Kapitel 7 - Sannolikhetslära och inferensteori II
Transcription
Kapitel 7 - Sannolikhetslära och inferensteori II
Sannolikhetslära och inferens II Kapitel 7 Samplingfördelningar och Centrala gränsvärdessatsen Måns Thulin, Sannolikhetslära och inferens II 1 Statistikor och samplingfördelningar I Kapitel 6 studerades metoder för att bestämma sannolikhetsfördelningen för funktioner av slumpvariabler. Nu ska vi studera funktioner U = h(X1,X2,…,Xn) där X1,X2,…,Xn utgör ett slumpmässigt stickprov, dvs de är oberoende och likafördelade slumpvariabler (olfsv). En sådan funktion av stickprovet kallas för en statistika (plural statistikor). En statistika är själv en slumpvariabel och dess sannolikhetsfördelning kallas för en samplingfördelning. Måns Thulin, Sannolikhetslära och inferens II 2 Statistikor och samplingfördelningar Statistikor kan användas för att dra slutsatser (inferens) om populationens parametrar. De två vanligaste statistikorna är som ofta används vid inferens angående populationsmedelvärdet μ och populationsvariansen σ2. Eftersom statistikor används vid inferens är det av stort intresse att finna deras samplingfördelningar. Måns Thulin, Sannolikhetslära och inferens II 3 Samplingfördelningar vid normalfördelad population (X) Sats. Låt X1,X2,…,Xn vara oberoende och likafördelade N(μ,σ). Då gäller att En direkt följd av detta är att Måns Thulin, Sannolikhetslära och inferens II 4 Samplingfördelningar vid normalfördelad population (S2) Sats. Låt X1,X2,…,Xn vara oberoende och likafördelade N(μ,σ). Då gäller att Måns Thulin, Sannolikhetslära och inferens II 5 Samplingfördelningar vid normalfördelad population (S2) Bevis. Vi accepterar 1. här. (För bevis se uppgift 13.94**.) För att bevisa 2. behövs följande resultat från Kapitel 6 (se föreläsning Bild 9-11, 35). Det visar sig att Y uppvisar stora likheter med U. För att finna sannolikhetsfördelningen för U kan vi alltså utgå från Y och sedan (på något sätt) ”byta ut” μ mot X. Måns Thulin, Sannolikhetslära och inferens II 6 Samplingfördelningar vid normalfördelad population (S2) Bevis (forts). Det följer därmed att Måns Thulin, Sannolikhetslära och inferens II 7 Samplingfördelningar vid normalfördelad population (S2) Bevis (forts). Av Punkt 1. följer att Z2 och U är oberoende vilket innebär att vi med momentgenererande funktioner får att Eftersom Y är χ2(n) och Z2 är χ2(1) följer därmed att dvs vilket är momentgenererande funktion för χ2(n-1). Måns Thulin, Sannolikhetslära och inferens II 8 Samplingfördelningar vid normalfördelad population (X) Vi ska i Kapitel 8 se att eftersom är Z lämplig att använda vid inferens angående μ. Problemet med Z är att populationsstandardavvikelsen σ ofta är okänd. Vi söker därför en möjlighet att i detta uttryck ”byta ut” σ mot stickprovsstandardavvikelsen S. Frågan är hur detta påverkar samplingfördelningen? Måns Thulin, Sannolikhetslära och inferens II 9 t-fördelningen (definition) Låt Z och W vara oberoende slumpvariabler där Z är N(0,1) och W är χ2(ν). Då är t-fördelad med v frihetsgrader. Vi skriver t(v) eller tv. Måns Thulin, Sannolikhetslära och inferens II 10 t-fördelningen (användning) Eftersom X och S2 är oberoende samtidigt som att det vid normalfördelad population gäller får vi att Vi har lyckats ersätta σ med S och fått en statistika som följer en t-fördelning med n-1 frihetsgrader. Måns Thulin, Sannolikhetslära och inferens II 11 F-fördelningen (definition) Låt W1 och W2 vara oberoende χ2(ν1) respektive χ2(ν2). Då är F-fördelad med v1 frihetsgrader i täljaren och v2 frihetsgrader i nämnaren. Vi skriver F(v1,v2) eller Fv1,v2. Måns Thulin, Sannolikhetslära och inferens II 12 F-fördelningen (användning) Betrakta två oberoende stickprov om n1 respektive n2 observationer från två normalfördelade populationer. W1 och W2 är då oberoende χ2(n1-1) respektive χ2(n2-2). F följer en F-fördelning med n1-1 frihetsgrader i täljaren och n2-1 frihetsgrader i nämnaren. Måns Thulin, Sannolikhetslära och inferens II 13 Centrala gränsvärdessatsen Sats. Låt X1,X2,…,Xn vara oberoende och likafördelade slumpvariabler med väntevärde μ och standardavvikelse σ. Om vi för fixt n låter följer att Vi säger att Un konvergerar i fördelning mot Z med innebörden att fördelningsfunktionen för Un konvergerar mot fördelningsfunktionen för N(0,1). Alternativt sägs Un vara asymptotiskt normalfördelad. 14 Uppgift 7.104 Låt Yn vara Bi(n,pn) för n=1,2,3,…, där λ=npn förutsätts vara en konstant för alla n. Då gäller att som innebär att vilket är momentgenererande funktion för Po(λ). Måns Thulin, Sannolikhetslära och inferens II 15