1. Twierdzenia o dodawaniu. Niech X
1, ...,X
kbędą niezależnymi zmiennymi losowymi i niech
∑
==
ki
X
iY
1
. Udowodnić następujące stwierdzenia:
• Jeżeli X
i, i=1,...,k, mają rozkłady dwumianowe B(n
i,p), to Y ma rozkład dwumianowy )
, (
1
p n B
k
i
∑
i=
.
• Jeżeli X
i, i=1,...,k, mają rozkłady Poissona P( λ
i), to Y ma rozkład dwumianowy ( )
1
∑
= k
i
P λ
i.
• Jeżeli X
i, i=1,...,k, mają rozkłady gamma G( α
i, λ ), to Y ma rozkład gamma ( , )
1
λ α
∑
= k
i
G
i.
2. Wykonujemy n doświadczeń losowych z których każde kończy się sukcesem z prawdopodobień- stwem θ . Wiadomo, że θ ∈ [ θ
1, θ
2], gdzie θ
1, θ
2∈ [0,1] są ustalone. Sformułować model statysty- czny tego eksperymentu.
3. Pewne urządzenie techniczne pracuje dopóty, dopóki nie uszkodzi się któryś z k elementów typu A lub któryś z l elementów typu B. Czas życia elementów typu A jest zmienną losową o rozkładzie wykładniczym z gęstością f
α( x ) = α
−1exp( − x / α ) , a czas życia elementów typu B jest zmienną losową o rozkładzie wykładniczym z gęstością f
β( x ) = β
−1exp( − x / β ) . Obserwuje się czas życia T całego urządzenia. Sformułować model statystyczny tej obserwacji.
4. Przeprowadza się ∑
=
=
ki
n
in
1
eksperymentów w taki sposób, ze n
ieksperymentów wykonuje się na poziomie x
i, i=1,...,k. Prawdopodobieństwo sukcesu w eksperymencie przeprowadzonym na poziomie x jest równe
( )1 ) 1
(
xx e
p
−α+β= + , α ∈R, β >0 , gdzie( α , β ) jest nieznanym parametrem.
Sformułować model statystyczny tego eksperymentu.
5. Pewna optymalna własność mediany. Medianą zmiennej losowej o rozkładzie P nazywamy liczbę m
etaką, że P(X≤m
e)≥
21i P(X≥m
e) ≥
21. Niech X będzie całkowalną zmienną losową (tzn.
E|X|<∞). Pokazać, ze funkcja ϕ (c)= E|X-c| osiąga najmniejszą wartość, gdy c= m
e. Wskazówka Rozważyć 2 przypadki 1) c<m
e2) c>m
ei w każdym z nich pokazać że ϕ (c)- ϕ (m
e)= E|X-c|- E|X-m
e|= ψ (c) przy czym ψ (c) ≥ 0 dla każdego c i ψ ( m
e)=0.
6. Rodziny wykładnicze. Pokazać, że rodziny rozkładów
• dwumianowych
• ujemnych dwumianowych
• Poissona
• normalnych
• gamma
• beta
• wielomianowych
są rodzinami wykładniczymi. W każdym przypadku znaleźć naturalną parametryzację.
7. Statystyki pozycyjne. Niech X
1, ...,X
nbędzie próbą prostą z rozkładu o dystrybuancie F.
Wyznaczyć rozkłady następujących statystyk pozycyjnych:
• X
(n)• X
(1)• (X
(1), X
(n))
Czy statystyki X
(1)i X
(n)są niezależne?
8. Niech X
1, ...,X
nbędzie próbą prostą z rozkładu o dystrybuancie F. Statystykę R=X
(n)–X
(1)nazywamy rozstępem z próby.
a) wyznaczyć rozkład R
b) wykazać, że ∫
∞{ [ ] [ ] }
∞
−
−
−
−
= F x F x dx
ER 1 ( )
n1 ( )
n9. Niech X
1, ..., X
nbędzie próbą prostą z rozkładu o dystrybuancie F. Wykazać, że
∫
−−
−−
= −
) (
0 1 )
(
( 1 )
)!
( )!
1 ( ) ! (
x F
k n k
k
t t dt
k n n x n F
10. Niech X
1, ...,X
nbędzie próbą prostą z rozkładu ciągłego o gęstości f.
• Wykazać, że X
*=( X
(1),...,X
(n)) ma gęstość ∏
{ }= < < <
=
nj
n y
y y j
n
n f y y y
y y
g
n1
1 ...
1
,..., ) ! ( ) ( ,..., )
( 1
1 2• Wyznaczyć gęstość k -tej statystyki pozycyjnej X
(k).
