statisztikai alapfogalmak, becsl eselm eletcs.bme.hu/~pricsi/stat/lec1_0903.pdf · statisztikai...
TRANSCRIPT
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
1/53
Statisztikai alapfogalmak, becsleselmelet
Matematikai statisztikaGazdasaginformatikus MSc
1. eloadas2018. szeptember 3.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
2/53
Bevezeto a felevrol - Eloado, hely, ido etc.
• Eloado: Vizer Mate (email: [email protected])
• Eloadasok ideje/helye: H 10.15-13 (10.15-11.45 & 12.00-12.45),QBF11
• Fogadoora: eloadas utan (elozetes emaillel)
• Gyak. vez.: Palincza Richard (email: [email protected])
• Gyakorlatok ideje/helye: CS 10.15-12, QBF10
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
2/53
Bevezeto a felevrol - Eloado, hely, ido etc.
• Eloado: Vizer Mate (email: [email protected])
• Eloadasok ideje/helye: H 10.15-13 (10.15-11.45 & 12.00-12.45),QBF11
• Fogadoora: eloadas utan (elozetes emaillel)
• Gyak. vez.: Palincza Richard (email: [email protected])
• Gyakorlatok ideje/helye: CS 10.15-12, QBF10
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
3/53
Bevezeto a felevrol - Targykovetelmenyek
A targybol szobeli vizsga lesz a vizsgaidoszakban. A vizsgazasfeltetele a gyakorlati alaıras megszerzese, melyet 1 db hazifeladatbeadasaval lehet megszerezni a felev folyaman.
• A hazifeladatokat (elore lathatoan) a november 12-i heten osztjukki es a szorgalmi idoszak utolso napjaig (december 7.) lehet beadni.A hazifeladat egy ”komplex elemzes” vegrehajtasa egy adatsoron.
• A vizsgan az eloadason elhangzottakat kell tudni.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
3/53
Bevezeto a felevrol - Targykovetelmenyek
A targybol szobeli vizsga lesz a vizsgaidoszakban. A vizsgazasfeltetele a gyakorlati alaıras megszerzese, melyet 1 db hazifeladatbeadasaval lehet megszerezni a felev folyaman.
• A hazifeladatokat (elore lathatoan) a november 12-i heten osztjukki es a szorgalmi idoszak utolso napjaig (december 7.) lehet beadni.A hazifeladat egy ”komplex elemzes” vegrehajtasa egy adatsoron.
• A vizsgan az eloadason elhangzottakat kell tudni.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
4/53
Bevezeto a felevrol - Adminisztratıv ugyek
• a targy honlapja: http://www.cs.bme.hu/~pricsi/stat.html,ide felkerulnek az eloadas slidejai (+ utemterv, tablazatok etc.)
• ajanlott irodalom:
1. Ketskemety - Pinter: Matematikai statisztika jegyzet(http://www.szit.bme.hu/~kela/stat.pdf)
2. Ketskemety - Izso - Konyves Toth: Bevezetes az IBM SPSSStatistics programrendszerbe
3. Bolla - Kramli: Statisztikai kovetkeztetesek elmelete
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
4/53
Bevezeto a felevrol - Adminisztratıv ugyek
• a targy honlapja: http://www.cs.bme.hu/~pricsi/stat.html,ide felkerulnek az eloadas slidejai (+ utemterv, tablazatok etc.)
• ajanlott irodalom:
1. Ketskemety - Pinter: Matematikai statisztika jegyzet(http://www.szit.bme.hu/~kela/stat.pdf)
2. Ketskemety - Izso - Konyves Toth: Bevezetes az IBM SPSSStatistics programrendszerbe
3. Bolla - Kramli: Statisztikai kovetkeztetesek elmelete
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
5/53
Bevezeto a felevrol - Valoszınusegszamıtasatismetlese
• Elso gyakorlaton a fobb fogalmak atismetlese (valoszınusegi mezo,valoszınusegi valtozo, suruseg- es eloszlasfuggveny, varhato ertek(momentumok), fuggetlenseg, nevezetes (diszkret es folytonos)eloszlasok)
• Vetier Andras jegyzete http://math.bme.hu/~vetier/051360_
Vetier_Valoszinusegszamitas.pdf
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
5/53
Bevezeto a felevrol - Valoszınusegszamıtasatismetlese
• Elso gyakorlaton a fobb fogalmak atismetlese (valoszınusegi mezo,valoszınusegi valtozo, suruseg- es eloszlasfuggveny, varhato ertek(momentumok), fuggetlenseg, nevezetes (diszkret es folytonos)eloszlasok)
• Vetier Andras jegyzete http://math.bme.hu/~vetier/051360_
Vetier_Valoszinusegszamitas.pdf
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
6/53
(Elozetes) attekintes a felevrol - cımszavakban
• Statisztikai alapfogalmak, becsleselmelet
• Hipotezisvizsgalat (parameteres/ nem parameteres)
• Varianciaanalızis
• Regresszioanalızis
• Faktor- es fokomponensanalızis
• Adatredukcio
• Idosorok
• Mintavetelezes, kerdoıvek keszıtese
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
7/53
Statisztikai alapfogalmak - Mi a statisztika?
• ”A statisztika a matematika azon aga, melynek alapfeladata az,hogy a politikus kezebe olyan eszkozt adjon, mellyel tetszolegesallıtas es annak ellentete is tudomanyos alapon igazolhato.”(ismeretlen forras)
• A vilag szamszerusıtheto tenyeinek szisztematikus osszegyujtese esazok elemzese.
Feladat, cel: a tapasztalati adatokbol az informaciok kinyerese,statisztikai torvenyszerusegek feltarasa, kovetkeztetesek levonasa esfelhasznalasa. Modellepıtes, parameterbecsles, kovetkeztetesek,hipotezisek vizsgalata.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
7/53
Statisztikai alapfogalmak - Mi a statisztika?
• ”A statisztika a matematika azon aga, melynek alapfeladata az,hogy a politikus kezebe olyan eszkozt adjon, mellyel tetszolegesallıtas es annak ellentete is tudomanyos alapon igazolhato.”(ismeretlen forras)
• A vilag szamszerusıtheto tenyeinek szisztematikus osszegyujtese esazok elemzese.
Feladat, cel: a tapasztalati adatokbol az informaciok kinyerese,statisztikai torvenyszerusegek feltarasa, kovetkeztetesek levonasa esfelhasznalasa. Modellepıtes, parameterbecsles, kovetkeztetesek,hipotezisek vizsgalata.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
7/53
Statisztikai alapfogalmak - Mi a statisztika?
• ”A statisztika a matematika azon aga, melynek alapfeladata az,hogy a politikus kezebe olyan eszkozt adjon, mellyel tetszolegesallıtas es annak ellentete is tudomanyos alapon igazolhato.”(ismeretlen forras)
• A vilag szamszerusıtheto tenyeinek szisztematikus osszegyujtese esazok elemzese.
Feladat, cel: a tapasztalati adatokbol az informaciok kinyerese,statisztikai torvenyszerusegek feltarasa, kovetkeztetesek levonasa esfelhasznalasa. Modellepıtes, parameterbecsles, kovetkeztetesek,hipotezisek vizsgalata.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
8/53
Statisztikai alapfogalmak - Pelda
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
9/53
Statisztikai alapfogalmak - Sokasag, populacio
Sokasag, populacio: A vizsgalat targyat kepezo (altalabannagyszamu) egyedek halmaza, amit le szeretnenk ırni bizonyostulajdonsagaik alapjan.
