Rachunek min, Własności wartości oczekiwanej


1. Zdarzenie losowe 0x01 graphic
- zb. Zdarzeń losowych

Aksjomat 1. - niepustość

Ω  0x01 graphic
Ω- jest zdarzeniem losowym

Aksjomat 2: komplementarność

A  0x01 graphic
→ ` = (Ω-A)  0x01 graphic

Aksjomat 3: -przeliczalnej addytymności

A1, A2, A3 ...  0x01 graphic
→ A1 ∨A2 ∨ A3 ∨ = (i=1υ Ai )  0x01 graphic

2.Prawdopodobieństwo to pewna funkcja określona na zbiorze zdarzeń l losowych o warosciach rzeczywistych

Aksjomat 1. - niepustość

Ω  0x01 graphic
Ω- jest zdarzeniem losowym

Aksjomat 2: komplementarność∨

A  0x01 graphic
→ ` = (Ω-A)  0x01 graphic

Aksjomat 3: -przeliczalnej addytymności

A1, A2, A3 ...  0x01 graphic
→ A1 ∨A2 ∨ A3 ∨ = (i=1υ Ai )  0x01 graphic

Aksjomat 4: A  0x01 graphic
→ P( > 

Aksjomat 5: P(Ω) =1

Aksjomat 6: def. A.N.Kołmogorowa

Ai Aj 0 i j

P(A1 ∧ A2 ∧A3 ∧ ....)= P(A1) + P(A2) + P(A3) +...

3.Geometryczna def. Prawdopodobieństwa

Ω - jest tworem geometrycznym o skończonej mierze m

Zdarzenie losowe to każdy mierzalny podzbiór Ω. Prawdopodobieństwem zdarzenia A jest miara zbioru A miara zbioru Ω P(A)= m(A)/m(Ω)

4. Zmienna losowa X,Y X jest zmienną losową, gdy jest funkcją 0x01 graphic
mierzalną, określoną na zbiorze 0x01 graphic
o wartościach rzeczywistych0x01 graphic
→ R

0x01 graphic
mierzalna

0x01 graphic
zdarzenie elementarne

X(0x01 graphic
) - wartość funkcji X w punkcie 0x01 graphic

0x01 graphic
mierzalna - dla każdego x rzeczywistego, zbiór tych argumentów (0x01 graphic
), dla którego wartość funkcji jest mniejsza od x to musi należeć do zbioru 0x01 graphic

xR {0x01 graphic
: X(0x01 graphic
) < x }  0x01 graphic
ten zbiór musi być zdarzeniem losowym

5. Dystrybuanta - to funkcja F określona na zbiorze liczb rzeczywistych o wartościach rzeczywistych.

F, Fx : R → R F(x)=P({0x01 graphic
: X(0x01 graphic
) < x }) = P( X < x )

Właściwości:

- dla każdego X rzeczywistego, F(x) jest między 0 a 1

xR 0 0x01 graphic
F(x) 0x01 graphic
1

- F(x) jest funkcją niemalejącą

jeżeli x1 < x2 0x01 graphic
F(x­1) 0x01 graphic
F(x2)

- Funkcja F(x) jest przynajmniej lewostronnie ciągła ( uwaga: jeśli w definicji zmiennej losowej przyjmiemy znak 0x01 graphic
to należy użyć słowa prawostronnie )

- lim x→ - F(x) = 0, lim x→  F(x) = 1

- x1<x2 P ( x10x01 graphic
X < x2 ) = F(x2) - F(x1)

6. Typy zmiennych losowych

- dyskretne (skokowe)

- ciągłe - absolutnie ciągłe

- syngularne

7. Funkcja gęstości

0x08 graphic
Zmienna losowa X ma rozkład absolutnie ciągły jeśli istnieje nieujemna, całkowalna funkcja f(x) taka że dystrybuanta F(x) jest w postaci:

wykres jest linią ciągłą

f(x) - funkcja rozkładu gęstości rozkładu prawdopodobieństwa, częstotliwość występowania wartości X.

Szybkość zmiany dystrybuanty

f(x) to pochodna F'(x) wszędzie tam gdzie ta pochodna istnieje

f(x) = F'(x)

Lim x→  F(x) = 1

0x08 graphic
Limx→  =

=0x01 graphic
= 1

Twierdzenie: Jeżeli funkcja f(x) 0x01 graphic
0, jest całkowalna oraz 0x01 graphic
= 1 to istnieje 0x01 graphic
, 0x01 graphic
, P takie, że f(x) jest funkcją gęstości pewnej zmiennej losowej.

