]> A normális minták speciális tulajdonságai
  1. Virtuális laboratóriumok
  2. 5. Véletlen minták
  3. 1
  4. 2
  5. 3
  6. 4
  7. 5
  8. 6
  9. 7

5. A normális minták speciális tulajdonságai

Tételezzük fel, hogy X X 1 X 2 X n egy μ várható értékű és σ standard szórású normális eloszlásból vett véletlen minta. Ebben a részben a minta átlag, a minta szórásnégyzet, és néhány egyéb fontos statisztika speciális tulajdonságait mutatjuk meg. Mivel a minta (és főleg az n mintaméret) fix, ezért a formulákban nem jelöljük.

A minta átlag

Először is emlékeztetünk arra, hogy a minta átlaga

M 1 n i 1 n X i

M eloszlása könnyen következik a független normális változók alaptulajdonságaiból:

Mutassuk meg, hogy M μ várható értékű és σ 2 n szórásnégyzetű normális eloszlású.

M standardizáltja a következő. Ez a statisztika ebben a részben több levezetésben is meg fog jelemnni.

Z M μ σ n

Mutassuk meg, hogy Z standard normális eloszlású.

A minta szórásnégyzete

Speciális minta szórásnégyzetek eloszlása

Emlékeztetünk arra, hogy ha μ ismert, akkor a σ 2 szórásnégyzet egy természetes becslése az alábbi statisztika:

W 2 1 n i 1 n X i μ 2

Bár az a feltevés, hogy μ ismert, rendszerint mesterséges, a W 2 statisztikát könnyű elemezni és az alábbi levezetésekben fogjuk használni.

Mutassuk meg, hogy n σ 2 W 2 khi-négyzet eloszlású n szabadságfokkal.

Használjuk fel az előbbi gyakorlat eredményét annak megmutatására, hogy

  1. W 2 σ 2
  2. W 2 2 σ 4 n

Természetesen, ezek az eredmények "Minta szórásnégyzete" részben kapott általános eredmények speciális esetei.

A mintaátlag és a szórásnégyzet függetlensége

Emlékeztetünk arra, hogy a minta szórásnégyzet statisztikája

S 2 1 n 1 i 1 n X i M 2

Az S 2 minta szórásnégyzet σ 2 szokásos becslése, amikor μ ismeretlen. A következő gyakorlatok megmutatják, hogy az M mintaátlag és az S 2 mintaszórásnégyzet függetlenek, ami egy nagyon fontos és hasznos tulajdonság. Először meg fogjuk magyarázni azt az egyszerű, de érdekes tényt, ami nem csak normális, hanem tetszőleges eloszlásból vett véletlen mintára érvényes.

Felhasználva a kovariancia tulajdonságait mtassuk meg, hogy M és X i M korrelálatlanok minden i 1 2 n -re!

Analízisünk az M mintaátlagon és a mintaátlagtól való eltérés vektoron alapul. Legyen

Y X 1 M X 2 M X n 1 M

Mutassuk meg, hogy S 2 felírható Y függvényeként felhasználva, hogy

i 1 n X i M 0

Mutassuk meg, hogy M és az Y vektor együttes eloszlásfüggvénye többváltozós normális eloszlás.

Felhasználva az előző gyakorlat eredményét mutassuk meg, hogy M és Y függetlenek.

Végül mutassuk meg, hogy M és S 2 függetlenek.

A minta szórásnégyzetének eloszlása

Meg tudjuk határozni az S 2 mintaszórásnégyzet egyszerű többszörösének eloszlását. Legyen

V n 1 σ 2 S 2

Mutassuk meg, hogy n σ 2 W 2 V Z 2 ahol szokás szerint Z az M mintaátlagú standardizált változó és ahol W 2 a minta szórásnégyzetének egy speciális változata. Útmutatás: A bal oldali összeghez adjunk hozzá és vonjunk ki belőle M -et és alakítsuk át a kifejezést.

