• Nie Znaleziono Wyników

Przedzia ufnoci dla frakcji XXXVIII Oglnopolska Konferencja Zastosowa Matematyki Zakopane-Kocielisko, 8-15 wrzenia 2009

N/A
N/A
Protected

Academic year: 2021

Share "Przedzia ufnoci dla frakcji XXXVIII Oglnopolska Konferencja Zastosowa Matematyki Zakopane-Kocielisko, 8-15 wrzenia 2009"

Copied!
34
0
0

Pełen tekst

(1)

PRZEDZIAŁ UFNOŚCI DLA FRAKCJI

Ryszard Zieliński

XXXVIII Ogólnopolska Konferencja Zastosowań Matematyki

Zakopane–Kościelisko 8-15 września 2009

(2)

ESTYMACJA FRAKCJI

W populacji składającej się z N elementów jest nieznana liczba M

elementów wyróżnionych

W statystycznej kontroli jakości: oszacowanie wadliwości (frakcji

sztuk wadliwych) w partii produktów lub w procesie produkcyjnym

Medycyna, np., szacowanie frakcji tych pacjentów z udarem

mózgu, u których wcześniej wystąpił określony zespół symptomów

...

(3)

Problem. Zmienna losowa X ma rozkład Bernoulliego

z nieznanym prawdopodobieństwem sukcesu

θ :

P

θ{X = 1} = θ = 1 − Pθ{X = 0}, 0 < θ < 1

X

1

, X

2

, . . . , X

n

– próba losowa, S

n

=

P

n

j =1

X

j

– minimalna zupełna

statystyka dostateczna

Obserwacja: S

n

Interesuje nas

ESTYMACJA PRZEDZIAŁOWA

parametru

θ

(4)

DEFINICJA. Losowy przedział



θ(S

n

)

, θ(S

n

)



nazywamy

przedziałem ufności dla parametru

θ na poziomie ufności γ

jeżeli

P

θ

{θ(S

n

)

¬ θ ¬ θ(S

n

)

} ­ γ dla każdego θ ∈ (0, 1)

(5)

OGÓLNA KONSTRUKCJA PRZEDZIAŁU UFNOŚCI

w modelach parametrycznych

Obserwacja X ma rozkład z parametrem

θ

(6)

... ... ... ... ... ... ... ... ...

θ

... ... ... ... ... ...

S

θ

Θ

... ... ...

X

Ogólna konstrukcja przedziału ufności

P

θ

{X ∈ S

θ

} ≥ γ

1

(7)

... ... ... ... ... ... ... ... ... ... ... . ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...

θ

... ... ... ... ...

S

θ

D

Θ

... ... ...

X

.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .

Ogólna konstrukcja przedziału ufności

D =

{(x, θ) : x ∈ S

θ

, θ

∈ Θ}

1

(8)

... ... ... ... ... ... ... ... ... ... ... . ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...

θ

... ... ...

T

x

x

... ... ...

S

θ

D

Θ

... ... ...

X

.. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. . ...

Ogólna konstrukcja przedziału ufności

T

x

= {θ : x ∈ S

θ

}

1

(9)

Mamy z tej konstrukcji

θ

∈ T

x

⇐⇒

x

∈ S

θ

Zatem dla każdego

θ

∈ Θ:

P

θ

{θ ∈ T

X

} = P

θ

{X ∈ S

θ

} ­ γ

(10)

Przykład: rozkład jednostajny U(0

, θ)

θ1

=



1 +

γ

2



−1/n

x,

θ2

=



1

− γ

2



−1/n

x

0

... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... . . . . .. .. .. .. .. . .. .. .. .. .. .

x

θ1

θ2

(

1+γ

2

)

1/n

θ

(

1−γ

2

)

1/n

θ

1

(11)

0

0.2

0.4

0.6

0.8

1

0

1

2

3

4

5

6

7

8

9

10

... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .

0.262

θ

... ... ... ... ... ... ... ...

S

n

Konstrukcja przedziału ufności dla frakcji (n = 10, γ = 0.95)

1

(12)

0

0.2

0.4

0.6

0.8

1

0

1

2

3

4

5

6

7

8

9

10

... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .. .

0.262

θ

... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...

S

n

Konstrukcja przedziału ufności dla frakcji (n = 10, γ = 0.95)

1

(13)

k

X

j =0

n

j

!