Pelda sokasagokra:
• Magyarorszag osszes lakasa
• Magyaroszag TV nezoinek halmaza
• Europa osszes ervenyes forgalmival rendelkezo autojanak halmaza
• Egy egyetemi kar hallgatoinak halmaza
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
9/53
Statisztikai alapfogalmak - Sokasag, populacio
Sokasag, populacio: A vizsgalat targyat kepezo (altalabannagyszamu) egyedek halmaza, amit le szeretnenk ırni bizonyostulajdonsagaik alapjan.
Pelda sokasagokra:
• Magyarorszag osszes lakasa
• Magyaroszag TV nezoinek halmaza
• Europa osszes ervenyes forgalmival rendelkezo autojanak halmaza
• Egy egyetemi kar hallgatoinak halmaza
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
10/53
Statisztikai alapfogalmak - minta 1.
Minta realizaltja: A populacio (altalaban kis elemszamu)reszhalmazara vonatkozo adataink osszessege. (ismerv)
Eset: 1 elemre vonatkozo adatok.
Mintaelemszam: A minta realizaltja hany elemre vonatkozo adatottartalmaz.
Valtozo: A populacio egy (merheto) jellemzoje.
Adatmatrix: n × p-es matrix, amiben az n darab elemre vonatkozoadataink osszesseget taroljuk. (sorai= esetek, oszlopai= valtozok)
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
10/53
Statisztikai alapfogalmak - minta 1.
Minta realizaltja: A populacio (altalaban kis elemszamu)reszhalmazara vonatkozo adataink osszessege. (ismerv)
Eset: 1 elemre vonatkozo adatok.
Mintaelemszam: A minta realizaltja hany elemre vonatkozo adatottartalmaz.
Valtozo: A populacio egy (merheto) jellemzoje.
Adatmatrix: n × p-es matrix, amiben az n darab elemre vonatkozoadataink osszesseget taroljuk. (sorai= esetek, oszlopai= valtozok)
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
10/53
Statisztikai alapfogalmak - minta 1.
Minta realizaltja: A populacio (altalaban kis elemszamu)reszhalmazara vonatkozo adataink osszessege. (ismerv)
Eset: 1 elemre vonatkozo adatok.
Mintaelemszam: A minta realizaltja hany elemre vonatkozo adatottartalmaz.
Valtozo: A populacio egy (merheto) jellemzoje.
Adatmatrix: n × p-es matrix, amiben az n darab elemre vonatkozoadataink osszesseget taroljuk. (sorai= esetek, oszlopai= valtozok)
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
10/53
Statisztikai alapfogalmak - minta 1.
Minta realizaltja: A populacio (altalaban kis elemszamu)reszhalmazara vonatkozo adataink osszessege. (ismerv)
Eset: 1 elemre vonatkozo adatok.
Mintaelemszam: A minta realizaltja hany elemre vonatkozo adatottartalmaz.
Valtozo: A populacio egy (merheto) jellemzoje.
Adatmatrix: n × p-es matrix, amiben az n darab elemre vonatkozoadataink osszesseget taroljuk. (sorai= esetek, oszlopai= valtozok)
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
10/53
Statisztikai alapfogalmak - minta 1.
Minta realizaltja: A populacio (altalaban kis elemszamu)reszhalmazara vonatkozo adataink osszessege. (ismerv)
Eset: 1 elemre vonatkozo adatok.
Mintaelemszam: A minta realizaltja hany elemre vonatkozo adatottartalmaz.
Valtozo: A populacio egy (merheto) jellemzoje.
Adatmatrix: n × p-es matrix, amiben az n darab elemre vonatkozoadataink osszesseget taroljuk. (sorai= esetek, oszlopai= valtozok)
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
11/53
Statisztikai alapfogalmak - Adatmatrix
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
12/53
Statisztikai alapfogalmak - valtozok
• Peldak valtozokra:
1. Magyarorszag osszes lakasa: negyzetmeter, ar, tegla/panel,komfortfokozat
2. Magyaroszag TV nezoinek halmaza: kor, nem, fizetes, tevezesseltoltott idoetc.
Valtozok lehetnek:• mennyisegi = szamszeruen merheto mennyiseg• minosegi = szamszeruen nem merheto (nem, foglalkozas etc.)
1 nevleges = szamok kotetlen hozzarendelese (pl ferfi=1, no=2)2 sorrendi/ordinalis = rangsor (pl filmek/fagylaltok etc. kozottmelyik mennyire tetszik)3 kulonbsegi = onkenyes nullpont (pl homerseklet etc.)4 aranyskala = valodi nullpont, azaz arany stb szamolhato (plhosszusag, jovedelem etc.)
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
12/53
Statisztikai alapfogalmak - valtozok
• Peldak valtozokra:
1. Magyarorszag osszes lakasa: negyzetmeter, ar, tegla/panel,komfortfokozat
2. Magyaroszag TV nezoinek halmaza: kor, nem, fizetes, tevezesseltoltott idoetc.
Valtozok lehetnek:• mennyisegi = szamszeruen merheto mennyiseg• minosegi = szamszeruen nem merheto (nem, foglalkozas etc.)
1 nevleges = szamok kotetlen hozzarendelese (pl ferfi=1, no=2)2 sorrendi/ordinalis = rangsor (pl filmek/fagylaltok etc. kozottmelyik mennyire tetszik)3 kulonbsegi = onkenyes nullpont (pl homerseklet etc.)4 aranyskala = valodi nullpont, azaz arany stb szamolhato (plhosszusag, jovedelem etc.)
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
12/53
Statisztikai alapfogalmak - valtozok
• Peldak valtozokra:
1. Magyarorszag osszes lakasa: negyzetmeter, ar, tegla/panel,komfortfokozat
2. Magyaroszag TV nezoinek halmaza: kor, nem, fizetes, tevezesseltoltott idoetc.
Valtozok lehetnek:• mennyisegi = szamszeruen merheto mennyiseg• minosegi = szamszeruen nem merheto (nem, foglalkozas etc.)
1 nevleges = szamok kotetlen hozzarendelese (pl ferfi=1, no=2)2 sorrendi/ordinalis = rangsor (pl filmek/fagylaltok etc. kozottmelyik mennyire tetszik)3 kulonbsegi = onkenyes nullpont (pl homerseklet etc.)4 aranyskala = valodi nullpont, azaz arany stb szamolhato (plhosszusag, jovedelem etc.)
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
13/53
Statisztikai alapfogalmak - adatok abrazolasa
Pont-, es vonaldiagram
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
14/53
Statisztikai alapfogalmak - mintavetelezes
Mi varnank el? A ”reprezentatıv” legyen. ”Mint a cseppben atenger.”
• A populacio minden egyes elemenek ugyanakkora eselyt kellbiztosıtani a mintaba keruleshez.• A minta elemszamanak eleg nagynak kell lennie ahhoz, hogy akovetkezteteseink atvihetok lehessenek a populaciora is.
Mintavetelezesi eljarasok:
• cenzus (nincs eroforras)• retegzett mintavetelezes: vannak informacioink, hogy az egeszpopulacioban adott tulajdonsag hogy alakul es ezt a mintaban ismegtartjuk.• veletlen kıserlet
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
14/53
Statisztikai alapfogalmak - mintavetelezes
Mi varnank el? A ”reprezentatıv” legyen. ”Mint a cseppben atenger.”
