Zadania do wyk ladu ,,Wnioskowanie statystyczne” IV rok ...
Transcript of Zadania do wyk ladu ,,Wnioskowanie statystyczne” IV rok ...
Zadania do wyk ladu ,,Wnioskowanie statystyczne”
IV rok matematyki, specjalnosc zastosowania rach. probab. i statystyki
r.a. 2010/2011, Lista nr 4
1. Udowodnic naste‘puja‘ce twierdzenia o estymatorach minimaksowych:
(a) Jezeli δ0 jest bayesowska‘ regu la‘ decyzyjna‘ wzgle‘dem rozk ladu a priori τ0
i R∗(θ, δ0) ≤ r(τ0, δ0) dla kazdego θ ∈ Θ, to istnieje wartosc gry, δ0 jest regu la‘ minimaksowa‘,
a τ0 jest rozk ladem najmniej korzystnym.
(b) Jezeli δn jest bayesowska‘ regu la‘ decyzyjna‘ wzgle‘dem rozk ladu a priori τn, n ≥ 1,
i limn→∞ r(τn, δn) = c < ∞ oraz istnieje regu la decyzyjna δ0, dla ktorej R∗(θ, δ0) ≤ c dla
kazdego θ ∈ Θ, to istnieje wartosc gry i δ0 jest regu la‘ minimaksowa‘.
(c) Jezeli δ0 jest rozszerzona‘ regu la‘ bayesowska‘ oraz R∗(θ, δ0) = c dla kazdego θ ∈ Θ, to δ0 jest
regu la‘ minimaksowa‘.
(d) Jezeli δ0 jest minimaksowa‘ regu la‘ decyzyjna‘, wyznaczona‘ jednoznacznie, to δ0 jest regu la‘dopuszczalna‘.
(e) Jezeli regu la decyzyjna δ0 jest dopuszczalna i ma sta le ryzyko na zbiorze Θ, to δ0 jest regu la‘minimaksowa‘.
2. Udowodnic naste‘puja‘ce twierdzenie Girshicka i Savage’a:
Jezeli statystyka T ma rozk lad prawdopodobienstwa o ge‘stosci wzgle‘dem σ-skonczonej miary
µ postaci
f(t; θ) = C(θ)eθth(t), θ ∈ Θ = R,
oraz γ(θ) = Eθ(T ), to T jest estymatorem dopuszczalnym i minimaksowym funkcji γ(θ), przy
za lozeniu, ze funkcja straty ma postac L(θ, a) = [γ(θ)− a]2/[σ2(θ)], gdzie σ2(θ) = Varθ(T ).
(Wskazowka: zob. J.B. Wyk lady ze statystyki matematycznej, str. 169-170 i 203.)
3. Niech X = (X1, X2, . . . , Xn)′ be‘dzie proba‘ z rozk ladu normalnego N(m, 1), m ∈ R.
Udowodnic, ze srednia probkowa X jest estymatorem minimaksowym i dopuszczalnym sredniej
m przy kwadratowej funkcji straty.
4. Przypuscmy, ze zbior wartosci estymowanej funkcji γ(θ) jest przedzia lem [a, b] i funkcja
straty L(θ, a) ma naste‘puja‘ce w lasnosci: jest dodatnia dla a 6= γ(θ); przyjmuje wartosc zero, gdy
a = γ(θ); dla kazdej ustalonej wartosci θ rosnie, gdy a oddala sie‘ w ktorymkolwiek kierunku od
γ(θ). Udowodnic, ze wtedy kazdy estymator, ktory z dodatnim prawdopodobienstwem przyjmuje
wartosci spoza przedzia lu [a, b], jest estymatorem niedopuszczalnym.
5. Niech X = (X1, X2, . . . , Xn)′ be‘dzie proba‘ z rozk ladu o cia‘g lej dystrybuancie postaci
Fθ(x) = F (x− θ), θ ∈ R, x ∈ R, gdzie F jest rozk ladem symetrycznym wzgle‘dem zera. Wyz-
naczyc asymptotyczna‘ wzgle‘dna‘ efektywnosc (ARE) mediany probkowej X wzgle‘dem sredniej
X dla naste‘puja‘cych rozk ladow F :
a) logistycznego z ge‘stoscia‘ f(x) = e−x (1 + e−x)−2,
b) Studenta z ν ≥ 3 stopniami swobody,
c) Laplace’a z ge‘stoscia‘ f(x) = 12 exp−|x|,
d) F (x) = (1− ε)Φ(x) + εΦ(x/τ), ε ∈ [0, 1], τ > 0.
(Wskazowka: zob. E.L. Lehmann, Teoria estymacji punktowej, str. 333.)
6. Udowodnic, ze dla rozk ladu F z jednomodalna‘ ge‘stoscia‘ f , symetryczna‘ wzgle‘dem zera
i spe lniaja‘ca‘ warunek: f(x) ≤ f(0) dla wszystkich x, zachodzi nierownosc
eX,X(F ) ≥ 13,
przy czym dolna granica jest osia‘gnie‘ta dla rozk ladu jednostajnego.
(Wskazowka: zob. E.L. Lehmann, Teoria estymacji punktowej, str. 337.)
7. Niech X = (X1, X2, . . . , Xn)′ be‘dzie proba‘ z rozk ladu normalnego N(m,σ2), m ∈ R,
σ > 0. Estymatorem NW parametru σ jest statystyka
Sn =
√√√√n∑
i=1
(Xi −X)2/n.
a) Udowodnic, ze statystyka S2n jest zgodnym asymptotycznie normalnym (CAN) estymatorem
parametru σ2 i obliczyc informacje‘ Fishera I(σ2).
b) Obliczyc informacje‘ Fishera I(σ). Czy Sn jest estymatorem CAN parametru σ?
c) W przypadku, gdy m jest znane, statystyka
σ(X) =1n
√π
2
n∑
i=1
|Xi −m|
jest nieobcia‘zonym estymatorem parametru σ. Obliczyc jego ARE wzgle‘dem estymatora Sn.
8. Niech X = (X1, X2, . . . , Xn)′ be‘dzie proba‘ z rozk ladu wyk ladniczego Ex(λ), λ > 0.
(a) Znalezc dolne ograniczenie Cramera-Rao dla wariancji nieobcia‘zonego estymatora funkcji
niezawodnosci R(t) = e−λt.
(b) Czy wariancja estymatora opartego na dystrybuancie empirycznej, R(t) = 1 − Fn(t;X),
osia‘ga to ograniczenie?
(c) Czy wariancja estymatora NJMW tej funkcji, okreslonego wzorem
R(t;X) =(
1− t
T
)n−1
1(t,∞)(T ),
gdzie T =∑n
i=1Xi (zob. J.B. Wyklady ze statystyki matematycznej, Wyd. II, str. 153), osia‘ga
to ograniczenie?
(d) Czy estymator NJMW jest estymatorem CAN?
(e) Estymatorem NW niezawodnosci R(t) jest statystyka exp(−nt/T ). Czy jest to estymator
CAN? Jaka jest jego asymptotyczna wariancja?
St10-lista-4.tex
6.1.2011 r. J. Bartoszewicz