statistik lektion 5
DESCRIPTION
Statistik Lektion 5. Flere stikprøvefordelinger Estimatore og estimater Konfidensintervaller. Stikprøvefordeling. Antag at vi vil udtale os om en populationsparameter (fx middelværdien m ) på baggrund af en stikprøve statistik (fx. stikprøve-gennemsnittet ). - PowerPoint PPT PresentationTRANSCRIPT
StatistikLektion 5
Flere stikprøvefordelinger
Estimatore og estimater
Konfidensintervaller
Stikprøvefordeling
Antag at vi vil udtale os om en populationsparameter (fx middelværdien på baggrund af en stikprøve statistik (fx. stikprøve-gennemsnittet ).
Vores konklusion skal tage i betragtning, at værdien af ændrer sig for hver ny tilfældig stikprøve
Den tilfældig variation af stikprøve-statistikken (her gennemsnittet) betegnes stikprøve-fordelingen (af stikprøve-gennemsnittet)
x
x
Stikprøve-gennemsnittets stikprøve-fordeling: Forventede værdi Lad de stokastiske variable X1, X2,…,Xn være en tilfældig
stikprøve fra en population m. middelværdi og varians 2.
Stikprøve-gennemsnittet af disse SV er
Den forventede værdi og varians for stikprøve-gennemsnittet er
n
iiX
nX
1
1
XE n
XV2
og
Hvis stikprøve er lille i forhold til population
Den Centrale Grænseværdi Sætning (CLT) Lad X1, X2,…, Xn, er være n uafhængige stokastiske
variable fra samme fordeling med middelværdi og varians 2. Da gælder, at når stikprøvestørrelsen n øges, så vil fordelingen af
nærme sig mere og mere en standard normal-fordeling.
Tommelfinger-regel: n ≥ 30 er nok til en god tilnærmelse.
n
nX
n
XZ
(Central limit theorem)
Populations og stikprøve andele Populations-andelen er andelen af ”succeser” i
populationen:
Stikprøve-andelen i en tilfældig stikprøve er andelen af succeser i stikprøven:
N
Xp
n
XP ˆ
Stikprøve-fordelingen af Andele Hvis stikprøven er lille i forhold til populationen kan vi
antage at antallet er succeser er binomialt med sandsynlighedsparameter p og antals parameter n:
Eksempel: n = 10 og p = 0.40
Da X ~ B(10,0.4) kan vi slå op i Tabel 3 side 848 for den kumulerede binomialfordeling:
),(~ pnBX
55.05.0ˆ
XP
n
XPPP
834.05 XP
Stikprøve-andel: Middelværdi og Varians Vi ved om binomial-fordelingen
Heraf følger, at middelværdien er
og variansen er
)1(][][ pnpXVnpXE og
pnpn
XEnn
XEPE
P
11ˆˆ
n
pppnp
nXV
nn
XVPV
P
)1()1(
11ˆ2
22ˆ
Stikprøve-fordelingen af Andele Genkald, at hvis X = X1+…+Xn , hvor Xi’erne er uafhængige
Bernoulli forsøg, hvor sandsynligheden for succes er
P(Xi = 1) = p, så gælder X ~ B(n,p).
Derfor E[Xi] = p og V[Xi] = p(1p). Ifølge CLT har vi (approksimativt):
Approksimationen er god, hvis np(1 p) er større end 9.
n
pppN
n
XP
1,~ˆ
Stikprøve-fordelingen af Andele
Eksempel: 43% af alle cand.oecon. studerende mener at et kursus i forretnings-etik er vigtig.
Vi udvælger 80 tilfældige cand.oecon studrende. Hvad er sandsynligheden for at mere end 50% mener det samme?
Vi har
Standardafvigelsen for stikprøve-andelen:
Normalfordelings-approksimationen giver
608,19)1(8043.0 pnpnp
055,080)43.01(43.0)1(ˆ nppP
1020.0)27.1(5,0ˆ
)5.0ˆ(ˆˆ
ZP
ppPPPP
PP
2-fordelingen [ki-i-anden]
En 2 fordelt stokastisk variabel kan ikke være negativ, så den er begrænset af 0 til venstre.
Fordelingen er højreskæv. En 2 fordeling er specificeret
ved antallet af frihedsgrader. Notation: En stokastisk
variabel Y, der følger en 2
fordeling med frihedsgrader angives som
100500
0.10
0.09
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0.00
2
f(2
)
Chi-Square D istribution: d f=10 , df=30, df=50
df = 10
df = 30
df = 50
2-fordelingen nærmer sig en normal-fordelingen, når antallet af frihedsgrader vokser.