8. Wartość oczekiwalna

0x08 graphic

E[X] = EX Σ xi pi

∫ x f(x)dx

Własności wartości oczekiwanej

  1. wartość oczekiwana od stałej = stałej

E(c)=C

  1. wartość oczekiwana od cX = wartość oczekiwana

E(cX) = cEX

  1. wartość oczekiwana sumy

E(X+Y) = EX + EY

  1. wartość oczekiwana różnicy

E(X-Y) = EX - EY

  1. wartość oczekiwana iloczynu

E(XY) = EX * EY jeżeli zmienne losowe są niezależne

  1. wartość oczekiwana pewnej funkcji h

0x08 graphic

E[h(X)] = Σ h(xi)pi x - dyskretne

∫ h(x)f(x)dx dx - absolutnie ciągłe

Obliczanie wartości oczekiwanej dla rozkładu wykładniczego

0x08 graphic
f(x)= 0 x≤0

λe-λx x≥0

E(x) = 1/λ

Obliczenie wartości oczekiwanej dla rozkładu normalnego

Jeżeli X ma rozkład normalny N(μ,a), wartość oczekiwana EX = μ

Obliczanie wartości oczekiwanej dla rozkładu jednostajnego

0 x<a

0x08 graphic
f(x) = 1/(b-a) a≤x≤b

EX=-xf(s)dx=-ax0dx+ab(1/(b-a))dx+bx0dx=1/(b-a) abxdx=
=(1/(b-a))(x2/2)ab=(1/2)(1/(b-a))(b2-a2)=((b-a)(b-a))/2(b-a)=(a+b)/2

9.Wariancje zmiennych losowych - kwadrat odchylenia (błędu)

- 2 moment zwykły

σ2=Var(X)=D2(X)=E(X-EX)2=E(X2) -(EX)2

- 1 moment zwykły

0x08 graphic
VarX=E[(X-EX)2]= Σi (xi-EX)2pi x - dyskretna zmienna losowa

(x-EX)2f(x)dx x - absolutnie ciągła zm. los.

Własności:

  1. VarX≥0

  2. VarC=0

  3. Var(cX)=c2VarX

  4. Var(X+Y)=VarX+VarY

  5. Var(aX+b)=a2VarX

Odchylenie standardowe zmiennej losowej σ

σdef=√VarX

Współczynnik zmienności

σ/EX=√VarX/EX (σ/EX*100%)

10.Próba statystyczna - podzbiór x - taki ciąg zmiennych losowych o tym samym składzie (dystrybuancie F(x))

Populacja generalna X- zbiór wszystkich elementów posiadających pewną cechę. Jest zmienną losową o ustalonej dystrybuancie

F(x)=P(X<x), x∈R

Założenia

  1. próba musi być dostatecznie liczna :

  1. próba musi być losowa

  2. próba powinna być reprezentatywna

11.Estymacja wymaga:

  1. zgodności estymatora

0x08 graphic
Qn jest zgodny z Q, jeśli dla każdego Ε>0 (l. Dodatnie)

lim P(|Qn-Q|≥E)=0

n

  1. 0x08 graphic
    żądanie nieobciążoności estymatora

E(Qn)=Q

  1. 0x08 graphic
    efektywność estymatora Var(Qn)<Var(Q)

Estymacja punktowa

dla Q=EX x=1/nΣni=1 xi - zgodny, nieobciążony, najefektywniejszy

0x08 graphic
dla Q=VarX s2=1/nΣni=1 (xi-xi) - zgodny, obciążony

0x08 graphic
s2=s2=1/(n-1) Σni=1 (xi-x)2- zgodny, nieobciążony

12 Estymacja przedziałowa

(g1(α,Qn), g2 (α,Qn)) - przedział ufności

P(g1(α,Qn)<Q<g2(α.Qn)) = 1-α (1-α -współczynnik ufności)

Model I

X ma rozkład naormalny N (μ, τ), przy czym wartość oczekiwana μ jest nieznane, ale odchylenie standardowe τ jest znane. Przedział ufności wyznaczamy wzorem:

P(x+ μ α/2 τ/sqrt n < μ < x-μ 1-α/3 τ/sqrt n) =1-α

x - estym. Punkt. nieznanego parametru, μ α/2, μ1-α/2 - kwantyle rozkl. normal. N(0,1) odzczytywane z tablic przy czym μα/21-α/2

Model II

X ma rozkład normalny N (μ, τ), przy czym wartość oczekiwania μ oraz odchylenie standardowe τ są nieznane. Dysponujemy małą próbą n≤30

Przedział ufności:

P(x+t α/2,n-1 S/sqrt n-1 < μ < x +t 1-α/2,n-1 S/sqrt n-1)=1-α

lub P(x+tα/2,n-1 S*/sqrt n < μ < x +t 1-α/2,n-1 S*/sqrt n)= 1-α

tα/2,n-1, t1-α/2,n-1 -kwantyle rozkładu t-studenta odczytywane z tablic przy czym tα/2,n-1 + t1-α/2,n-1=0

Model III

X ma rozkład normalny N((μ, τ) lub dowolny inny, przy czym wartość oczekiwana μ oraz odchylenie standardowe τ są nieznane. Dysponujemy dużą próbą n>30

