 9. harjoitukset / Ratkaisut Aiheet: Estimointi Estimointimenetelmät Väliestimointi Avainsanat:

1. (Jatkoa Harjoitus 5A tehtävään 4). Monisteen esimerkin mukaan momenttimenetelmän. n ne(y i Y (n) ) = 2E(Y 1 Y (n) ).

13. Lineaariset ensimmäisen kertaluvun differentiaalisysteemit

Jaksolliset ja toistuvat suoritukset

Bernoullijakauma. Binomijakauma

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 6

7.5. Yleinen lineaarinen malli ja suurimman uskottavuuden menetelmä

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus

Luento 6 Luotettavuus Koherentit järjestelmät

3 Yleistä estimointiteoriaa. Olemme perehtuneet jo piste-estimointiin su-estimoinnin kautta Tässä luvussa tarkastellaan piste-estimointiin yleisemmin

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 5 Aiheet: Tilastolliset testit Avainsanat:

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Tilastollinen päättely. 2. Datan redusoinnin periaatteet Tyhjentävyys Uskottavuus

Tilastollinen päättely. 4. Hypoteesien testaus Johdanto Testien konstruointi Testien vertailu

Konvergenssikäsitteet ja raja-arvolauseet. Konvergenssikäsitteet ja raja-arvolauseet. Konvergenssikäsitteet ja raja-arvolauseet: Mitä opimme?

1. Jatketaan luentojen esimerkkiä 8.3. Oletetaan kuten esimerkissä X Y Bin(Y, θ) Y Poi(λ) λ y. f X (x) (λθ)x

on tavanomainen yhden selittäjän lineaarinen regressiomalli, jossa jäännöstermit ε i toteuttavat seuraavat oletukset:

1. Luvut 1, 10 on laitettu ympyrän kehälle. Osoita, että löytyy kolme vierekkäistä

1.2. Aritmeettisen keskiarvon ja otosvarianssin otosjakaumat: Odotusarvot ja varianssit

1.4. Aritmeettisen keskiarvon otosjakauma: Suurten otosten tuloksia

3.6 Su-estimaattorien asymptotiikka

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2018 Harjoitus 3 Ratkaisuehdotuksia.

Tilastollinen päättömyys, kevät 2017 Harjoitus 5b

Mat /Mat Matematiikan peruskurssi C3/KP3-I Harjoitus 2, esimerkkiratkaisut

2-suuntainen vaihtoehtoinen hypoteesi

MS-A0205/MS-A0206 Differentiaali- ja integraalilaskenta 2 Luento 7: Lagrangen kertojat. Pienimmän neliösumman menetelmä.

Raja-arvot. Osittaisderivaatat.

3 Yleistä estimointiteoriaa. Olemme perehtuneet jo piste-estimointiin su-estimoinnin kautta Tässä luvussa tarkastellaan piste-estimointiin yleisemmin

Tilastolliset menetelmät: Otokset, otosjakaumat ja estimointi

Ilkka Mellin. Sovellettu todennäköisyyslasku: Kaavat ja taulukot

EX1 EX 2 EX =

Mat Tilastollisen analyysin perusteet, kevät 2007

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli

HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät Ratkaisuehdotuksia

Tilastollinen päättely. 4. Hypoteesien testaus Johdanto Testien konstruointi Testien vertailu

Tilastollinen päättömyys, kevät 2017 Harjoitus 6A

9. Jakojärjestelmät. Sisältö. Puhdas jakojärjestelmä. Yksinkertainen liikenneteoreettinen malli

Tilastollisten aineistojen kerääminen ja mittaaminen Tilastolliset aineistot

9. laskuharjoituskierros, vko 12-13, ratkaisut

Mat Koesuunnittelu ja tilastolliset mallit

3.5 Generoivat funktiot ja momentit

Todennäköisyyslaskennan ja tilastotieteen peruskurssi Esimerkkikokoelma 2

8. laskuharjoituskierros, vko 11, ratkaisut

Jakaumien tunnusluvut. Jakaumien tunnusluvut. Jakaumien tunnusluvut: Mitä opimme? 2/2. Jakaumien tunnusluvut: Mitä opimme? 1/2