2~ Y
Mere om2 fordelingen
Hvis Y er -fordelt med frihedsgrader:
Lad X1, X2,…, Xn være uafhængige, standard normalfordelte stokastiske variable. Definer
Da gælder
222
21
2nXXXX
2][][ YVYE og
22 ~ nX
[ny]
Stikprøvevariansen og dens fordeling Stikprøve-variansen for en tilfældig stikprøve er
Generelt gælder
Hvis populationen er normalfordelt gælder
1
1
2
2
n
XXS
n
i i
212
22 ~
)1(
n
Sn
)1(2][][ 4222 nSVSE og
• En estimatorestimator af en populations parameter er en stikprøve statistik, der bruges til at estimere populations parameteren.
• Et estimatestimat a af en parameter er en bestemt numerisk værdi af en stikprøve statistik.
• Et punkt-estimatpunkt-estimat er en enkelt værdi, der bruges som et estimat for en populations parameter.
• Et interval-estimat interval-estimat er et interval, der bruges som et estimat for en populations parameter.
En populations parameterpopulations parameter er et numerisk mål for en opsummerende karakteristik af populationen.
Estimator og estimat En stikprøve statistik stikprøve statistik er et
numerisk mål for en opsummerende karakteristik af stikprøven.
fx x fx
Eksempel: er en estimator for . er et (punkt) estimat af .
X
x
Estimatore: Egenskaber
Lad være en generel populations-parameter, fx Lad være en estimator for , fx.
Vi vil se på tre ønskelige egenskaber for estimatore Central Konsistent Effektiv
X
Central og ikke-central estimator Definiton: Hvis en estimator opfylder er den
central (unbiased).
Definiton:
]ˆ[E
BiasEn central estimator rammer i gennemsnit plet. En ikke-central (biased) estimator
rammer i gennemsnit ikke plet.
]([ˆ EBias
Effektiv Estimator Definiton: Antag at og er to centrale estimatore. Hvis
Var( ) < Var( ), så siger vi at er en mere effektiv estimator end .
1
En effektiv estimator er i gennemsnit tættere på at ramme plet.
En in effektiv estimator er i gennemsnit længere fra at ramme plet.
21 2 1
2
Konsistent En estimator er konsistent hvis sandsynligheden for at
ligge tæt på den parameter, den estimerer, stiger, når størrelsen på stikprøven stiger.
n = 100n = 10
Konfidensintervaller
Konfidensintervaller generelt
Konfidensintervaller for middelværdi
Konfidens-intervaller
Et punkt-estimatpunkt-estimat estimerer værdien af en ukendt populations parameter ved en enkelt værdi. Fx: Middelhøjden blandt oecon studernde .
Et konfidens intervalkonfidens interval er et interval, der estimerer værdien af en ukendt populations parameter. Kaldes også et interval estimatinterval estimat. Sammen med intervallet gives et mål for, hvor sikker man er på, at den sande populations parameter ligger i intervallet. Dette mål kaldes for konfidens niveauetkonfidens niveauet.
Et punkt estimat indeholder ikke meget information om den faktiske værdi af μ – fx hvor sikkert er vores punkt estimat?
Et interval estimat indeholder flere informationer, for eksempel: Vi er 95% sikre på, at intervallet [164,8 ; 180,7] indeholde den sande
middelværdi μ. Eller vi er 90% sikre på, at intervallet [166,1 ; 179,3] indeholder den
sande middelværdi μ.
73,172x
Konfidensinterval for middelværdien - når X er normal-fordelt eller stikprøven er stor Da gælder følgende:
En 95% konfidensinterval for middelværdikonfidensinterval for middelværdi
95.096.196.1
95.096.196.1
nX
nXP
nX
nP
95.096.196.1
95.096.196.1
nX
nXP
nX
nP
),(~2
nNX
nx
96.1
nx
96.1 Bemærk at estimatoren er
er ersattet med estimatet .xX
Mellemregninger….
95.096,196.1
95.096,196.1
95.096,196.1
95.096,1/
96.1
)(
)1,0(95.0)96,196.1(2
nX
nXP
nX
nP
nX
nP
n
XP
n
σμ,~NX
Z ~NZP
:at gælder Da
hvor ,
0,0250,025
0,95
Approksimativt 95% af stikprøve middelværdierne kan forventes at falde indenfor intervallet
Omvendt, cirka 2.5% kan forventes at være under og 2.5% kan forventes at være over . Så 5% kan forventes at være udenfor intervallet. .