P(x + μα/2 S/sqrt n < μ< x+μ1-α/2 S/sqrt n)=1-α

μα/2 , μ1-α/2 to kwantyle rozkładu normalnego N (0,1) odczytywane z tablic

13. Hipoteza statystyczna

To każde przypuszczenie dotyczące populacji X. Zawsze podajemy 2 hipotezy:

H0 - hipoteza, która będzie weryfikowana

H1 - hipoteza alternatywna (przeciwstawna)

Do weryfikacji hipotezy H0 uzywamy tzw testy statystyczne

Decyzja\Ho prawdziwa fałszywa

uznaćHo decyzja słuszna błąd II rodzaju β

nie uznaćHo błąd I rodzajuα decyzja słuszna

Algorytmy są tak dopasowane aby zminimalizować błąd β. Sposób postępowania:

  1. postepowanie 2 hipotez (Ho i H1)

  2. ustalenie poziomu istotności α

  3. wyliczenie na podstawie wykonanej próby losowej wartości statystyki testującej

  4. ustalenie tzw obszaru krytycznego Rα

  5. podjęcie decyzji - jeśli wartość statyst. testującej należy do obszaru krytycznego to Ho odrzucamy zaznaczając za prawdziwą H1(ryzyko niesłusznego odrzucenia Ho wynosi α). Jeśli wartość statyst. testującej nie należy do obszaru krytycznego to mowimy że nasze obserwacje są niesprzeczne z Ho (co nie musi oznaczac jej prawdziwosci)

14 Test dla wartości średniej

Model I

X ma rozkład normalny N(μ, τ),μ- nieznane, τ- znane

H0: μ=m0

H1: (a) μ≠m0, (b) μ< m0, (c) μ>m0

Statystyka testująca: μ = (x- m0)/ τ sqrt n n-ilość elementów próby; m0 konkretna, hipotetyczna wartość

  1. Rα=(-∞,μα/2]∪[ μ1-α/2, ∞)

  2. Rα=(-∞,μα/2]

  3. Rα=[μ1-α/2, ∞)

Model II

X ma rozkład normalny N(μ, τ), μ, τ- nieznane, mała próba n<30

H0: μ=m0

H1: (a) μ≠m0, (b) μ< m0, (c) μ>m0

Statystyka testująca: t = (x- m0)/ S sqrt n-1=(x- m0)/ S sqrt n

  1. Rα=(-∞, tα/2,n-1] ∪[t1-α/2, n-1, ∞)

  2. Rα=(-∞, tα/2,n-1]

  3. [t1-α/2, n-1, ∞)

TEST DLA DWÓCH ŚREDNICH

Model III

Badamy 2populacje o rozkładzie normalnym N(µ1, δ i N(µ2, δ, µ1i µ2 są nieznane, ale δ Dysponujemy wynikami 2niezależnych małych prób o ilościach n1 i n2.

H0: µ1= µ2

H2: (a) µ1 µ2 , (b) µ1 µ2, (c) µ1> µ2

0x08 graphic
Statystyka test.

(a) 0x01 graphic

(b) 0x01 graphic

(c) 0x01 graphic

0x01 graphic

0x01 graphic

0x01 graphic



Wyszukiwarka

Podobne podstrony:
IP - test (zestaw 07), Studia UMK FiR, Licencjat, II rok - moduł Rachunkowość, Ochrona własności int
Dobre estymatory wartości oczekiwanej 2
Tablica standaryzowanego rozkładu normalnego o wartości oczekiwanej równej zeru i wariancji równej j
statystyka, Przedzial ufnosci dla m. Testowanie hipotezy dla m., PRZEDZIAŁ UFNOŚCI DLA WARTOŚCI OCZE
IP - test (zestaw 11), Studia UMK FiR, Licencjat, II rok - moduł Rachunkowość, Ochrona własności int
IP - test (zestaw 08), Studia UMK FiR, Licencjat, II rok - moduł Rachunkowość, Ochrona własności int
OWI SKRYPT, Finanse i rachunkowość, Ochrona własności intelektualnej
IP - test (zestaw 03), Studia UMK FiR, Licencjat, II rok - moduł Rachunkowość, Ochrona własności int
479 Wyklad 2 rachunek kosztow 2 utrata wartosci aktywow
IP - test (zestaw 12), Studia UMK FiR, Licencjat, II rok - moduł Rachunkowość, Ochrona własności int
IP - test (zestaw 04), Studia UMK FiR, Licencjat, II rok - moduł Rachunkowość, Ochrona własności int
owi-nasz-test, Studia UMK FiR, Licencjat, II rok - moduł Rachunkowość, Ochrona własności intelektual
ściąga odchylenie i wartość oczekiwana
Rachunkowość bankowa- Papiery wartościowe, wykład 4
IP - test (zestaw 02), Studia UMK FiR, Licencjat, II rok - moduł Rachunkowość, Ochrona własności int

więcej podobnych podstron