Tilastollinen päättely II, kevät 2017 Harjoitus 2A

3. Teoriaharjoitukset

S , FYSIIKKA III (ES), Syksy 2002, LH 4, Loppuviikko 39. Partitiofunktiota käyttäen keskiarvo voidaan kirjoittaa muotoon

Mat Tilastollinen päättely 7. harjoitukset / Tehtävät. Hypoteesien testaus. Avainsanat:

Muuttujien välisten riippuvuuksien analysointi

Johdatus tekoälyn taustalla olevaan matematiikkaan

3 Tilayhtälöiden numeerinen integrointi

Sovellettu todennäköisyyslaskenta B

6.1 Riippumattomat satunnaismuuttujat

HASSEN-WEILIN LAUSE. Kertausta

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

Tässä luvussa mietimme, kuinka paljon aineistossa on tarpeellista tietoa Sivuamme kysymyksiä:

Ilkka Mellin (2008) 1/24

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Gripenberg. MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi Tentti ja välikoeuusinta

6. Stokastiset prosessit (2)

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 8B Ratkaisuehdotuksia.

1 0 2 x 1 a. x 1 2x c b 2a c a. Alimmalta riviltä nähdään että yhtälöyhmällä on ratkaisu jos ja vain jos b 3a + c = 0.

Satunnaismuuttujien muunnokset ja niiden jakaumat. Satunnaismuuttujien muunnokset ja niiden jakaumat

ABTEKNILLINEN KORKEAKOULU

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

Oletetaan, että virhetermit eivät korreloi toistensa eikä faktorin f kanssa. Toisin sanoen

1. PARAMETRIEN ESTIMOINTI

Väliestimointi (jatkoa) Heliövaara 1

2. Uskottavuus ja informaatio

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.

d L q i = V = mc 2 q i 1 γ = = p i. = V = γm q i + QA i. ṗ i + Q A i + Q da i t + j + V + Q φ

HY, MTO / Matemaattisten tieteiden kandiohjelma Tilastollinen päättely II, kevät 2018 Harjoitus 6A Ratkaisuehdotuksia.

Estimointi. Vilkkumaa / Kuusinen 1

HY, MTL / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIb, syksy 2017 Harjoitus 1 Ratkaisuehdotuksia

Maximum likelihood-estimointi Alkeet

Sovellettu todennäköisyyslaskenta B

Mat Sovellettu todennäköisyyslasku A. Diskreetit jakaumat Jatkuvat jakaumat. Avainsanat:

Kaksisuuntainen varianssianalyysi. Heliövaara 1

2. Teoriaharjoitukset

Algebra I Matematiikan ja tilastotieteen laitos Ratkaisuehdotuksia harjoituksiin 5 (6 sivua)

Osa 2: Otokset, otosjakaumat ja estimointi

Moniulotteiset jakaumat ja havaintoaineistot

4.1. Olkoon X mielivaltainen positiivinen satunnaismuuttuja, jonka odotusarvo on

Satunnaismuuttujien muunnokset ja niiden jakaumat

T p = 0. λ n i T i B = Käytetään kohdan (i) identiteetin todistamiseen induktiotodistusta. : Oletetaan, että väite on totta, kun n = k.