Konfidens-interval for middelværdi
196 196. , .n n
196.n
196.n
0.4
0.3
0.2
0.1
0.0x
f(x)
Sampling Distribution of the Mean
x
x
x
x
x
x
x
x
2.5%
95%
2.5%
196.
n 196.
n
x
2.5% falder over intervallet
2.5% falder nedenfor intervallet
95% falder indenfor intervallet
Approksimativt 95% af intervallerne omring stikprøve middelværdien kan forventes at indeholde den faktiske værdi af populations middelværdien, .
*5% af sådanne intervaller omkring stikprøve middelværdien kan forventes ikkeikke at inkludere den faktiske værdi af populations middelværdien.
x xx
nx 96.1
0.4
0.3
0.2
0.1
0.0x
f(x)
Sampling Distribution of the Mean
x
x
x
x
x
x
x
x
2.5%
95%
2.5%
196.
n 196.
n
x
xx*
*
Konfidens-interval for middelværdi
Et (1-)100% konfidens-interval for Vi definerer som den z-værdi, hvor sandsynligheden for at Z er
højere end denne værdi, er . Kaldes også fraktilen eller den
kritiske værdi.
(1-α)100% kaldes konfidens-niveauet.
2
z2
P Z z
P Z z
P z Z z
2
2
2 2
1( )
100% konfidens interval:543210-1-2-3-4-5
0.4
0.3
0.2
0.1
0.0
Z
f(z)
Stand ard Norm al
( )1
2
2
fordeling
2
nzx
2
2
z2
z
0.99 0.005 2.576
0.98 0.010 2.326
0.95 0.025 1.960
0.90 0.050 1.645
0.80 0.100 1.282
( )1 2
z2
Kritiske værdier for z og konfidens-niveauer
543210-1-2-3-4-5
0.4
0.3
0.2
0.1
0.0
Z
f(z)
Stand ard Norm al Distrib ution
z2
( )1
z2
2
2
Bemærk: 21)(2
zF
Eksempel Spørgsmål: Antag Find z/2
Løsning: og Vi ved Fz/2
Dvs.z/2
Når man tager stikprøver fra den samme population og bruger den samme
stikprøve størrelse, så jo højere et konfidens-niveau, jo bredere et
konfidens-interval.
543210-1-2-3-4-5
0.4
0.3
0.2
0.1
0.0
Z
f(z)
Stand ard Nor m al Dis tri buti on
nx
28.1
: for interval konfidens 80%
543210-1-2-3-4-5
0.4
0.3
0.2
0.1
0.0
Zf(
z)
Stand ard Nor m al Distri buti on
nx
96.1
: for interval konfidens 95%
Konfidens niveau og bredden af konfidens-intervallet
Stikprøvestørrelsen og bredden af konfidens-intervallet
Når man tager stikprøver fra den samme population og bruger det
samme konfidens niveau, så jo større stikprøvestørrelse, n, jo
smallere et konfidens interval.
Når man tager stikprøver fra den samme population og bruger det
samme konfidens niveau, så jo større stikprøvestørrelse, n, jo
smallere et konfidens interval.
0 .9
0 .8
0 .7
0 .6
0 .5
0 .4
0 .3
0 .2
0 .1
0 .0
x
f(x)
S am p ling D is trib utio n o f the M e an
95% konfidensinterval: n = 40
0 .4
0 .3
0 .2
0 .1
0 .0
x
f(x)
S am p ling D is trib utio n o f the M e an
95% konfidensinterval: n = 20
Eksempel på tavlen
Student’s t fordeling Antag populationen er normalfordelt med middelværdi
og varians 2. Gammel viden: Hvis vi kender variansen 2, så kan vi
bruge:
Ny viden: Hvis vi ikke kender variansen 2, så kan vi erstatte 2 med stikprøve-variansen s2:
”følger en t-fordeling med n-1 frihedsgrader”.
1,0~ Nn
X
1~
ntns
X
Student’s t fordeling t fordelingen er klokkeformet
og symmetrisk og defineret ved antal frihedsgrader (df).
Middelværdien er altid lig 0. Variansen af t er større end 1,
men går mod 1, når antallet af frihedsgrader vokser.
Standard normal
t, df=20
t, df=10
t fordelingen er fladere og har ”tykkere haler” en standard normal fordelingen.
t fordelingen går mod standard normal fordelingen nå antallet af frihedsgrader vokser.