• A populacio minden egyes elemenek ugyanakkora eselyt kellbiztosıtani a mintaba keruleshez.• A minta elemszamanak eleg nagynak kell lennie ahhoz, hogy akovetkezteteseink atvihetok lehessenek a populaciora is.
Mintavetelezesi eljarasok:
• cenzus (nincs eroforras)• retegzett mintavetelezes: vannak informacioink, hogy az egeszpopulacioban adott tulajdonsag hogy alakul es ezt a mintaban ismegtartjuk.• veletlen kıserlet
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
14/53
Statisztikai alapfogalmak - mintavetelezes
Mi varnank el? A ”reprezentatıv” legyen. ”Mint a cseppben atenger.”
• A populacio minden egyes elemenek ugyanakkora eselyt kellbiztosıtani a mintaba keruleshez.• A minta elemszamanak eleg nagynak kell lennie ahhoz, hogy akovetkezteteseink atvihetok lehessenek a populaciora is.
Mintavetelezesi eljarasok:
• cenzus (nincs eroforras)• retegzett mintavetelezes: vannak informacioink, hogy az egeszpopulacioban adott tulajdonsag hogy alakul es ezt a mintaban ismegtartjuk.• veletlen kıserlet
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
15/53
Statisztikai alapfogalmak - matematikai modell 1.
• populacio = Ω
• tulajdonsag = valoszınusegi valtozo X : Ω→ Rp
• statisztikai minta = X1,X2,...,Xn teljesen fuggetlen, X -szel azonoseloszlasu valoszınusegi valtozo.
!gyakorlati alkalmazasokban n darab szam (p-es), a matematikaimodellben n teljesen fuggetlen valvaltozo!
Lehetseges cel: peldaul adott lehetseges eloszlascsaladbol eldonteni,hogy melyik all legkozelebb a valodi eloszlashoz.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
15/53
Statisztikai alapfogalmak - matematikai modell 1.
• populacio = Ω
• tulajdonsag = valoszınusegi valtozo X : Ω→ Rp
• statisztikai minta = X1,X2,...,Xn teljesen fuggetlen, X -szel azonoseloszlasu valoszınusegi valtozo.
!gyakorlati alkalmazasokban n darab szam (p-es), a matematikaimodellben n teljesen fuggetlen valvaltozo!
Lehetseges cel: peldaul adott lehetseges eloszlascsaladbol eldonteni,hogy melyik all legkozelebb a valodi eloszlashoz.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
16/53
Statisztikai alapfogalmak - matematikai modell 2.
Legyen (X ,F) egy merheto ter es legyen P valoszınusegi mertekekegy halmaza, ahol ∀P ∈ P-re (X ,F ,P) egy Kolmogorov-felevaloszınusegi mezo.
Az X = (X1, . . . ,Xn)T statisztikai megfigyeleststatisztikai mintanak nevezzuk, ha Xi -k teljesen fuggetlen azonoseloszlasu valoszınusegi valtozok ∀P ∈ P-n (X ,F ,P)-n. Azaz∀P ∈ P-re
P(Xi < x) = FP(x) (i = 1, 2, . . . , n),
FP(Xi1 < x1, . . . ,Xik < xk) = Πki=1FP(xi ).
n=minta elemszama, FP(x)=minta eloszlasfuggvenye, Xi az i-edikmintaelem, µP(A) = P(Xi ∈ A) A ∈ F a minta eloszlasa. ω ∈ Ω-ra(X1(ω), . . . ,Xn(ω)) a minta realizaltja.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
16/53
Statisztikai alapfogalmak - matematikai modell 2.
Legyen (X ,F) egy merheto ter es legyen P valoszınusegi mertekekegy halmaza, ahol ∀P ∈ P-re (X ,F ,P) egy Kolmogorov-felevaloszınusegi mezo. Az X = (X1, . . . ,Xn)T statisztikai megfigyeleststatisztikai mintanak nevezzuk, ha Xi -k teljesen fuggetlen azonoseloszlasu valoszınusegi valtozok ∀P ∈ P-n (X ,F ,P)-n. Azaz∀P ∈ P-re
P(Xi < x) = FP(x) (i = 1, 2, . . . , n),
FP(Xi1 < x1, . . . ,Xik < xk) = Πki=1FP(xi ).
n=minta elemszama, FP(x)=minta eloszlasfuggvenye, Xi az i-edikmintaelem, µP(A) = P(Xi ∈ A) A ∈ F a minta eloszlasa. ω ∈ Ω-ra(X1(ω), . . . ,Xn(ω)) a minta realizaltja.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
16/53
Statisztikai alapfogalmak - matematikai modell 2.
Legyen (X ,F) egy merheto ter es legyen P valoszınusegi mertekekegy halmaza, ahol ∀P ∈ P-re (X ,F ,P) egy Kolmogorov-felevaloszınusegi mezo. Az X = (X1, . . . ,Xn)T statisztikai megfigyeleststatisztikai mintanak nevezzuk, ha Xi -k teljesen fuggetlen azonoseloszlasu valoszınusegi valtozok ∀P ∈ P-n (X ,F ,P)-n. Azaz∀P ∈ P-re
P(Xi < x) = FP(x) (i = 1, 2, . . . , n),
FP(Xi1 < x1, . . . ,Xik < xk) = Πki=1FP(xi ).
n=minta elemszama, FP(x)=minta eloszlasfuggvenye, Xi az i-edikmintaelem, µP(A) = P(Xi ∈ A) A ∈ F a minta eloszlasa. ω ∈ Ω-ra(X1(ω), . . . ,Xn(ω)) a minta realizaltja.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
17/53
Statisztikak - adatcentrum statisztikai
Tegyuk fel hogy X : Ω→ R egy val. valtozo es X1,X2, . . . ,Xn egyebbol vett statisztikai minta. Ekkor
• X =∑n
i=1 Xi
n a minta atlaga
• X ∗k = ordkX1,X2, . . . ,Xn a k-adik legkisebb
• tehat X ∗1 = minX1,X2, . . . ,Xn es X ∗n = maxX1,X2, . . . ,Xn
• median = X ∗n+12
, ha n paratlan es X ∗n2
+ X ∗n2 +1, ha n paros
• modusz = mintaban leggyakrabban elofordulo elem.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
17/53
Statisztikak - adatcentrum statisztikai
Tegyuk fel hogy X : Ω→ R egy val. valtozo es X1,X2, . . . ,Xn egyebbol vett statisztikai minta. Ekkor
• X =∑n
i=1 Xi
n a minta atlaga
• X ∗k = ordkX1,X2, . . . ,Xn a k-adik legkisebb
• tehat X ∗1 = minX1,X2, . . . ,Xn es X ∗n = maxX1,X2, . . . ,Xn
• median = X ∗n+12
, ha n paratlan es X ∗n2
+ X ∗n2 +1, ha n paros
• modusz = mintaban leggyakrabban elofordulo elem.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
17/53
Statisztikak - adatcentrum statisztikai
Tegyuk fel hogy X : Ω→ R egy val. valtozo es X1,X2, . . . ,Xn egyebbol vett statisztikai minta. Ekkor
• X =∑n
i=1 Xi
n a minta atlaga
• X ∗k = ordkX1,X2, . . . ,Xn a k-adik legkisebb
• tehat X ∗1 = minX1,X2, . . . ,Xn es X ∗n = maxX1,X2, . . . ,Xn
• median = X ∗n+12
, ha n paratlan es X ∗n2
+ X ∗n2 +1, ha n paros
• modusz = mintaban leggyakrabban elofordulo elem.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
17/53
Statisztikak - adatcentrum statisztikai
Tegyuk fel hogy X : Ω→ R egy val. valtozo es X1,X2, . . . ,Xn egyebbol vett statisztikai minta. Ekkor
• X =∑n
i=1 Xi
n a minta atlaga
• X ∗k = ordkX1,X2, . . . ,Xn a k-adik legkisebb
• tehat X ∗1 = minX1,X2, . . . ,Xn es X ∗n = maxX1,X2, . . . ,Xn
• median = X ∗n+12
, ha n paratlan es X ∗n2
+ X ∗n2 +1, ha n paros
• modusz = mintaban leggyakrabban elofordulo elem.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
17/53
Statisztikak - adatcentrum statisztikai
Tegyuk fel hogy X : Ω→ R egy val. valtozo es X1,X2, . . . ,Xn egyebbol vett statisztikai minta. Ekkor
• X =∑n
i=1 Xi
n a minta atlaga
• X ∗k = ordkX1,X2, . . . ,Xn a k-adik legkisebb
• tehat X ∗1 = minX1,X2, . . . ,Xn es X ∗n = maxX1,X2, . . . ,Xn
• median = X ∗n+12
, ha n paratlan es X ∗n2
+ X ∗n2 +1, ha n paros
• modusz = mintaban leggyakrabban elofordulo elem.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
18/53
Statisztikak - szoras statisztikai
• standard szoras/korrigalt empirikus szoras√√√√ 1
n − 1
n∑i=1
(Xi − X )2
• standard variacio
1
n − 1
n∑i=1
(Xi − X )2
• terjedelemX ∗n − X ∗1
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
18/53
Statisztikak - szoras statisztikai
• standard szoras/korrigalt empirikus szoras√√√√ 1
n − 1
n∑i=1
(Xi − X )2
• standard variacio
1
n − 1
n∑i=1
(Xi − X )2
• terjedelemX ∗n − X ∗1
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
18/53
Statisztikak - szoras statisztikai
• standard szoras/korrigalt empirikus szoras√√√√ 1
n − 1
n∑i=1
(Xi − X )2
• standard variacio
1
n − 1
n∑i=1
(Xi − X )2
• terjedelemX ∗n − X ∗1
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
19/53
Statisztikak - egyeb statisztikak 1.