θ

j

(1

− θ)

n−j

= B(n

− k, k + 1; 1 − θ), k = 0, 1, . . . , n

(14)

Rozkład beta

B(α, β; t) =

Γ(

α + β)

Γ(

α)Γ(β)

Z

t

0

u

α−1

(1

− u)

β−1

du

Γ(

α + β)

Γ(

α)Γ(β)

Z

B

−1

(α,β;γ)

0

u

α−1

(1

− u)

β−1

du =

γ

(15)

Rozkład beta

B(α, β; t) =

Γ(

α + β)

Γ(

α)Γ(β)

Z

t

0

u

α−1

(1

− u)

β−1

du

Γ(

α + β)

Γ(

α)Γ(β)

Z

B

−1

(α,β;γ)

0

u

α−1

(1

− u)

β−1

du =

γ

(16)

B

−1



S

n

, n

− S

n

+ 1;

1

− γ

2



, B

−1



S

n

+ 1

, n

− S

n

;

1 +

γ

2



!

0.1

0.2

0.3

0.4

0.5

0.90

0.95

1

... ... ......... ... ... ... ... ... ... ... ... ...... ...... ...... ... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ...... ...... ... ... ... ... ... ... ... ... ... ... ... ... ...... ...... ...... ......... ... ... ... ... ... ... ... ... ...... ...... ...... ... ... ... ... ... ... ... ... ... ... ... ...... ...... ...... ...... ...... ... ... ... ... ... ... ... ... ... ...... ...... ... ... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ...... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... . ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...

Prawdopodobieństwo pokrycia przedziałem Neymana (n = 20, γ = 0.9)

1

(17)

B

−1



S

n

, n

− S

n

+ 1;

1

− γ

2



, B

−1



S

n

+ 1

, n

− S

n

;

1 +

γ

2



!

0.1

0.2

0.3

0.4

0.5

0.90

0.95

1

... ... ......... ... ... ... ... ... ... ... ... ...... ...... ...... ... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ...... ...... ...... ... ... ... ... ... ... ... ... ... ... ... ... ...... ...... ...... ......... ... ... ... ... ... ... ... ... ...... ...... ...... ... ... ... ... ... ... ... ... ... ... ... ...... ...... ...... ...... ...... ... ... ... ... ... ... ... ... ... ...... ...... ... ... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ......... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ...... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... . ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...

Prawdopodobieństwo pokrycia przedziałem Neymana (n = 20, γ = 0.9)

1

(18)

B

−1



S

n

, n

− S

n

+ 1;

1

− γ

2



, B

−1



S

n

+ 1

, n

− S

n

;

1 +

γ

2



!

• Tablice rozkładu beta

k

X

j =0

n

j

!

θ

j

(1

− θ)

n−j

= B(n

− k, k + 1; 1 − θ), k = 0, 1, . . . , n,

• Tablice rozkładu dwumianowego

• Nomogramy przedziałów ufności

• Nomogramy rozkładu beta

(19)

PRZEDZIAŁY ASYMPTOTYCZNE

(

∀x)

P

θ

(

ˆ

θ

n

− θ

p

θ(1

− θ)/n

¬ x

)

→ Φ(x), n → ∞

θ

ˆ

n

= S

n

/n

!

Dla ”dużych”n zmienna losowa

θ

n

− θ)/

p

θ(1

− θ)/n

ma

W PRZYBLIŻENIU

rozkład normalny N(0, 1)

Inna szkoła uznaje, że

θ

n

− θ)/

q

ˆ

θ

n

(1

− ˆθ

n

)

/n

ma asymptotyczny

rozkład normalny N(0

, 1)

(

∀x)

P

θ

ˆ

θn

− θ

q

ˆ

θ

n

(1

− ˆθ

n

)

/n

¬ x

→ Φ(x), n → ∞

(20)

PRZEDZIAŁY ASYMPTOTYCZNE

(

∀x)

P

θ

(

ˆ

θ

n

− θ

p

θ(1

− θ)/n

¬ x

)

→ Φ(x), n → ∞

θ

ˆ

n

= S

n

/n

!

Dla ”dużych”n zmienna losowa

θ

n

− θ)/

p

θ(1

− θ)/n

ma

W PRZYBLIŻENIU

rozkład normalny N(0, 1)

Inna szkoła uznaje, że

θ

n

− θ)/

q

ˆ

θ

n

(1

− ˆθ

n

)

/n

ma asymptotyczny

rozkład normalny N(0

, 1)

(

∀x)

P

θ

ˆ

θn

− θ

q

ˆ

θ

n

(1

− ˆθ

n

)

/n

¬ x

→ Φ(x), n → ∞

(21)

PRZEDZIAŁY ASYMPTOTYCZNE

(

∀x)

P

θ

(

ˆ

θ

n

− θ

p

θ(1

− θ)/n

¬ x

)

→ Φ(x), n → ∞

θ

ˆ

n

= S

n

/n

!