Et (1-)100% konfidens interval for når er ukendt (og man antager en normalfordelt population):
hvor er værdien i t fordelingen med n-1
frihedsgraders, hvor sandsynligheden for at t er
højere end denne værdi, er
Et (1-)100% konfidens interval for når er ukendt (og man antager en normalfordelt population):
hvor er værdien i t fordelingen med n-1
frihedsgraders, hvor sandsynligheden for at t er
højere end denne værdi, er
t2
2
Konfidens interval for når er ukendt - t fordelingen
n
stx
2
df t0.100 t0.050 t0.025 t0.010 t0.005
--- ----- ----- ------ ------ ------ 1 3.078 6.314 12.706 31.821 63.657 2 1.886 2.920 4.303 6.965 9.925 3 1.638 2.353 3.182 4.541 5.841 4 1.533 2.132 2.776 3.747 4.604 5 1.476 2.015 2.571 3.365 4.032 6 1.440 1.943 2.447 3.143 3.707 7 1.415 1.895 2.365 2.998 3.499 8 1.397 1.860 2.306 2.896 3.355 9 1.383 1.833 2.262 2.821 3.250 10 1.372 1.812 2.228 2.764 3.169 11 1.363 1.796 2.201 2.718 3.106 12 1.356 1.782 2.179 2.681 3.055 13 1.350 1.771 2.160 2.650 3.012 14 1.345 1.761 2.145 2.624 2.977 15 1.341 1.753 2.131 2.602 2.947 16 1.337 1.746 2.120 2.583 2.921 17 1.333 1.740 2.110 2.567 2.898 18 1.330 1.734 2.101 2.552 2.878 19 1.328 1.729 2.093 2.539 2.861 20 1.325 1.725 2.086 2.528 2.845 21 1.323 1.721 2.080 2.518 2.831 22 1.321 1.717 2.074 2.508 2.819 23 1.319 1.714 2.069 2.500 2.807 24 1.318 1.711 2.064 2.492 2.797 25 1.316 1.708 2.060 2.485 2.787 26 1.315 1.706 2.056 2.479 2.779 27 1.314 1.703 2.052 2.473 2.771 28 1.313 1.701 2.048 2.467 2.763 29 1.311 1.699 2.045 2.462 2.756 30 1.310 1.697 2.042 2.457 2.750 40 1.303 1.684 2.021 2.423 2.704 60 1.296 1.671 2.000 2.390 2.660120 1.289 1.658 1.980 2.358 2.617
1.282 1.645 1.960 2.326 2.576
For store frihedsgrader kan t fordelingen approksimeres ved en standard normal fordeling.
Tabel for t-fordelingen
t
En aktie analytiker vil estimere den gennemsnitlige gevinst på en bestemt aktie. En stikprøve på 15 dage giver en gennemsnitlig gevinst på og en standard afvigelse på s = 3.5%. Antag en normal population og giv et 95% konfidens interval for den gennemsnitlige gevinst på denne aktie.
En aktie analytiker vil estimere den gennemsnitlige gevinst på en bestemt aktie. En stikprøve på 15 dage giver en gennemsnitlig gevinst på og en standard afvigelse på s = 3.5%. Antag en normal population og giv et 95% konfidens interval for den gennemsnitlige gevinst på denne aktie.
Den kritiske værdi af t for df = (n -1) = (15 -1) = 14 og et højre halet areal på α/2 = 0.025 er:
Konfidens intervallet er:
t0 025 2.145.
x tsn
0 025
10 37 2.1453515
10 37 1948 4312.31
.
..
. .. ,
Eksempel
%37.10x
df t0.100 t0.050 t0.025 t0.010 t0.005
--- ----- ----- ------ ------ ------ 1 3.078 6.314 12.706 31.821 63.657 . . . . . . . . . . . . . . . . . . 13 1.350 1.771 2.160 2.650 3.012 14 1.345 1.761 2.145 2.624 2.977 15 1.341 1.753 2.131 2.602 2.947 . . . . . . . . . . . . . . . . . .
R Commander Man kan slå t op i R Commander:
Distributions → Continuous distributions → t distribution → t quantiles
Indsæt værdien af /2 i ‘Probabilities’ Indsæt antal frihedsgrader i ’Degrees of freedom’ Vælg ’Upper tail’
Resultat:
Konfidensintervaller for Middelværdien i R Commander R Commander har kun en indbygget funktion til at beregne
konfidensintervallet for under antagelse af ukendt varians: Statistics → Means → Single-sample t-test… Derefter skal i vælge den variabel I vil finde konfidens-interval for
samt på hvilket konfidens-niveau. Eksempel: 95% konfidens interval for højde i Sundby95: