Estymacja przedziałowa
Niech X = (X1, . . . , Xn) będzie próbą z rozkładu Pθ należącego do rodziny rozkładów P = {Pθ : θ ∈ Θ}.
Definicja 1. Niech P (T1(X) < T2(X)) = 1. Mówimy, że [T1(X), T2(X)] jest 100(1 − α)%
przedziałem ufności dla parametru θ ∈ Θ, jeżeli
∀θ∈Θ Pθ(T1(X) ≤ θ ≤ T2(X)) ≥ 1 − α, dla zadanego α ∈ (0, 1).
Definicja 2. Niech P (T1(X) < T2(X)) = 1. Mówimy, że [T1(X), T2(X)] jest 100(1 − α)%
asymptotycznym przedziałem ufności dla parametru θ ∈ Θ, jeżeli
∀θ∈Θ lim
n−→∞Pθ(T1(X) ≤ θ ≤ T2(X)) ≥ 1 − α, dla zadanego α ∈ (0, 1).
Zmienne losowe T1 i T2 nazywają się odpowiednio dolnym i górnym końcem lub granicą przedziału ufności. Wartość współczynnika 1 − α nazywa się poziomem ufności.
Definicja 3. Niech X1, . . . , Xn będzie próbą z rozkładu Pθ, θ ∈ Θ. Funkcja Q(X1, . . . , Xn, θ) nazywa się funkcją centralną lub wiodącą dla parametru θ, jeżeli jej rozkład prawdopodobień- stwa nie zależy od θ.
Konstrukcja przedziału ufności
Załóżmy, że dysponujemy funkcją centralną Q(X1, . . . , Xn, θ) parametru θ. Przedział ufności dla parametru θ ∈ Θ konstruujemy następująco:
• wybieramy liczby a i b tak, aby spełniały one równość
Pθ(a ≤ Q(X1, . . . , Xn, θ) ≤ b) = 1 − α, dla każdego θ ∈ Θ i zadanego α ∈ (0, 1). Mamy więc
1 − α = FQ(b) − FQ(a). (1)
Wystarczy teraz dobrać α1, α2 tak, aby α1 + α2 = α. Wówczas a = FQ−1(α1), b = FQ−1(1 − α2),
co daje nam (1). W ten sposób możemy utworzyć nieskończenie wiele przedziałów ufności.
W praktyce przyjmuje się α1 = α2 = 12α.
• Gdy Q(X1, . . . , Xn, θ) jest ciągłą i ściśle monotoniczną funkcją parametru θ, to nierówność a ≤ Q ≤ b jest równoważna nierówności
L(X1, . . . , Xn, a, b) ≤ θ ≤ U (X1, . . . , Xn, a, b).
Stąd
[L(X1, . . . , Xn, a, b), U (X1, . . . , Xn, a, b)]
jest 100(1 − α)% przedziałem ufności dla parametru θ ∈ Θ.
1
Poniższe twierdzenie pozwala wyznaczyć przedział ufności o najkrótszej długości.
Twierdzenie 1. Załóżmy, że f jest ciągłą gęstością i g jest dodatnią funkcją ciągłą. Całka Z
C
g(x)dx
przy warunku pobocznym
Z
C
f (x)dx = 1 − α, α ∈ (0, 1) (2)
osiąga minimum dla C postaci
C =
x : f (x) g(x) > λ
, gdzie λ dobrana jest tak, by spełniona była równość (2).
Metoda stabilizacji wariancji
Załóżmy, że √
n(ˆθ − θ) −→dN (0, σ2(θ)).
Z metody delta mamy, że
√n(g(ˆθ) − g(θ)) −→d N (0, (g0(θ))2σ2(θ)).
Należy tak dobrać funkcję g(θ), aby asymptotyczna wariancja estymatora g(ˆθ) nie zależała od θ. Zatem musi być spełnione:
(g0(θ))2σ2(θ) = c2, dla pewnej stałej c, co implikuje
g(θ) =
Z c
σ(θ)dθ.
Wówczas mamy
n−→∞lim Pθ
g(ˆθ) − φ−1(1 − α/2)c
√n ≤ g(θ) ≤ g(ˆθ) + φ−1(1 − α/2)c
√n
= 1 − α.
Jeżeli g(θ) jest funkcją rosnącą, to przedział ufności dla g(θ) możemy bez trudu przekształcić na przedział ufności dla samego parametru θ (i odwrotnie).
2