• ferdeseg/skewness
s =1n
∑ni=1(Xi − X )3
(√
1n
∑ni=1(Xi − X )2)3
• Mit mer? Mennyire szimmetrikus az eloszlas. Ha az ertek 0(-hozkozeli), akkor (nagyjabol) szimmetrikus. Ha pozitıv, akkor jobbra, hanegatıv, akkor balra tolodik el az eloszlas.
(a) s < 0 (b) s > 0
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
19/53
Statisztikak - egyeb statisztikak 1.
• ferdeseg/skewness
s =1n
∑ni=1(Xi − X )3
(√
1n
∑ni=1(Xi − X )2)3
• Mit mer? Mennyire szimmetrikus az eloszlas. Ha az ertek 0(-hozkozeli), akkor (nagyjabol) szimmetrikus. Ha pozitıv, akkor jobbra, hanegatıv, akkor balra tolodik el az eloszlas.
(a) s < 0 (b) s > 0
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
20/53
Statisztikak - egyeb statisztikak 2.
• lapultsag/curtosis
c =1n
∑ni=1(Xi − X )4
(√
1n
∑ni=1(Xi − X )2)4
− 3
• Mit mer? ”Csucsossaga” hogy viszonyul a normalis eloszlasehoz.Ha pozitıv, akkor csucsosabb.
(a) c < 0 (b) c > 0
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
20/53
Statisztikak - egyeb statisztikak 2.
• lapultsag/curtosis
c =1n
∑ni=1(Xi − X )4
(√
1n
∑ni=1(Xi − X )2)4
− 3
• Mit mer? ”Csucsossaga” hogy viszonyul a normalis eloszlasehoz.Ha pozitıv, akkor csucsosabb.
(a) c < 0 (b) c > 0
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
21/53
Statisztikak - matematikai fogalom 1.
Legyen tn egy n-valtozos valos fuggveny. Akkor a statisztikai mintaTn = tn(X1,X2, . . . ,Xn) fuggvenyet nevezzuk statisztikanak.
A statisztika egy valoszınusegi valtozo, aminek eloszlasfuggvenyet aminta eloszlasfuggvenyebol lehet kiszamolni.
A Tn(ω) = tn(X1(ω),X2(ω), . . . ,Xn(ω)) szam (amikor azargumentumba a mintarealizacio ertekeit helyettesıtjuk), a statisztikaszamolt erteke.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
21/53
Statisztikak - matematikai fogalom 1.
Legyen tn egy n-valtozos valos fuggveny. Akkor a statisztikai mintaTn = tn(X1,X2, . . . ,Xn) fuggvenyet nevezzuk statisztikanak.
A statisztika egy valoszınusegi valtozo, aminek eloszlasfuggvenyet aminta eloszlasfuggvenyebol lehet kiszamolni.
A Tn(ω) = tn(X1(ω),X2(ω), . . . ,Xn(ω)) szam (amikor azargumentumba a mintarealizacio ertekeit helyettesıtjuk), a statisztikaszamolt erteke.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
21/53
Statisztikak - matematikai fogalom 1.
Legyen tn egy n-valtozos valos fuggveny. Akkor a statisztikai mintaTn = tn(X1,X2, . . . ,Xn) fuggvenyet nevezzuk statisztikanak.
A statisztika egy valoszınusegi valtozo, aminek eloszlasfuggvenyet aminta eloszlasfuggvenyebol lehet kiszamolni.
A Tn(ω) = tn(X1(ω),X2(ω), . . . ,Xn(ω)) szam (amikor azargumentumba a mintarealizacio ertekeit helyettesıtjuk), a statisztikaszamolt erteke.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
22/53
Rendezett minta statisztikai 1.
Empirikus eloszlasfuggveny:
Fn(x) :=
0 ha x ≤ X ∗1 ,kn ha X ∗k < x ≤ X ∗k+1 (k = 1, 2, ..., n − 1),
1 ha X ∗n < x .
Fn(x) =1
n
n∑i=1
IXi<x , ahol
IXi<x :=
0 ha x < Xi ,
1 ha Xi ≤ x .
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
22/53
Rendezett minta statisztikai 1.
Empirikus eloszlasfuggveny:
Fn(x) :=
0 ha x ≤ X ∗1 ,kn ha X ∗k < x ≤ X ∗k+1 (k = 1, 2, ..., n − 1),
1 ha X ∗n < x .
Fn(x) =1
n
n∑i=1
IXi<x , ahol
IXi<x :=
0 ha x < Xi ,
1 ha Xi ≤ x .
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
23/53
Rendezett minta statisztikai 2.
Tetel (Glivenko Cantelli)
P( limn→∞
supx∈R|Fn(x)− F (x)|= 0) = 1
Azaz az empirikus eloszlasfuggveny 1 valoszınuseggel, egyenletesenkonvergal az eloszlasfuggvenyhez.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
23/53
Rendezett minta statisztikai 2.