• Wykazać, że F(X
(k))~Β(k,n-k+1)
11. Niech X
1, ...,X
nbędzie próbą prostą z rozkładu wykładniczego Exp( λ )
• znaleźć rozkład X
(k)• Wykazać, że X
(k), X
(m)- X
(k); 1 ≤ k < m ≤ n są niezależne.
• Znaleźć rozkład zmiennej : X
(k+1)- X
(k); 1 ≤ k ≤ n − 1 12. Rozkład wielomianowy i jego asymptotyka
Statystyki dostateczne, swobodne, zupełne
13. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu Poissona P(λ). Korzystając z definicji pokazać,
że ∑
=
=
ni
X
iT
1
)
(X jest statystyką dostateczną dla parametru λ .
14. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu wykładniczego Exp(λ). Korzystając z definicji
pokazać, że ∑
=
=
ni
X
iT
1
)
(X jest statystyką dostateczną dla parametru λ .
15. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu ujemnego wykładniczego (ozn. NE(a, λ )) o funkcji gęstości f ( x ) =
λ1e
−x−λa1
(a,∞)( x ) , gdzie λ >0. Korzystając z kryterium faktoryzacji wyznaczyć statystykę dostateczną dla parametru (a, λ ).
16. Wykazać, że dla próby prostej z dwuwymiarowego rozkładu normalnego o znanym współczynniku korelacji (przy nieznanych pozostałych parametrach) współczynnik korelacji z
próby
∑ ∑
∑
= =
=
−
−
−
−
=
n in
i i i
n
i
i i
Y Y X
X
Y Y X X W
1 1
2 2
1
) ( ) (
) )(
(
jest statystyką swobodną.
17. Niech X
1,...,X
ni Y
1,...,Y
nbędą niezależnymi próbami z rozkładów N(m
x, σ
x) i N(m
y, σ
y)
odpowiednio. Można pokazać, że statystyką dostateczną i zupełną dla (m
x, σ
x, m
y, σ
y) jest
statystyka ∑ ∑
−
−
=
ni i n
i
i
Y Y
X X T
1 2 1
2
, , )
,
( , a statystyka
∑ ∑
∑
= =
=
−
−
−
−
=
n in
i i i
n
i
i i
Y Y X
X
Y Y X X W
1 1
2 2
1
) ( ) (
) )(
(
jest
niezależna od T
18. Czy rodzina rozkładów normalnych N(1, σ
2) jest zupełna? (nie ϕ (X)=X-1≠0 i E
σ( ϕ ( X )) = 0 ∀ σ . 19. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu Cauchy’ego C( θ ,1) o gęstości
)2
( 1
1
)
1(
π θθ
x =
+x−p , θ ∈R. Znaleźć minimalną statystykę dostateczną dla θ .
20. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu Pareto (ozn. Pa(x
0,a)) o funkcji gęstości )
( )
( )
(
1 ( , )0 0 0
x x
f a x
x x
x + ∞
= α 1
, gdzie a>1 Korzystając z kryterium faktoryzacji wyznaczyć statystykę dostateczną dla parametru (x
0, a).
21. Rozważmy rodzinę rozkładów o gęstości p
θ( x ) = A ( θ ) e
−(x−θ)4. Pokazać, że jest to rodzina wykładnicza. Znaleźć rząd tej rodziny. Czy jest to regularna rodzina wykładnicza? Czy jest to rodzina zupełna? (Odp. Rodzina wykładnicza rzędu 3, naturalne parametry leżą na krzywej w R
3, nie jest to rodzina zupełna)
22. Udowodnić twierdzenie. Niech P
0⊂ P będzie podrodziną rodziny P równoważną z P . Jeżeli S jest minimalną statystyką dostateczną dla P
0i dostateczną dla P, to S jest minimalną statystyką dostateczną dla P.
Dowód. Niech T będzie dowolną statystyką dostateczną dla P . oczywiście tym bardziej T jest statystyką
dostateczna dla P
0. Ponieważ S jest minimalną statystyką dostateczną dla P
0istnieje więc funkcja h taka, ze S=h(T) prawie wszędzie P
0a wobec równoważności rodzin P
0i P prawie wszędzie P .
wynika, że (T
1(X),...,T
k(X)) jest minimalną statystyką dostateczną dla P.
23. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu Gamma(a, λ ) o funkcji gęstości )
) ( ( ) 1 ,
;
( x x
1e
(0, )x
f
x
∞
− −
=
αΓ
α λ1 α
λ λ
α Korzystając z kryterium faktoryzacji wyznaczyć statystykę dostateczną dla parametru (a, λ )
24. Niech Z=((X
1, Y
1),...,(X
n,X
n)) będzie próbą z dwuwymiarowego rozkładu normalnego N(0, ΣΣΣΣ ), gdzie 0 jest wektorem zerowym a ΣΣΣΣ =
1 1 ρ
ρ . Wyznaczyć minimalną statystykę dostateczną dla
ρ . Czy ta statystyka jest zupełna? Udowodnić , że statystyki
= ∑= n
i
Xi
T
1 2
1
(Z ) i
= ∑= n
i
Yi
T
1 2
2
(Z ) są
swobodne a statystyka (T
1,T
2) nie jest swobodna.
Estymacja nieobciążona
25. Niech X=(X
1,...,X
n) i Y=(Y
1,...,Y
n) będą niezależnymi próbami prostymi z rozkładów odpowiednio N ( m
x, σ
2) i
N(
my, σ
2) . Który z dwóch następujących estymatorów:
Y X
T1
( X , Y ) = ,
n ii i
n X Y
T
=
∑=1 1
2
( X , Y ) należy przyjąć za ocenę m
xm
y.
26. Niech X
1,...,X
k,X
k+1,...,X
nbędzie próbą prostą z rozkładu N(m, σ
2). Obserwujemy zmienne X
1,...,X
ki ponadto znamy średnią ∑
=
=
ni n i
n
X
X
1
1
. Dobrać tak stałą c aby estymator
nk 21
)
(
nk
i i
nk
X X
c
T = ∑ −
=
był nieobciążonym estymatorem wariancji σ
2.
27. Wykonano 10 pomiarów pewnej nieznanej wielkości m jednym przyrządem pomiarowym, a następnie 5 pomiarów innym przyrządem. Zakładamy, że wyniki pomiarów są X
1, ...,X
10, X
11,...,X
15są niezależnymi zmiennymi losowymi przy czym każda ze zmiennych X
1, ...,X
10ma rozkład normalny N(m, 0.1
2) , podczas, gdy każda ze zmiennych X
11,...,X
15ma rozkład normalny N(m, 0.2
2). Dobrać tak współczynniki c
1,...,c
15aby estymator
ii i
X c
m ∑
=
=
151
ˆ był estymatorem nieobciążonym o minimalnej wariancji. (Odp. c
1,...,c
10=
454, c
11,...,c
15=
451)
28. Pobrano 100 niezależnych obserwacji z rozkładu normalnego N(m, σ
2). Obliczono 10 sum po 10 kolejnych obserwacji a następnie zgubiono dane źródłowe. Zamiast pierwotnych obserwacji (X
1,...,X
100) mamy obserwacje (Y
1,...,Y
10) gdzie ∑
= −
=
90 10 j
j i
i
X
Y .Szacujemy wariancję σ
2używając
estymatora postaci
210
1
) ( Y Y c
i i
−
∑
=
Dobrać tak stałą c aby estymator ten był nieobciążony.
(Odp.c=
901)
29. Niech X
1,X
2,,,X
nbędzie próbą prostą z rozkładu jednostajnego U(0, θ ). Rozważmy dwa estymatory
) ( 1 1
1
( ,..., )
ˆ X X
n nnX
ng =
+i g ˆ
2( X
1,..., X
n) = 2 X . Który z tych estymatorów jest lepszy?.
Odp. R ( g ˆ
1, θ ) =
n(θn2+2), R g
2 3n)
2ˆ ,
( θ =
θlepszy jest g . ˆ
1Estymacja nieobciążona o jednostajnie minimalnej wariancji
30. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu Poissona P( θ ). Wyznaczyć estymator nieobciążony o jednostajnie minimalnej wariancji g( θ )=p
θ(0)=e
-θ. Wyznaczyć wariancję tego
estymatora. (Odp. ∑
−
=
n ni= XiX
g ˆ ( ) ( 1
1)
1, V ( g ˆ ) = e
−2( e
n− 1 )
θ θ
θ
).
Uwaga. Kształcące wydaje się rozwiązanie powyższego zadania dwoma sposobami (1)równanie 2) tw. Lehmanna Scheffee’go)
31. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu N(m, σ
2) σ -znane. Wyznaczyć estymator nieobciążony o minimalnej wariancji a) g(m)=m, b) g(m)=m
2.
(Odp: a)
g ( X ) = X
b)g ( X ) = X
2−
σn2 .32. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu Bernouliego p ( x ) = θ
x( 1 − θ )
1−x, x=0,1;
θ ∈(0,1). Wyznaczyć estymator nieobciążony o minimalnej wariancji funkcji g( θ )= θ
2.
33. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu N(m, σ
2) m –znane. Wyznaczyć ENJMW[ σ ] i b) ENJMW[ σ
2]
(Odp: a) n
S
n
) ( 2
) (
2 1 2
Γ +
Γ b) 1n
S
2 (gdzie∑
=
−
=
ni
i
m
X S
1
2
2
( )
)34. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu N(m, σ
2). Wyznaczyć ENJMW dla a)m b) σ
2c) σ d)
σm.
(
Odp. a)X
, b) 12
− n
S c) n
S
n
) ( 2
) (
2 2
1
Γ Γ −
d)
S X
n n
) 1 (
) ( 2
2 2
1
− Γ
Γ −
(gdzie
∑
=
−
=
ni
i
X
X S
1
2
2
( )
)35. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu o absolutnie ciągłej dystrybuancie F ∈F
c. Zakładając istnienie g
1(F)=E
F(X) i g
2(F)=V
F(X) wyznaczyć a)ENJMW[E
F(X)] i b)ENJMW[V
F(X)].
Odp: a)
X
b)∑
− =
−
=
ni
n
X
iX
S
1
2 1
2 1
)
(
(Statystyką dostateczną zupełną jest wektor statystyk pozycyjnych)
36. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu o gęstości
<
= ≥
α
β
α x x x
f
xgdy , 0
gdy ) ,
(
2gdzie α >0.
Obliczyć β a następnie w oparciu o n elementową próbę prostą wyznaczyć estymator nieobciążony o minimalnej wariancji parametru α . Czy jest on zgodny?
37. Niech (X
1,...,X
m) i (Y
1,...,Y
n) będą niezależnymi próbami prostymi z rozkładów U(0, θ
x) i U(0, θ
y) : θ
x, θ
y>0. Wyznaczyć estymator nieobciążony o minimalnej wariancji dla
y x
θ θ .
38. Niech X=(X
1,...,X
n) będzie wektorem losowym o niezależnych współrzędnych takich, że X
imają rozkłady normalne N( α + β t
i, σ
2), gdzie α , β , σ
2są nieznane a t
isą znanymi stałymi różnymi między sobą, i=1,...,n. Wyznaczyć estymatory nieobciążone o minimalnej wariancji parametrów α i β na podstawie obserwacji wektora X.
39. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu o rozkładzie jednostajnym U(0, θ ), θ ∈(0,∞).
Wyznaczyć ENJMW funkcji g( θ ) różniczkowalnej na (0, θ ). Następnie podać postać estymatora dla g
1( θ ) =
θ2= E
θ( X
1) i g
2( θ ) =
θ122= V
θ( X
1) .
Odp: g ˆ ( X
(n)) = g ( X
(n)) +
1nX
(n)g
'( X
(n)) , g ˆ
1( X
(n)) =
n2+n1X
(n), g ˆ
2( X
(n)) = g ( X
(n)) +
12n+n2X
(2n)40. Niech X=(X
1,...,X
m) i Y=(Y
1,...,Y
n) będą niezależnymi próbami z rozkładów N ( m
x, σ
x2) i
) , ( m
y 2yN σ .
a) Wyznaczyć ENJMW g
1= m
x- m
yi
r
y
g
x
= σ σ
2
, r>0
b) Niech σ
2x= σ
2y. Wyznaczyć ENJMW g
1= m
x- m
yi
x y
x
m
g m σ
= −
2
c) Niech m
x= m
yi γ σ σ =
2 2
y
x
, gdzie γ znane. Wyznaczyć ENJMW[m
x]. Odp( m ˆ
x=
m+mnγX +
mn+γnγY )
d) Niech σ
2x =σ
2y =σ
2. Wyznaczyć ENJMW[ σ
2].
e) Niech σ
x2 =σ
2y =σ
2. Wyznaczyć estymator nieobciążony o minimalnej wariancji parametru funkcji ENJMW[ m
x− m
y+ σ ].
Estymacja bayesowska i minimaksowa
41. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu wykładniczego p ( x | θ )
=θ e
−θx1(0,∞), θ >0.
Wyznaczyć estymator bayesowski parametru θ (przy kwadratowej funkcji straty) jeżeli rozkładem „a priori” tego parametru jest rozkład Gamma(p,a) o funkcji gęstości
) ( )
( θ
=Γa(p)θ
p−1e
−aθ1(0,∞)θ
f
p.
42. Niech X
1,...,X
nbędzie próbą prostą z rozkładu geometrycznego p(x| θ ) = θ (1- θ )
x -1, θ ∈ (0,1), x=1,2,... Wyznaczyć estymator bayesowski parametru θ przy kwadratowej funkcji strat , jeżeli nie dysponujemy żadną wiedzą „a priori” odnośnie parametru θ .