Mutassuk meg, hogy V khi-négyzet eloszlású n 1 szabadságfokkal. Útmutatás: Használjuk fel az előző gyakorlat eredményét, a függetlenséget és a momentum generáló függvényeket.

Az előző gyakorlat eredményét felhasználva mutassuk meg, hogy

  1. S 2 σ 2
  2. S 2 2 σ 4 n 1

Természetesen, ezek az eredmények a "Minta szórásnégyzete" részben kapott általános eredmények speciális esetei.

Az alap véletlen változó kísérletben, válasszunk khi-négyzet eloszlást. Változtassuk a szabadságfokot és figyeljük meg a valószínűségi sűrűségfüggvény elhelyezkedését és alakját, valamint az átlag és a standard szórás grafikonját. A paraméter kiválasztott értékeire végezzük el a kísérletet 1000-szer, 10-esével frissítve és látjuk az empirikus sűrűségfüggvény és momentumok konvergenciáját a valódi sűrűségfüggvényhez és momentumokhoz.

A T statisztika

A következő gyakorlatokban le fogjuk vezetni

T M μ S n

eloszlását. Jegyezzük meg, hogy T hasonló a Z standardizált változóhoz, de a minta standard szórása S , helyettesítve az eloszlás σ standard szórását. A T statisztika kritikus szerepet játszik μ intervallum becslésében és a μ -re vonatkozó hipotézis vizsgálatokban.

Szokás szerint, jelöljön Z egy M mintaátlagú standardizált változót és V egy S 2 mintaszórásnégyzetű khi-négyzet statisztikát. Mutassuk meg, hogy

T Z V n 1 .

Felhasználva az előző eredményeket, mutassuk meg, hogy T Student ( t ) eloszlású n 1 szabadságfokkal.

Az alap véletlen változó kísérletben válasszunk t eloszlást. Változtassuk a szabadságfokot és figyeljük meg a valószínűségi sűrűségfüggvény fekvését és alakját, valamint az átlag és a standard szórás grafikonját. A paraméter kiválasztott értékeire végezzük el a kísérletet 1000-szer, 10-esével frissítve és látjuk az empirikus sűrűségfüggvény és momentumok konvergenciáját a valódi sűrűségfüggvényhez és momentumokhoz.

Az F statisztika

Az utolsó statisztika, amit tanulmányozni fogunk, két-mintás normális modellben merül fel. Így, tételezzük fel, hogy X X 1 X 2 X m egy m méretű, μ várható értékű és σ szórású normális eloszlásból vett minta, Y Y 1 Y 2 Y n egy n méretű, ν várható értékű és τ szórású normális eloszlásból vett minta. Végül tételezzük fel, hogy X és Y függetlenek. A következő gyakorlatokban használni fogjuk a fent megadott alapjelölést, de jelezni fogjuk a mintafüggetlenséget.

Mutassuk meg, hogy az alább megadott F eloszlásban m a számláló szabadságfoka és n a nevező szabadságfoka:

F W 2 X σ 2 W 2 Y τ 2

Mutassuk meg, hogy az alább megadott F eloszlásban m 1 a számláló szabadságfoka és n 1 a nevező szabadságfoka:

F S 2 X σ 2 S 2 Y τ 2

Ezek a változók hasznosak a σ 2 τ 2 szórásnégyzet-hányados becsléseihez és tesztjeihez. A változók választása függ attól, hogy vajon a μ és τ várható értékek ismertek-e vagy sem. Rendszerint a várható értékek ismeretlenek és így a 18. Gyakorlat statisztikáját használjuk.

A alap véletlen változó kísérletben válasszuk az F eloszlást. Változtassuk a szabadságfokot és figyeljük meg a valószínűségi sűrűségfüggvény fekvését és alakját, valamint az átlag és a standard szórás grafikonját. A paraméter kiválasztott értékeire végezzük el a kísérletet 1000-szer, 10-esével frissítve és látjuk az empirikus sűrűségfüggvény és momentumok konvergenciáját a valódi sűrűségfüggvényhez és momentumokhoz.