Tilastollinen riippuvuus ja korrelaatio

Tilastollinen testaus. Vilkkumaa / Kuusinen 1

2. Uskottavuus ja informaatio

Transkriptio:

HY / Matematka ja tlastotetee latos Tlastolle päättely II, kevät 28 Harjotus 3A Ratkasuehdotuksa Tehtäväsarja I Olkoot Y,, Y ja Nθ, ) Osota, että T T Y) Y 2 o parametr gθ) θ 2 harhato estmaattor Laske estmaator T varass ja äytä, että se o suuremp ku formaatoepäyhtälo atama alaraja Vhje Y 2 : varass laskemsee o mota tapaa, mutta ehkä suoravvas o seuraava: Y oudattaa ormaaljakaumaa perustele mks) Tämä jälkee varass laskeme palautuu ormaaljakautuee satuasmuuttuja 2 ja 4 momet laskemsee Nämä vo laskea vakka momettemäfuktota dervomalla ta katsomalla ormaaljakauma momett wkpedasta https://ewkpedaorg/ wk/normal_dstrbuto) Ratkasu: Koska Y,, Y ovat rppumattoma ormaaljakautueta satuasmuuttuja, Nθ, ), Todeäkösyyslasketa II -kurss tetoje ojalla Y N θ, ) 2 }{{}}{{} θ Normaaljakautueea tämä orgomomett 2 EY 2 ) θ 2 + ja EY 4 ) θ 4 +6θ 2 + 3 2 Estmaattor T Y 2 odotusarvo ET ) E Y 2 ) EY 2 ) θ2 + θ2, jote T o parametr θ 2 harhato estmaattor Estmaattor T varass vart ) var Y 2 ) vary 2 ) EY 4 ) EY 2 ) θ 4 + 6θ 2 + 3 θ 2 + 2 4θ 2 + 2 2 Materaal esmerk 27 b) ojalla log-uskottavuusfukto o lθ; y) y θ)2 2 Se toe dervaatta l θ; y) ja ste Fsher formaato θ) E l θ; Y)) E) Kute formaatoepäyhtälö 32b) mukaa ptäsk, kaklla θ pätee 4θ 2 + 2 vart ) g θ 2 θ) 2θ)2 4θ2 Rppumattome ormaaljakautuede satuasmuuttuje summa o ormaaljakautuut, ja ormaaljakautuee satuasmuuttuja aff muuos o ormaaljakautuut Normaaljakauma parametrt saadaa sm: odotusarvosta ja varasssta 2 https://ewkpedaorg/wk/normal_dstrbuto

2 Jatkoa Harjotukse 3A tehtävää 3 Luetomateraal pohjalta tedämme, että tasajakaumasta havatoje tekeme e ole sääölle Sääöllslle mallelle osotettu formaatoepäyhtälo parametr θ harhattomlle estmaattorlle T vodaa krjottaa var θ T ιθ) E θ l θ; Y)) 2 Näytä että ˇθ + θ o parametr θ harhato estmaattor Laske estmaattor ˇθ varass ja vertaa tätä osamäärää /E θ l θ; Y ) Mtä tämä melestäs kertoo? Ratkasu: Harjotuksessa 3A ratkasmme, että Eˆθ θ θ Ss estmaattor o harhato + + θ, jote Eˇθ E + ˆθ +Eˆθ + Lasketaa yt estmaattor ˆθ varass käyttämällä tetoa varx) EX 2 EX jote ˆθ: varassks saadaa Eˆθ 2 ) Tästä vodaa laskea ˇθ: varass: θ t 2 ft) dt t 2 t θ dt θ t + dt θ θ / θ + 2 t+2 θ + 2 θ+2 + 2 θ2, +2 θ2 2 + θ 2 θ 2 +2 2 + ) varˇθ) + )2 2 varˆθ) + )2 θ 2 2 + 2 2 + ) ) + )2 2 θ2 2 + 2) ) θ 2 2 + 2 Lasketaa velä E θ l θ; Y ) lθ; Y) log θ ) log θ ) logθ) l θ; Y) θ E θ l θ; Y ) 2 θ 2 Tästä ähdää, että sääöllste malle formaatoepäyhtälö alaraja hajoaa, sllä varˇθ) θ2 θ2 2 +2 2 ιθ) Ss selvästk formaatoepäyhtälö tuottama alaraja harhattoma estmaattor varasslle pätee va sääöllslle mallelle