Dla ”dużych”n zmienna losowa

θ

n

− θ)/

p

θ(1

− θ)/n

ma

W PRZYBLIŻENIU

rozkład normalny N(0, 1)

Inna szkoła uznaje, że

θ

n

− θ)/

q

ˆ

θ

n

(1

− ˆθ

n

)

/n

ma asymptotyczny

rozkład normalny N(0

, 1)

(

∀x)

P

θ

ˆ

θn

− θ

q

ˆ

θ

n

(1

− ˆθ

n

)

/n

¬ x

→ Φ(x), n → ∞

(22)

Oznaczenia

... ... ... ... ... ... ... ...... ...... ...... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...

...

...

...

...

...

...

.

...

...

...

...

...

...

.

...

...

...

...

...

...

.

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

..

...

...

...

...

...

..

...

...

...

...

...

.

...

...

...

...

...

.

...

...

...

...

...

...

...

...

...

..

...

...

...

...

.

...

...

...

...

.

...

...

...

...

.

...

...

...

...

.

...

...

...

...

..

...

...

...

...

...

...

...

...

...

...

.

...

...

...

...

...

.

...

...

...

...

...

..

...

...

...

...

...

..

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

...

.

...

...

...

...

...

...

.

...

...

...

...

...

...

.

γ

... ... ... ... ....

q

... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ..

z

q

z

1+γ 2

1

(23)

P

N(0,1)

(

ˆ

θn

− θ

p

θ(1

−θ)/n

¬ z

1+γ 2

)

=

γ

n

n+z

2

(1+γ)/2

θ

ˆ

n

+

z

(1+γ)/2

2

2n

−z

(1+γ)/2

s

ˆ

θ

n

(1

−ˆθ

n

)

n

+



z

(1+γ)/2

2n



2

,

n

n+z

(1+γ)/2

2

θ

ˆ

n

+

z

(1+γ)/2

2

2n

+z

(1+γ)/2

s

ˆ

θ

n

(1

−ˆθ

n

)

n

+



z

(1+γ)/2

2n



2

!

(24)

P

N(0,1)

ˆ

θn

− θ

q

ˆ

θ

n

(1

− ˆθn

)

/n

¬ z

1+γ 2

=

γ

ˆ

θ

n

− z

(1+γ)/2

s

ˆ

θ

n

(1

− ˆθ

n

)

n

,

θ

ˆ

n

+ z

(1+γ)/2

s

ˆ

θ

n

(1

− ˆθ

n

)

n

!

(25)

0.1

0.2

0.3

0.4

0.5

0.80

0.85

0.90

0.95

1

... ... ... ... ...... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ...... ... ... ...... ... ...... ... ... ......... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ...... ... ... ...... ...... ......... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ...... ...... ...... ......... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ...... ...... ... ......... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ...... ...... ... ... ... ... ... ... ... ... ... ... ... ... ...... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ...... ......... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ......... ... ... ... ... ... ... ... ......... ... ... ... ... ... ... ... ... ... ... ... ... ......... ... ... ... ... ... ... ...... ...... ... ... ... ... ... ... ... ... ......... ... ... ... ... ... ... ...... ...... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ...... ...... ... ... ... ... ... ...... ...... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ...... ...... ... ... ... ... ... ...... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ...... ...... ... ... ... ... ... ...... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...

Typowe prawdopodobieństwo pokrycia przedziałem asymptotycznym

1

(26)

”Udoskonalenia”:

θ

˜

− z

(1+γ)/2

s

˜

θ(1

− ˜θ)

n +

b(S

n

)

,

θ + z

˜

(1+γ)/2

s

˜

θ(1

− ˜θ)

n +

b(S

n

)

gdzie

˜

θ =

Sn

+

a(S

n

)

n +

b(S

n

)

oraz

(a

, b)(S

n

)

=

(1

/2, 5/4), gdy S

n

= 0

,

(1

, 7/4), gdy Sn

= 1

,

(3

/4, 7/4), gdy Sn

= n

− 1,

(3

/4, 5/4), gdy S

n

= n

,

(3

/4, 3/2), poza tym.