43. Niech X będzie zmienną losową o rozkładzie geometrycznym p(x, θ ) = θ
x(1- θ ) , θ ∈ (0,1), x=1,2,.... Załóżmy, że parametr θ jest realizacją zmiennej losowej Θ o rozkładzie
) ( 3
)
( θ θ
2 (0,1)θ
π = 1 .Wyznaczyć estymator bayesowski parametru θ .(Odp ˆ ( )
53++
=
XXθ X
44. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu Poissona p ( x | λ ) =
λxx!e
−λ, λ >0, x=0,1,....
Wyznaczyć estymator bayesowski parametru λ
2(przy kwadratowej funkcji straty) jeżeli rozkładem „a priori” tego parametru jest rozkład wykładniczy o funkcji gęstości
) ( )
( λ = e
−λ1(0,∞)λ
f .
45. Towarzystwo ubezpieczeniowe szacuje, że około 20% pasażerów linii lotniczych wykupuje polisę ubezpieczeniową na przelot. Proporcja ta jest różna dla różnych terminali, przy czym zmienność charakteryzowana odchyleniem standardowym wynosi 10%. Losowa próbka 50 pasażerów wybranego terminalu pokazała, że tylko 5 nabyło polisę. Przyjmując jako rozkład a priori odpowiedni rozkład Beta oszacować prawdziwą proporcję pasażerów w tym terminalu, którzy nabyli polisę.
46. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu Poissona λ = λ e
−λx x
p
x
) !
|
( , λ > 0, x=0,1,... . Wyznaczyć estymator bayesowski parametru λ (przy kwadratowej funkcji straty) jeżeli rozkład „a priori” tego parametru ma gęstość f ( λ ) = α e
−αλ1
(0,∞)( λ ) .
47. Przypuśćmy, że X ma rozkład U(0, θ ). Załóżmy, że rozkładem „a priori” parametru θ jest rozkład θ
θθ
π ( ) = e
−, θ >0. Wyznaczyć estymator bayesowski parametru θ przy funkcji strat a) L ( θ ˆ , θ ) = ( θ ˆ − θ )
2. b) L ( θ ˆ , θ ) = | θ ˆ − θ |
48. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu geometrycznego p(x| θ ) = θ (1- θ )
x -1, θ ∈ (0,1), x=1,2,.... Niech rozkładem „a priori” dla θ będzie rozkład Beta( α , β ). Wyznaczyć estymator bayesowski parametru θ przy kwadratowej funkcji strat.
49. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu geometrycznego p ( x | θ ) = θ ( 1 − θ )
x,0< θ <1, x=0,1,.... Wyznaczyć estymator bayesowski parametru θ (przy kwadratowej funkcji straty) jeżeli rozkładem „a priori” tego parametru jest rozkład jednostajny U(0,1) o funkcji gęstości
) ( )
( θ =
1(0,1)θ
f .
50. Przypuśćmy, że prawdopodobieństwo θ sukcesu w ciągu n prób Bernoulliego ma rozkład (a priori) jednostajny U(0,1). Wyznaczyć estymator bayesowski parametru θ
2(przy kwadratowej funkcji strat).
51. Niech (X
1,...,X
n) będzie próbą prostą z rozkładu Poissona P(λ). Wykazać, ze statystyka X jest minimaksowym estymatorem parametru λ przy funkcji straty
λ λ , ) ( λ )
2( d
d
L = − . Czy X jest estymatorem dopuszczalnym?
52. Czas świecenia żarówek jest zmienną losową o rozkładzie wykładniczym z funkcją gęstości )
( )
|
( x e
(0, )x
p θ = θ
−θx1 ∞. Przypuśćmy, że θ ma rozkład „a priori” wykładniczy z funkcją gęstości )
( )
( θ = e
−θ1(0,∞)θ
f . Wyznaczyć estymator bayesowski parametru θ (przy kwadratowej funkcji
straty) oparty na n elementowej próbie prostej.
53. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu normalnego N( θ ,1). Wyznaczyć estymator bayesowski parametru θ (przy kwadratowej funkcji straty) jeżeli rozkładem „a priori” tego parametru jest rozkład wykładniczy o funkcji gęstości f ( θ ) = e
−θ1
(0,∞)( θ ) .
(Uwaga. Rozkładem a posteriori jest ucięty rozkład normalny - zadanie na ćwiczenia)
54. Niech X będzie zmienną losową o rozkładzie jednostajnym U(0, θ ). Wyznaczyć estymator bayesowski parametru θ (przy kwadratowej funkcji straty) jeżeli rozkładem „a priori” tego parametru jest rozkład f ( θ ) = θ e
−θ1(0,∞)( θ ) .
Metoda największej wiarygodności
55. Niech X
1,...,X
nbędzie próbą prostą z rozkładu równomiernego (dyskretnego jednostajnego) na {1,...,k} i k∈N. Wyznaczyć estymator największej wiarygodności parametru k. Wykazać, ze estymator ten jest zgodny. Odp. ˆ
( )X
nk =
56. Niech X
1,...,X
nbędzie próbą prostą z rozkładu jednostajnego U[ θ
1, θ
2] na przedziale na [ θ
1, θ
2].
Wyznaczyć estymator największej wiarygodności parametru ( θ
1, θ
2). (Odp. ( θ ˆ
1, θ ˆ
2) = ( X
(1), X
(n)) ).
57. Czas pracy elementu jest zmienną losową X o gęstości f ( x ) = ab x
a−1exp( − b x
a)
1(0,∞)( x ) , gdzie a jest znanym dodatnim parametrem zaś b jest nieznaną dodatnią stałą (rozkład Weibulla).
Wyznaczyć estymator największej wiarygodności parametru b oparty na n elementowej próbie prostej. Wyznaczyć asymptotyczny przedział ufności dla parametru b na poziomie 1- α .
58. Zmienna losowa N ma rozkład Poissona z parametrem intensywności λ , który chcemy oszacować.
Niestety możemy obserwować jedynie zmienną losową M , która przyjmuje wartość 0 jeśli N jest równa 0, a wartość 1 jeśli N jest większa od 0. Wyznaczyć estymator największej wiarygodności parametru λ i asymptotyczny przedział ufności dla λ na poziomie 1- α .. (Odp λ ˆ = − ln( 1 − M ) 59. Skonstruować estymator największej wiarygodności parametru θ i asymptotyczny przedział
ufności na poziomie 1- α =0.95 oparty na n elementowej próbie prostej niezależnych obserwacjach X
1,X
2,...,X
nz rozkładu
a) geometrycznego p(x, θ ) = θ (1- θ )
x -1, θ ∈ (0,1), x=1,2,... , b) geometrycznego p(x, θ ) = (1- θ ) θ
x -1, θ ∈ (0,1), x=1,2,... . c) wykładniczego p(x, θ ) = θ exp(- θ x) , θ > 0, x >0,
d) wykładniczego p(x, θ ) = θ
- -1exp(-x/ θ ) , θ > 0, x >0.
e) o gęstości p(x, θ ) = θ
2x exp(- θ x) , θ > 0, x >0, f) normalnego p(x, θ ) =
22
2 ) 1 (
2
1
θθ π
− x−
e , θ > 0.
g) normalnego
θθ
θ )
21πθ ( 2)2, (
− −
= e
xx
p , θ > 0.
h) Poissona p(x, θ )= θ e
−θx
x
! , θ > 0, x=0,1,2,... .
i) z rozkładu Bernoulliego p(x, θ )= θ
x(1- θ )
1-x, θ ∈ (0,1), x=0,1.
j) z rozkładu Pareto (ozn. Pa(1,a)) o funkcji gęstości f ( x ) = a x
−a−11(1,∞)( x ) , gdzie a>1
60. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu normalnego z funkcją gęstości
θ θ
πθ 2
)2 (
2
)
1(
− −
= e x
x
f
. Metodą największej wiarygodności wyznaczyć estymator parametru θ .
Wyznaczyć asymptotyczną wariancję tego estymatora.
61. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu o gęstości zadanej wzorem )
( )
,
(
1 1 (0,1)1
x x
x
f
−1
− −
= θ
θθ . Wyznaczyć estymator największej wiarygodności parametru θ i wyznaczyć błąd średniokwadratowy (ryzyko) tego estymatora.(wskazówka - aby wyznaczyć ryzyko warto wyznaczyć rozkład zmiennej Y=-lnX )
62. Skonstruować estymator największej wiarygodności parametru θ i asymptotyczny przedział ufności na poziomie 1- α =0.95 oparty na n elementowej próbie prostej X
1,X
2,,,X
nz rozkładu Laplace’a o gęstości p ( x , θ ) =
θ2e
−θ|x|, θ > 0.
Efektywno ść estymatora
63. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu N(m, σ
2), gdzie m jest znane. Pokazać, że
estymator ∑
=
−
=
ni
n
X
im
S
1 1 2
2
( ) ( )
~ X jest efektywnym estymatorem parametru σ
2.
64. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu N(m, σ
2), gdzie m jest znane. Pokazać, że
estymator ~ ( )
) ( 2
) ) (
(
2 1
2
X
X n S
U
nn
Γ
+= Γ gdzie ∑
=
−
=
ni
n
X
im
S
1 1 2
2
( ) ( )
~ X jest
• nieobciążonym estymatorem parametru σ ,
• nie jest efektywnym estymatorem parametru σ .
65. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu Laplace’a Λ (0, β ). Wyznaczyć estymator nieobciążony o minimalnej wariancji funkcji parametru
a) g( β )= β b) g( β )= β
2i sprawdzić, czy jego wariancja osiąga dolne ograniczenie Cramera-Rao.
66. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu wykładniczego f ( x , θ ) = θ
−1e
−θx1
(1,∞)( x ) . Wyznaczyć estymator nieobciążony o minimalnej wariancji funkcji parametru g( θ )= θ
2i sprawdzić, czy jego wariancja osiąga dolne ograniczenie Cramera-Rao.
(Odp.
) 1 (
) ) (
ˆ (
12
+
= ∑
=n n X X g
n
i i
, V g n n n
4
4
4
) ) 1 ( 2 1 1 4 ( ˆ )
( θ > θ
+ +
= (dolne ograniczenie CR)).
67. Wyznaczyć macierz informacji Fishera dla próby prostej z rozkładu N(m, σ
2)
68. Niech X=(X
1,...,X
n) będzie próbą prostą z rozkładu Laplace’a Λ(0, β ) (
β β|
|
2
)
1(
x
e x
f =
−).
Wyznaczyć estymator nieobciążony o minimalnej wariancji funkcji parametru g( β )= β
2i
sprawdzić, czy jego wariancja osiąga dolne ograniczenie Cramera-Rao.
Przedziały ufno ś ci
69. Niech X
1,...,X
mi Y
1,...,Y
nbędą dwoma niezależnymi próbami prostymi z rozkładów N( µ
1, σ
2) i N( µ
2, σ
2). Znaleźć najkrótszy przedział ufności dla µ
1- µ
2oparty na odpowiedniej statystyce dostatecznej gdy σ
2jest znane.
70. Rozważmy próbę losową X
1,...,X
nz rozkładu jednostajnego na odcinku [0, θ ] z nieznanym prawym końcem θ . Niech M=max(X
1,...,X
n). Należy zbudować przedział ufności dla θ na poziomie 90%.
Chcemy aby ten przedział był postaci [aM , bM], gdzie liczby a i b są tak dobrane aby P( θ < aM)=
P( θ >bM)=0.05. podaj długość tego przedziału.
71. Załóżmy, że X
1,...,X
4jest próbą prostą z rozkładu normalnego N(m, σ
2) o nieznanej wartości oczekiwanej i nieznanej wariancji, zaś X
5jest zmienną losową z tego samego rozkładu niezależną od próbki. Interpretujemy zmienną X
5jako kolejna obserwację, która pojawi się w przyszłości, ale obecnie jest nieznana. Zbuduj „przedział ufności” [L,U]=[L(X
1,...,X
4), U(X
1,...,X
4)] oparty na próbce X
1,...,X
4taki, że P(L(X
1,...,X
4) ≤ X
5≤ U(X
1,...,X
4))=0.95, przy czym żądamy, aby przedział był symetryczny tzn.
12( L + U ) = X . Używamy tu oznaczeń ∑
=
=
41 4 1 i
X
iX , ∑
=
−
=
41
2 3
2 1
) (
i
i
X
X
S .
72. Wyznaczyć najkrótszy przedział ufności dla parametru θ w rozkładzie jednostajnym U(0, θ ) oparty na n elementowej próbie prostej. Funkcję centralną oprzeć na minimalnej statystyce dostatecznej. Odp. [ X
(n),
n1αX
(n)] , Funkcją centralną jest funkcja
θ θ
( )1
,.., , )
(
nX
nX X
T = .
Model liniowy i MNK
73. Pewien deterministyczny proces x
0,x
1,...,x
nprzebiega tak że x
i+1=ax
i, i=0,...,n-1, przy czym a jest znaną stałą. Wielkości x
inie mogą być obserwowane bezpośrednio, lecz ich obserwacje mają postać y
i=x
i+ ε
i, i=0,...,n, gdzie ε
isą nieskorelowanymi błędami o jednakowej wariancji σ
2. Metodą najmniejszych kwadratów wyznaczyć estymatory x
0,x
1,...,x
n. Wyznaczyć również estymator wariancji błędów σ
2.
74. W modelu regresji liniowej y
i= θ
1+θ
2x
i+ ε
i, i=1,...n, załóżmy, że Var( ε
i)=w
iσ
2, gdzie σ
2jest nieznane a w
1,...,w
nsą znane. Mówimy, że θ ~
1i
2θ ~ są estymatorami parametrów θ
1i θ
2uzyskanymi metodą ważonych najmniejszych kwadratów, gdy
2 2 1 1
1 , 2 2 1 1
1
~ ~ ) min ( )
(
2 1
i i
n
i i w
i n
i
w
y x y x
i
i
− θ − θ =
θ θ∑ − θ − θ
∑
= =.