Tetel (Glivenko Cantelli)
P( limn→∞
supx∈R|Fn(x)− F (x)|= 0) = 1
Azaz az empirikus eloszlasfuggveny 1 valoszınuseggel, egyenletesenkonvergal az eloszlasfuggvenyhez.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
24/53
Parameter
Tegyuk fel, hogy a minta eloszlasfuggvenye kepletet egy θ parameterkonkretizalja. Ha ismerjuk az erteket, meg tudjuk pontosan adni azeloszlasfuggvenyt:
F = F (x , θ) : θ ∈ Θ.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
25/53
Parameter - pelda
Pelda
Egy joghurt zsırtartalmat ellenorzik. A laborban σ pontossaggal megtudjak merni a zsırtartalmat. A meres a pontos ertek korul a normaliseloszlas szerint ingadozik. Ha vesznek egy mintat, akkor a mintaeloszlasa N(θ, σ)!
Pelda
Egy brokerirodaban m ugyfel kotvenyeit kezelik. Egy ugyfel θvaloszınuseggel ker eladast/vetelt az irodatol. A napi tranzakciokszama Bin(m, θ) eloszlast kovet.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
25/53
Parameter - pelda
Pelda
Egy joghurt zsırtartalmat ellenorzik. A laborban σ pontossaggal megtudjak merni a zsırtartalmat. A meres a pontos ertek korul a normaliseloszlas szerint ingadozik. Ha vesznek egy mintat, akkor a mintaeloszlasa N(θ, σ)!
Pelda
Egy brokerirodaban m ugyfel kotvenyeit kezelik. Egy ugyfel θvaloszınuseggel ker eladast/vetelt az irodatol. A napi tranzakciokszama Bin(m, θ) eloszlast kovet.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
26/53
Parameter
A θ parametert egy statisztikaval becsuljuk.
De mit ertunk azon, hogy egy parametert ”jol” becslunk?
1. Torzıtatlansag2. Aszimptotikus torzıtatlansag3. Konzisztencia4. Eros konzisztencia5. Hatasossag
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
26/53
Parameter
A θ parametert egy statisztikaval becsuljuk.De mit ertunk azon, hogy egy parametert ”jol” becslunk?
1. Torzıtatlansag2. Aszimptotikus torzıtatlansag3. Konzisztencia4. Eros konzisztencia5. Hatasossag
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
26/53
Parameter
A θ parametert egy statisztikaval becsuljuk.De mit ertunk azon, hogy egy parametert ”jol” becslunk?
1. Torzıtatlansag2. Aszimptotikus torzıtatlansag3. Konzisztencia4. Eros konzisztencia5. Hatasossag
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
27/53
A parameter becslese - torzıtatlansag 1.
Torzıtatlansag
A Tn statisztika a θ parameter torzıtatlan becslese, ha E (Tn) = θ.
A torzıtatlansag azt jelenti, hogy a becslo statisztika eppen abecsulendo parameterertek korul fogja felvenni az ertekeit.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
27/53
A parameter becslese - torzıtatlansag 1.
Torzıtatlansag
A Tn statisztika a θ parameter torzıtatlan becslese, ha E (Tn) = θ.
A torzıtatlansag azt jelenti, hogy a becslo statisztika eppen abecsulendo parameterertek korul fogja felvenni az ertekeit.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
28/53
A parameter becslese - torzıtatlansag 2.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
29/53
A parameter becslese - aszimptotikus torzıtatlansag
Torzıtatlansag
A Tn statisztika a θ parameter aszimptotikusan torzıtatlanbecslese, ha limn→∞ E (Tn) = θ.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
29/53
A parameter becslese - aszimptotikus torzıtatlansag
Torzıtatlansag
A Tn statisztika a θ parameter aszimptotikusan torzıtatlanbecslese, ha limn→∞ E (Tn) = θ.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
30/53
A parameter becslese - konzisztencia
Ha garancia van arra, hogy a minta elemszam novekedtevel novekszika becsles pontossaganak valoszınusege, konzisztens becslesrolbeszelunk.
Konzisztencia
A Tn statisztika a θ parameter konzisztens becslese, ha minden ε > 0teljesul, hogy
limn→∞
P(|Tn − θ|> ε) = 0.
A statisztika, mint valoszınusegi valtozo sztochasztikusan konvergal akonstans θ-hoz.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
30/53
A parameter becslese - konzisztencia
Ha garancia van arra, hogy a minta elemszam novekedtevel novekszika becsles pontossaganak valoszınusege, konzisztens becslesrolbeszelunk.
Konzisztencia
A Tn statisztika a θ parameter konzisztens becslese, ha minden ε > 0teljesul, hogy
limn→∞
P(|Tn − θ|> ε) = 0.
A statisztika, mint valoszınusegi valtozo sztochasztikusan konvergal akonstans θ-hoz.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
30/53
A parameter becslese - konzisztencia
Ha garancia van arra, hogy a minta elemszam novekedtevel novekszika becsles pontossaganak valoszınusege, konzisztens becslesrolbeszelunk.
Konzisztencia
A Tn statisztika a θ parameter konzisztens becslese, ha minden ε > 0teljesul, hogy
limn→∞
P(|Tn − θ|> ε) = 0.
A statisztika, mint valoszınusegi valtozo sztochasztikusan konvergal akonstans θ-hoz.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
31/53
A parameter becslese - eros konzisztencia
Eros konzisztencia
A Tn statisztika a θ parameter erosen konzisztens becslese, haETn = θ es limn→∞ σ2Tn = 0.
Erosen konzisztens becsles konzisztens, de visszafele nem feltetlenigaz.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
31/53
A parameter becslese - eros konzisztencia
Eros konzisztencia
A Tn statisztika a θ parameter erosen konzisztens becslese, haETn = θ es limn→∞ σ2Tn = 0.
Erosen konzisztens becsles konzisztens, de visszafele nem feltetlenigaz.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
32/53
A parameter becslese - (eros) konzisztencia
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
33/53
A parameter becslese - hatasossag
A θ parametert becslo ket torzıtatlan becsles kozul nyilvan a kisebbvarianciaju a jobb, hiszen kisebb mertekben ingadozik a parameterkorul.
Hatasossag
Azaz, a Vn statisztika hatasosabb Wn-nel, ha
1. EVn = EWn = θ
2. σ2Vn ≤ σ2Wn
Egy torzıtatlan becsles hatasos, ha a varianciaja minden mastorzıtatlan becslesnel nem nagyobb.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
33/53
A parameter becslese - hatasossag
A θ parametert becslo ket torzıtatlan becsles kozul nyilvan a kisebbvarianciaju a jobb, hiszen kisebb mertekben ingadozik a parameterkorul.
Hatasossag
Azaz, a Vn statisztika hatasosabb Wn-nel, ha
1. EVn = EWn = θ
2. σ2Vn ≤ σ2Wn
Egy torzıtatlan becsles hatasos, ha a varianciaja minden mastorzıtatlan becslesnel nem nagyobb.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
34/53
A parameter becslese - hatasossag
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
35/53
A parameter becslese - peldak 1.
Legyen a becsulendo parameter a varhato ertek, azaz
θ = EX .
Atlagstatisztika ( 1n
∑ni=1 Xi ) torzıtatlan becslese, hiszen
E (1
n
n∑i=1
Xi ) =1
n
n∑i=1
E (Xi ) =1
n
n∑i=1
θ = θ.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
35/53
A parameter becslese - peldak 1.
Legyen a becsulendo parameter a varhato ertek, azaz
θ = EX .
Atlagstatisztika ( 1n
∑ni=1 Xi ) torzıtatlan becslese, hiszen
E (1
n
n∑i=1
Xi ) =1
n
n∑i=1
E (Xi ) =1
n
n∑i=1
θ = θ.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
35/53
A parameter becslese - peldak 1.
Legyen a becsulendo parameter a varhato ertek, azaz
θ = EX .