(27)

”Udoskonalenia”

Stosować przedział asymptotyczny Walda wtedy, gdy n ˆ

θ

n

­ 5 oraz

n(1

− ˆθ

n

)

­ 5

(28)

Kłopot z przybliżeniem asymptotycznym

Wprawdzie

(

∀x)

(

ˆ

θn

− θ

p

θ(1

− θ)/n

¬ x

)

→ Φ(x), n → ∞,

ale

∀n ∃θ

P

θ

(

ˆ

θ

n

− θ

p

θ(1

− θ)/n

¬ 0

)

− Φ(0)

>

1

4

(29)

DOKŁADNE PRZEDZIAŁY UFNOŚCI

W

Excelu

(polska wersja Microsoft Excel 2002) robi się to na

przykład tak:

wpisuje się

n

do komórki

A1

,

S

n

do komórki

A2

,

γ

do komórki

A3

i wtedy dolną granicę przedziału ufności otrzymuje się za pomocą

formuły

ROZKŁAD.BETA.ODW((1 − A3)/2; A2; A1 − A2 + 1)

oraz górną za pomocą formuły

ROZKŁAD.BETA.ODW((1 + A3)/2; A2 + 1; A1 − A2)

(30)

DOKŁADNE PRZEDZIAŁY UFNOŚCI

W pakiecie

Statistica

obliczenia realizuje się za pomocą

funkcji

VBeta((1

− γ)/2, S

n

, n

− S

n

+ 1)

oraz

VBeta((1 +

γ)/2, S

n

+ 1

, n

− S

n

)

odpowiednio dla dolnej i dla górnej granicy przedziału ufności

(31)

DOKŁADNE PRZEDZIAŁY UFNOŚCI

W pakiecie

Mathematica

dla dolnej i górnej granicy mamy,

odpowiednio,

Quantile[BetaDistribution[S

n

, n

− S

n

+ 1]

, (1

− γ)/2]

oraz

Quantile[BetaDistribution[S

n

+ 1

, n

− S

n

]

, (1 + γ)/2]

(32)

DOKŁADNE PRZEDZIAŁY UFNOŚCI

W środowisku

R

możemy to zrealizować za pomocą funkcji

qbeta((1

− γ)/2, S

n

, n

− S

n

+ 1)

oraz

qbeta((1 +

γ)/2, S

n

+ 1

, n

− S

n

)

(33)

Wszędzie tam, gdzie nie mamy bezpośredniego dostępu

do kwantyli rozkładu beta,

możemy korzystać z kwantyli rozkładu F :

B

−1

(

α, β; q) =

α

α + βF

−1

(2

β, 2α; q)

,

F

−1

(2

β, 2α; q) - kwantyl rzędu q rozkładu F z (2β, 2α) stopniami

swobody

(34)

Jarosław Bartoszewicz (1996): Wykłady ze statystyki

matematycznej. PWN

Dobiesław Bobrowski, Krystyna Maćkowiak-Łybacka (2006):

Wybrane metody wnioskowania statystycznego. Wydawnictwo

Politechniki Poznańskiej

Cytaty

Powiązane dokumenty

Po miesiącu utrzymywania abstynencji wzrastała liczba całkowita leukocytów,jak i liczebność limfocytów oraz granulocytów kwasochłonnych w porównaniu z okre- sem przy

Częste występowanie zespołu pomijania stronnego u pacjentów po przebytym udarze mózgu, utrudniony powrót do zdrowia i samo- dzielności — to powody, dla których zarówno

W początkowym okresie udaru mózgu klu- czowe znaczenie ma zarówno szybkie rozpo- znanie objawów choroby, jak i wdrożenie adekwatnych działań terapeutycznych, w

Nie należy go wyręczać w codziennych czynnościach, ale powinno się zachęcać do aktywności, instruować, jak pokonać niesprawność, oraz asekurować, aby pozbył się obaw i

Examination of the character and strength of the correlation between the estab- lished strategy of working capital management and the corporate profitability of stock companies

Zwykle kontakt ten jest ograniczony do wypełniania spraw formal- nych związanych z realizacją planu usamodzielnienia (Ibisz, i in., 2005, Gier- manowska, Racław-Markowska,

Młodzież, która uznaje autorytet Kościoła, wydaje się mieć bardziej sprecyzo- wane poglądy na temat zasad moralnych zgodnych z wyznawaną religią: blisko połowa (47,8%)

Rozważana populacja generalna może być bardzo liczna. Podział jej na ze- społy stwarza m ożliwość zastosowania zespołow ego schematu losowania próby. Zespołowe