3 Mostee tehtävä 39) Erää elektrose kompoet kestokä oudattaa ekspoettjakaumaa, joka odotusarvo o θ/t, jossa t > o kompoet käyttölämpötla ja θ > o tutemato parametr Parametr θ estmomseks testataa kompoetta tosstaa rppumattomast lämpötlossa t,, t ja mtataa de kestoät Y,, Y Osota,että T t o parametr θ harhato mutte täystehokas estmaattor Ratkasu: Lasketaa es estmaattor odotusarvo: ET ) t E t θ t θ θ, t t jote selväst estmaattor o harhato Täystehokkuude arvomsee tarvtsemme es mall Fsher formaatota Tehdää uudelleeparametrot λ gθ) θ, jollo saadaa uskottavuusfukto ja se logartm: Lθ, y) t λexp λt y ) λ exp λ t y ) t ) lθ, y) logλ) + logt ) λ t y, josta λ: suhtee dervomalla saadaa l θ, y) λ t y l θ, y) λ 2 λ) E l θ, y)) λ 2 θ) θ 2 θ 2 )2 θ 2, mssä vmesessä yhtälössä käytett laskuharjotuksessa 2b todstettua parametr muuokse Fsher formaato kaavaa Lasketaa seuraavaks varass: vart ) var ) t vart ) θ 2 t t 2 ) t 2 t λ λ 2 t ) var Y 2 ) t 2 t θ2 vary t ) t 2 t θ2 θ) jolla {t } I jote estmaattor e ole täystehokas, sllä vodaa löytää arvot jolla vart ) > θ), esm 2, t 3, t 2 2

4 Jatkoa Harjotukse 3A tehtävää 4 a) Näytä, että suurmma uskottavuude estmaattor β o täystehokas b) Oletetaa, että x c kaklla, ku c > o vako Näytä, että β, T ja T 2 ovat tarketuva c) Pohd, päteekö tarketuvuus ym estmaattorelle, jos x / 2? Vmese kysymykse perustelu e tarvtse olla mtekää täsmälle, sopva äpptutumaperustelu käy maost) Ratkasu: Tehtävssä 2 b ratkast mall suurmma uskottavuude estmaatt ˆβ ˆβy) y x ) x 2 Kute samossa tehtävssä äht, havattu formaato o ja Fsher formaato jβ; y) l β; y) 2 x 2 2σ 2 x 2 σ 2 β) E[jβ; Y)] E[ l β; Y)] x 2 σ 2 Estmaattor varass o var ˆβ) ) x ) var var x ) vary x 2 x )) x 2 x 2 x 2 var ) x 2 σ 2 ) x 2 x 2 ) σ2 x 2 2 x 2 σ2, x 2 joka o mall Fsher formaato β) käätesluku Estmaattor o ste täystehokas, sllä se varass saavuttaa formaatoepäyhtälö 32 c) atama alaraja jokasella β b-kohdassa tutktaa estmaattore varassa, ss: var ˆβ) σ2 x 2 σ2 c 2 σ2 c 2, ja vart ) var ) x x ) vary 2 ) σ 2 x σ2 c σ2 c 2, /x vart 2 ) var ) var ) 2 x 2 σ2 2 x 2 ) σ2 c 2, var x ) 2 x 2 var )

ku Ss kakk estmaattort ovat tarketuva C-kohdassa tutktaa edellä johdettuja varasseja lma oletusta x c > Selväst yt kakssa kohdssa käytettyä epäyhtälöä e voda perustella, vaa x 2 x a < ja /x 2 x 2 2 / 2 Sjottamalla ämä arvot edells yhtälöh, saadaa lm vart Y)) >,, mssä T o -ptusesta satuasvektorsta Y laskettu estmaattor T, T 2 ta ˆβ Ss luopumalla oletuksesta x > c > jolla c R väte tarketuvuudeta e eää päde ylesest