Atlagstatisztika ( 1n
∑ni=1 Xi ) torzıtatlan becslese, hiszen
E (1
n
n∑i=1
Xi ) =1
n
n∑i=1
E (Xi ) =1
n
n∑i=1
θ = θ.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
36/53
A parameter becslese - peldak 2.
Ha meg azt is tudjuk, hogy σ2X <∞, akkor az atlagstatisztikaerosen konzisztens is, hiszen
σ2(1
n
n∑i=1
Xi ) =
∑ni=1 σ
2Xi
n2=σ2X
n→ 0
Linearis becslesnek hıvunk egy becslest, ha∑n
i=1 wiXi alaku, ahol∑ni=1 wi = 1.
Linearis becslesek kozott az atlagstatisztika a hatasos, azaz
σ2(1
n
n∑i=1
Xi ) ≤ σ2(n∑
i=1
wiXi )
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
36/53
A parameter becslese - peldak 2.
Ha meg azt is tudjuk, hogy σ2X <∞, akkor az atlagstatisztikaerosen konzisztens is, hiszen
σ2(1
n
n∑i=1
Xi ) =
∑ni=1 σ
2Xi
n2=σ2X
n→ 0
Linearis becslesnek hıvunk egy becslest, ha∑n
i=1 wiXi alaku, ahol∑ni=1 wi = 1.
Linearis becslesek kozott az atlagstatisztika a hatasos, azaz
σ2(1
n
n∑i=1
Xi ) ≤ σ2(n∑
i=1
wiXi )
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
36/53
A parameter becslese - peldak 2.
Ha meg azt is tudjuk, hogy σ2X <∞, akkor az atlagstatisztikaerosen konzisztens is, hiszen
σ2(1
n
n∑i=1
Xi ) =
∑ni=1 σ
2Xi
n2=σ2X
n→ 0
Linearis becslesnek hıvunk egy becslest, ha∑n
i=1 wiXi alaku, ahol∑ni=1 wi = 1.
Linearis becslesek kozott az atlagstatisztika a hatasos, azaz
σ2(1
n
n∑i=1
Xi ) ≤ σ2(n∑
i=1
wiXi )
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
37/53
A parameter becslese - peldak 3.
Legyen a becsulendo parameter X varianciaja!
Az empirikus szorasnegyzet sn = 1n
∑ni=1(Xi − X )2 aszimptotikusan
torzıtatlan, a korrigalt empirikus szorasnegyzet pedig torzıtatlanbecsles, hiszen
Es2n = E (
1
n
n∑i=1
(Xi − X )2) =1
n
n∑i=1
EX 2i − EX
2
=1
n
n∑i=1
(θ + m2)− (θ
n+ m2) =
n − 1
nθ.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
37/53
A parameter becslese - peldak 3.
Legyen a becsulendo parameter X varianciaja!
Az empirikus szorasnegyzet sn = 1n
∑ni=1(Xi − X )2 aszimptotikusan
torzıtatlan, a korrigalt empirikus szorasnegyzet pedig torzıtatlanbecsles, hiszen
Es2n = E (
1
n
n∑i=1
(Xi − X )2) =1
n
n∑i=1
EX 2i − EX
2
=1
n
n∑i=1
(θ + m2)− (θ
n+ m2) =
n − 1
nθ.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
38/53
A parameter becslese - peldak osszefoglalasa
• Az atlagstatisztika a minta varhato ertekenek –mint parameternek-torzıtatlan becslese. Ha a mintanak letezik szorasa, akkor ez abecsles erosen konzisztens is.
• A minta empirikus szorasnegyzete a minta varianciajanak –mintparameternek- aszimptotikusan torzıtatlan becslese. (Ha a mintanakletezik negyedik momentuma, akkor a becsles konzisztens is.)
• A minta korrigalt empirikus szorasnegyzet statisztika a mintavarianciajanak torzıtatlan becslese. (Ha a minta negyedikmomentuma letezik, akkor erosen konzisztens becslese.)
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
39/53
Maximum likelihood becsles matematikai alapok -alapgondolat
A modszer alapgondolatai a kovetkezok:
1. A mintank eloszlasfuggvenye a θ parametertol fugg.
2. Ha egy kıserletnel tobb esemeny is bekovetkezhet, legtobbszor alegnagyobb valoszınusegu esemenyt fogjuk megfigyelni.
3. A sokasagra vett mintavetelezes soran kaptunk egy realizaciot.Feltetelezzuk, hogy azert eppen ezt a realizaciot kaptuk, es nemmast, mert az osszes realizaciok kozul ennek volt a legnagyobb abekovetkezesi valoszınusege.
4. Vegyuk tehat, az osszes lehetseges θ parameter kozul azt,amelynel eppen kapott realizacio bekovetkezese a maximalis.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
39/53
Maximum likelihood becsles matematikai alapok -alapgondolat
A modszer alapgondolatai a kovetkezok:
1. A mintank eloszlasfuggvenye a θ parametertol fugg.
2. Ha egy kıserletnel tobb esemeny is bekovetkezhet, legtobbszor alegnagyobb valoszınusegu esemenyt fogjuk megfigyelni.
3. A sokasagra vett mintavetelezes soran kaptunk egy realizaciot.Feltetelezzuk, hogy azert eppen ezt a realizaciot kaptuk, es nemmast, mert az osszes realizaciok kozul ennek volt a legnagyobb abekovetkezesi valoszınusege.
4. Vegyuk tehat, az osszes lehetseges θ parameter kozul azt,amelynel eppen kapott realizacio bekovetkezese a maximalis.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
39/53
Maximum likelihood becsles matematikai alapok -alapgondolat
A modszer alapgondolatai a kovetkezok:
1. A mintank eloszlasfuggvenye a θ parametertol fugg.
2. Ha egy kıserletnel tobb esemeny is bekovetkezhet, legtobbszor alegnagyobb valoszınusegu esemenyt fogjuk megfigyelni.
3. A sokasagra vett mintavetelezes soran kaptunk egy realizaciot.Feltetelezzuk, hogy azert eppen ezt a realizaciot kaptuk, es nemmast, mert az osszes realizaciok kozul ennek volt a legnagyobb abekovetkezesi valoszınusege.
4. Vegyuk tehat, az osszes lehetseges θ parameter kozul azt,amelynel eppen kapott realizacio bekovetkezese a maximalis.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
40/53
ML matematikai alapok - diszkret eset.
Legyen adott P valoszınusegi mertekek egy tere es az X1, . . . ,Xn
diszkret eloszlasu statisztikai minta E ⊂ R ertekkeszlettel mindenPθ ∈ P-re.
Jelolje
L(θ, x) = Pθ(X1 = x1, . . . ,Xn = xn) = Πni=1Pθ(Xi = xi )
minta egyuttes eloszlasat. Az eloszlas maximum likelihoodbecslesen azt a τn(X1, . . . ,Xn) statisztikat ertjuk, amire igaz, hogy
L(x, τn(x)) = maxθ∈R+L(x, θ).
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
40/53
ML matematikai alapok - diszkret eset.
Legyen adott P valoszınusegi mertekek egy tere es az X1, . . . ,Xn
diszkret eloszlasu statisztikai minta E ⊂ R ertekkeszlettel mindenPθ ∈ P-re.Jelolje
L(θ, x) = Pθ(X1 = x1, . . . ,Xn = xn) = Πni=1Pθ(Xi = xi )
minta egyuttes eloszlasat. Az eloszlas maximum likelihoodbecslesen azt a τn(X1, . . . ,Xn) statisztikat ertjuk, amire igaz, hogy
L(x, τn(x)) = maxθ∈R+L(x, θ).