Napisać odpowiednik układu równań normalnych dla tej sytuacji i wyznaczyć estymatory parametrów θ
1, θ
2oraz σ
2metodą ważonych najmniejszych kwadratów.
75. Należy wyznaczyć ciężary netto β
1, β
2, β
3trzech przedmiotów oraz ciężar opakowania β
0za pomocą czterech ważeń przy założeniu, że przy każdym ważeniu popełniamy losowy błąd o rozkładzie normalnym ze średnią 0 i wariancją σ
2. Rozpatrzmy dwa plany eksperymentu.
Pierwszy z nich polega na zważeniu każdego przedmiotu (z opakowaniem) z osobna, a na końcu zważeniu samego opakowania. W drugim schemacie ważymy najpierw opakowanie a następnie trzykrotnie po dwa przedmioty ( każdy z opakowaniem), nie powtarzając doboru ważonych par.
Niech Y
i, i=1,2,3,4 oznaczają kolejne wskazania wagi. Wyznaczyć metodą najmniejszych
kwadratów oszacowania ciężarów β
i. Sprawdzić, który z planów jest lepszy ze względu na
wielkość wariancji uzyskanych estymatorów.
76. Dla wybranych n wartości x
iz przedziału [-1,1] możemy wykonać pomiary wielkości
y
i= β
0+ β
1x
iobarczone niezależnymi zmiennymi losowym o zerowych wartościach oczekiwanych i wariancjach σ
2i estymować wartości β
0i β
1metodą najmniejszych kwadratów. Załóżmy, że n jest parzyste . Jak należy wybrać wielkości x
i, aby wariancja estymatora β
1była najmniejsza?
( Odp.
∑
=− ∑
==
ni
n
i i
i
x
x n V n
1 1
2 1 2
) (
ˆ )
( β -- połowa z x
ijest równa -1 a druga połowa 1 .)
77. Na podstawie pomiarów wielkości y
i= β
0+ β
1x
i(i=1,...,n) , które są obarczone niezależnymi błędami losowymi o zerowych wartościach oczekiwanych i wariancjach σ
2, konstruujemy estymatory β ˆ
0i β ˆ
1metodą najmniejszych kwadratów. Prognozę dla wartości y
0= β
0+ β
1x
0konstruujemy jako
0 1 0
0
ˆ ˆ
ˆ x
y = β + β . Wyznaczyć wariancję tej prognozy. Dla jakiego x
0wariancja ˆy jest
0najmniejsza.
(Odp.
∑ ∑
∑ ∑
= =
= =
−
+
=
n−
i
n
i i
i n i
n
i i
i
x x
n
x n x x y x
V
1 1
2 2
1 1
2 0 0
2 2
0
( )
) 2
) (
( ˆ σ
jest najmniejsza dla x
0=
1n∑
ni=1x
i)
78.
Testowanie hipotez
79. X
1, X
2, K , X
20jest próbą losową z rozkładu normalnego o parametrach N(0, σ
2). Znaleźć najmocniejszy test hipotezy: H
0: σ
2= 1 przeciwko alternatywie: H
1: σ
2= 3 na poziomie istotności α =0.01. Oszacować moc tego testu (przy szacowaniu mocy można skorzystać z aproksymacji 2 χ
n2− 2 n − 1 ∼ N(0,1) (Odp. ok. 90%)
80. Zmienna losowa X ma funkcję gęstości
+ ≤ ≤
= poza tym
dla , 0
1 0 , ) 1 ) (
( b x x
x f
b
. Skonstruować najmocniejszy test hipotezy H
0: b=1 przeciwko H
1: b=2 na poziomie α =0.1 gdy dysponujemy pojedynczą obserwacją zmiennej X. . (Odp. C = { X : X > 0 . 9 }
81. Zmienna losowa X ma funkcję gęstości f(x). Na podstawie pojedynczej obserwacji skonstruować najmocniejszy test hipotezy H
0: f ( x ) = 1
[0,1]( x ) przeciwko H
1: f ( x ) = 5 x
41
[0,1]( x ) na poziomie α ..
Wyznaczyć moc tego testu. (Odp. C = { X : X > 1 − α } moc=1-(1-α)
5)
82. Sformułować lemat Neymana-Pearsona. Zmienna losowa X ma funkcję gęstości
+ ≤ ≤
= poza tym
dla , 0
1 0 , ) 1 ) (
( b x x
x f
b