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
40/53
ML matematikai alapok - diszkret eset.
Legyen adott P valoszınusegi mertekek egy tere es az X1, . . . ,Xn
diszkret eloszlasu statisztikai minta E ⊂ R ertekkeszlettel mindenPθ ∈ P-re.Jelolje
L(θ, x) = Pθ(X1 = x1, . . . ,Xn = xn) = Πni=1Pθ(Xi = xi )
minta egyuttes eloszlasat. Az eloszlas maximum likelihoodbecslesen azt a τn(X1, . . . ,Xn) statisztikat ertjuk, amire igaz, hogy
L(x, τn(x)) = maxθ∈R+L(x, θ).
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
41/53
ML peldak 1. - Poisson eloszlas 1.
pθ,i =θi
i !e−θ i = 0, 1, 2, ...
A likelihood fuggveny (x = (x1, . . . , xn)):
L(x, θ) = Πni=1
θxi
xi !e−θ =
θ∑n
i=1 xi
Πni=1xi !
e−nθ
A loglikelihood fuggvenye:
l(x, θ) = ln θn∑
i=1
xi − nθ − ln(Πni=1xi ! )
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
41/53
ML peldak 1. - Poisson eloszlas 1.
pθ,i =θi
i !e−θ i = 0, 1, 2, ...
A likelihood fuggveny (x = (x1, . . . , xn)):
L(x, θ) = Πni=1
θxi
xi !e−θ =
θ∑n
i=1 xi
Πni=1xi !
e−nθ
A loglikelihood fuggvenye:
l(x, θ) = ln θn∑
i=1
xi − nθ − ln(Πni=1xi ! )
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
41/53
ML peldak 1. - Poisson eloszlas 1.
pθ,i =θi
i !e−θ i = 0, 1, 2, ...
A likelihood fuggveny (x = (x1, . . . , xn)):
L(x, θ) = Πni=1
θxi
xi !e−θ =
θ∑n
i=1 xi
Πni=1xi !
e−nθ
A loglikelihood fuggvenye:
l(x, θ) = ln θn∑
i=1
xi − nθ − ln(Πni=1xi ! )
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
42/53
ML peldak 1. - Poisson eloszlas 2.
A maximumhelyek megkeresese derivalassal:
dl(x, θ)
dθ=
1
θ
n∑i=1
xi − n = 0→ θ =1
n
n∑i=1
xi = X
Mivel
d2l(x, θ)
d2θ= − 1
θ2
n∑i=1
xi < 0,
ezert maximumhely.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
42/53
ML peldak 1. - Poisson eloszlas 2.
A maximumhelyek megkeresese derivalassal:
dl(x, θ)
dθ=
1
θ
n∑i=1
xi − n = 0→ θ =1
n
n∑i=1
xi = X
Mivel
d2l(x, θ)
d2θ= − 1
θ2
n∑i=1
xi < 0,
ezert maximumhely.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
43/53
ML - folytonos eset
Legyen adott P valoszınusegi mertekek egy tere es az X1, . . . ,Xn
statisztikai minta, amelyek eloszlasfuggvenye abszolut folytonosminden Pθ ∈ P-re. Jelolje
L(θ, x) = Πni=1fθ(xi )
minta egyuttes surusegfuggvenyet.
A θ parameter maximumlikelihood becslesen azt a τn(X1, . . . ,Xn) statisztikat ertjuk, amireigaz, hogy
L(x, τn(x)) = maxθ∈R+L(x, θ)
teljesul ∀x ∈ Rn.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
43/53
ML - folytonos eset
Legyen adott P valoszınusegi mertekek egy tere es az X1, . . . ,Xn
statisztikai minta, amelyek eloszlasfuggvenye abszolut folytonosminden Pθ ∈ P-re. Jelolje
L(θ, x) = Πni=1fθ(xi )
minta egyuttes surusegfuggvenyet.A θ parameter maximumlikelihood becslesen azt a τn(X1, . . . ,Xn) statisztikat ertjuk, amireigaz, hogy
L(x, τn(x)) = maxθ∈R+L(x, θ)
teljesul ∀x ∈ Rn.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
43/53
ML - folytonos eset
Legyen adott P valoszınusegi mertekek egy tere es az X1, . . . ,Xn
statisztikai minta, amelyek eloszlasfuggvenye abszolut folytonosminden Pθ ∈ P-re. Jelolje
L(θ, x) = Πni=1fθ(xi )
minta egyuttes surusegfuggvenyet.A θ parameter maximumlikelihood becslesen azt a τn(X1, . . . ,Xn) statisztikat ertjuk, amireigaz, hogy
L(x, τn(x)) = maxθ∈R+L(x, θ)
teljesul ∀x ∈ Rn.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
44/53
ML becsles - normalis eloszlas, ismert szoras eseten
Surusegfuggvenye:
fθ(x) =1√
2πσ0
e− 1
2σ20
(x−θ)2
Maximum likelihood fuggvenye:
L(x, θ) = (1√
2πσ0
)ne− 1
2σ20
∑ni=1(xi−θ)2
Loglikelihood fuggvenye:
l(x, θ) = n ln(1√
2πσ0
)− 1
2σ20
n∑i=1
(xi − θ)2
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
44/53
ML becsles - normalis eloszlas, ismert szoras eseten
Surusegfuggvenye:
fθ(x) =1√
2πσ0
e− 1
2σ20
(x−θ)2
Maximum likelihood fuggvenye:
L(x, θ) = (1√
2πσ0
)ne− 1
2σ20
∑ni=1(xi−θ)2
Loglikelihood fuggvenye:
l(x, θ) = n ln(1√
2πσ0
)− 1
2σ20
n∑i=1
(xi − θ)2
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
44/53
ML becsles - normalis eloszlas, ismert szoras eseten
Surusegfuggvenye:
fθ(x) =1√
2πσ0
e− 1
2σ20
(x−θ)2
Maximum likelihood fuggvenye:
L(x, θ) = (1√
2πσ0
)ne− 1
2σ20
∑ni=1(xi−θ)2
Loglikelihood fuggvenye:
l(x, θ) = n ln(1√
2πσ0
)− 1
2σ20
n∑i=1
(xi − θ)2
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
45/53
ML becsles - normalis eloszlas, ismert szoras eseten
dl(x, θ)
dθ=
1
σ20
n∑i=1
(xi − θ) = 0→ θ = X
Mivel
d2l(x, θ)
d2θ= − n
σ20
< 0,
ezert maximumhely.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
45/53
ML becsles - normalis eloszlas, ismert szoras eseten
dl(x, θ)
dθ=
1
σ20
n∑i=1
(xi − θ) = 0→ θ = X
Mivel
d2l(x, θ)
d2θ= − n
σ20
< 0,
ezert maximumhely.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
46/53
Momentumok modszere 1.
Tegyuk fel, hogy az eloszlasuk k darab parametertol (θ1, . . . , θk) fugges legyen
mj = EX j
Tegyuk fel, hogy letezik gj(m1, . . . ,mk) = θj
Ekkor tekintsuk az
mj =1
n
n∑i=1
X ji
empirikus momentum statisztikakat. Ekkor a
θj = gj(m1, . . . ,mk)
a parameterek momentumos becslesei.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
46/53
Momentumok modszere 1.
Tegyuk fel, hogy az eloszlasuk k darab parametertol (θ1, . . . , θk) fugges legyen
mj = EX j
Tegyuk fel, hogy letezik gj(m1, . . . ,mk) = θj
Ekkor tekintsuk az
mj =1
n
n∑i=1
X ji
empirikus momentum statisztikakat. Ekkor a
θj = gj(m1, . . . ,mk)
a parameterek momentumos becslesei.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
46/53
Momentumok modszere 1.
Tegyuk fel, hogy az eloszlasuk k darab parametertol (θ1, . . . , θk) fugges legyen
mj = EX j
Tegyuk fel, hogy letezik gj(m1, . . . ,mk) = θj
Ekkor tekintsuk az
mj =1
n
n∑i=1
X ji
empirikus momentum statisztikakat. Ekkor a
θj = gj(m1, . . . ,mk)
a parameterek momentumos becslesei.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
47/53
Momentumok modszere 2. - normalis eloszlasbecslese
m = g1(m1,m2) = m1, σ2 = g2(m1,m2) = m2 −m2
1
m1 =1
n
n∑i=1
Xi es m2 =1
n
n∑i=1
X 2i
σ2 = g2(m1,m2) =1
n
n∑i=1
X 2i − (
1
n
n∑i=1
Xi )2 = s2
n
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
47/53
Momentumok modszere 2. - normalis eloszlasbecslese
m = g1(m1,m2) = m1, σ2 = g2(m1,m2) = m2 −m2
1
m1 =1
n
n∑i=1
Xi es m2 =1
n
n∑i=1
X 2i
σ2 = g2(m1,m2) =1
n
n∑i=1
X 2i − (
1
n
n∑i=1
Xi )2 = s2
n
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
47/53
Momentumok modszere 2. - normalis eloszlasbecslese
m = g1(m1,m2) = m1, σ2 = g2(m1,m2) = m2 −m2
1
m1 =1
n
n∑i=1
Xi es m2 =1
n
n∑i=1
X 2i
σ2 = g2(m1,m2) =1
n
n∑i=1
X 2i − (
1
n
n∑i=1
Xi )2 = s2
n
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
48/53
Intervallumbecslesek 1.
A korabbi szakaszokban az ismeretlen parametervektort a minta egyfuggvenyevel, azaz egyetlen statisztikaval probaltuk meg kozelıteni.Konkret realizacional tehat, a parameterter egy pontjat egy masikponttal becsuljuk. Ezert beszelunk pontbecslesrol.
De tudjuk azt is, hogy folytonos eloszlasoknal, annak valoszınusege,hogy a valoszınusegi valtozo az ertekkeszletenek eppen egytetszolegesen kivalasztott pontjat fogja felvenni, nulla. Tehatfolytonos esetben nulla annak valoszınusege, hogy eppen aparametert talaltuk el a becslessel. Az intervallumbecsleseknel amintabol keszıtett tartomanyokat definialunk, amely tartomanyoknagy valoszınuseggel lefedik a kerdeses parameterpontot
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
48/53
Intervallumbecslesek 1.
A korabbi szakaszokban az ismeretlen parametervektort a minta egyfuggvenyevel, azaz egyetlen statisztikaval probaltuk meg kozelıteni.Konkret realizacional tehat, a parameterter egy pontjat egy masikponttal becsuljuk. Ezert beszelunk pontbecslesrol.De tudjuk azt is, hogy folytonos eloszlasoknal, annak valoszınusege,hogy a valoszınusegi valtozo az ertekkeszletenek eppen egytetszolegesen kivalasztott pontjat fogja felvenni, nulla. Tehatfolytonos esetben nulla annak valoszınusege, hogy eppen aparametert talaltuk el a becslessel. Az intervallumbecsleseknel amintabol keszıtett tartomanyokat definialunk, amely tartomanyoknagy valoszınuseggel lefedik a kerdeses parameterpontot
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
49/53
Intervallumbecslesek 1.
(a) Pontbecsles (b) Intervallumbecsles
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
50/53
Intervallumbecslesek 1.
Legyen adott P valoszınusegi mertekek egy tere es az X1, . . . ,Xn
statisztikai minta es ε rogzıtett. Azt mondjuk, hogy a θ parameterbecslesehez megadtunk egy 1− ε szignifikanciaszintukonfidenciaintervallumot,
ha t1(X1, . . . ,Xn) es t2(X1, . . . ,Xn) olyanstatisztikak, hogy minden Pθ ∈ P-re fennall, hogy
P(t1(X1, . . . ,Xn) ≤ θ ≤ t2(X1, . . . ,Xn)) ≥ 1− ε
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
50/53
Intervallumbecslesek 1.
Legyen adott P valoszınusegi mertekek egy tere es az X1, . . . ,Xn
statisztikai minta es ε rogzıtett. Azt mondjuk, hogy a θ parameterbecslesehez megadtunk egy 1− ε szignifikanciaszintukonfidenciaintervallumot,ha t1(X1, . . . ,Xn) es t2(X1, . . . ,Xn) olyanstatisztikak, hogy minden Pθ ∈ P-re fennall, hogy
P(t1(X1, . . . ,Xn) ≤ θ ≤ t2(X1, . . . ,Xn)) ≥ 1− ε
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
51/53
Intervallumbecslesek - normalis eloszlas varhatoertekre, ismert szoras eseten
fθ(x) =1√
2πσ0
e− 1
2σ20
(x−θ)2
Tudjuk, hogy u = X n−θσ0
√n ∈ N(0, 1), tehat a surusegfuggvenye
φ(t) =1√2π
e−x2
2
Legyen uε olyan, hogy ∫ uε
−uεφ(t) ≥ 1− ε
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
51/53
Intervallumbecslesek - normalis eloszlas varhatoertekre, ismert szoras eseten
fθ(x) =1√
2πσ0
e− 1
2σ20
(x−θ)2
Tudjuk, hogy u = X n−θσ0
√n ∈ N(0, 1), tehat a surusegfuggvenye
φ(t) =1√2π
e−x2
2
Legyen uε olyan, hogy ∫ uε
−uεφ(t) ≥ 1− ε
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
51/53
Intervallumbecslesek - normalis eloszlas varhatoertekre, ismert szoras eseten
fθ(x) =1√
2πσ0
e− 1
2σ20
(x−θ)2
Tudjuk, hogy u = X n−θσ0
√n ∈ N(0, 1), tehat a surusegfuggvenye
φ(t) =1√2π
e−x2
2
Legyen uε olyan, hogy ∫ uε
−uεφ(t) ≥ 1− ε
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
52/53
Intervallumbecslesek - normalis eloszlas varhatoertekre, ismert szoras eseten
Atrendezve kapjuk, hogy
P(X − uεσ0√n≤ m ≤ X +
uεσ0√n
) ≥ 1− ε
TehatT1 = X − uεσ0√
nes
T2 = Xn +uεσ0√
n.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
52/53
Intervallumbecslesek - normalis eloszlas varhatoertekre, ismert szoras eseten
Atrendezve kapjuk, hogy
P(X − uεσ0√n≤ m ≤ X +
uεσ0√n
) ≥ 1− ε
TehatT1 = X − uεσ0√
nes
T2 = Xn +uεσ0√
n.
Statisztikaialapfogalmak,becsleselmelet
Bevezeto afelevrol
Statisztikaialapfogalmak
Statisztikak
Alapstatisztikak
Rendezett mintastatisztikai
Parameter
Becslesek
Peldak
Maximum likelihoodbecsles
Momentumokmodszere
Intervallumbecslesek
53/53
Folyt. kov.