Tölfræði II. Lausnahefti við völdum dæmum. Haustönn 2004

Σχετικά έγγραφα
Hagrannsóknir I. Glósur úr fyrirlestrum og dæmatímum Haustönn 2004

Aðferðir 2 Formúlur TILGÁTUR FYRIR HLUTFALL STIKALAUS PRÓF...11 MANN-WHITNEY PRÓFIÐ...11

Þriggja fasa útreikningar.

x(t) = T 0 er minnsta mögulega gildi á T

Líkindi Skilgreining

Reikniverkefni VII. Sævar Öfjörð Magnússon. 22. nóvember Merki og ker Jónína Lilja Pálsdóttir

Meðalmánaðardagsumferð 2009

Myndir af þrívíðum yfirborðshreyfingum jarðar út frá samtúlkun á SAR bylgjuvíxl- og GPS mælingum

Ályktanir um hlutföll og tengslatöflur

Aðskilnaður breytistærða í rúmi

Bústólpi ehf - Nýtt kjarnfóður H K / APRÍL 2014

Tölfræði II Samantekt vor 2010

PRÓFBÚÐIR Í LÍNULEGRI ALGEBRU VIÐ HR VOR 2014 HERKÚLES

Eðlisfræði 1. Dæmi 5.2 (frh.) Dæmi Dæmi (frh.) d) P = W tog. = 0, 47kW. = 9, 4kJ

Viðskipta- og Hagfræðideild Tölfræði II, fyrirlestur 6

Hagrannsóknir II fyrirlestraglósur

FRÆÐSLUSKRIFSTOFA RAFIÐNAÐARINS

Exam Statistics 6 th September 2017 Solution

Guðbjörg Pálsdóttir Guðný Helga Gunnarsdóttir NÁMSGAGNASTOFNUN

( ) S( x ) 2 ( ) = ( ) ( ) = ( ) ( )

Menntaskólinn í Reykjavík

Vísandi mælitæki (2) Vísandi mælitæki. Vísandi mælitæki (1) Vísandi mælitæki (3)

Iðjuþjálfun LIE0103 Hrefna Óskarsd.

*❸341❸ ❸➈❽❻ ❸&❽❼➅❽❼❼➅➀*❶❹❻❸ ➅❽❹*➃❹➆❷❶*➈❹1➈. Pa X b P a µ b b a ➁❽❽❷➂➂%&'%➁❽➈❽)'%➁❽❽'*➂%➁❽➄,-➂%%%,❹❽➀➂'❹➄%,❹❽❹'&,➅❸%&❹-❽❻ ,❹❽➀➂'❹➄%,❹❽❹'&,➅❸%&❹-❽❻

Parts Manual. Trio Mobile Surgery Platform. Model 1033

Undirstöðuatriði RC-tengds magnara Ólafur Davíð Bjarnason og Valdemar Örn Erlingsson 28. apríl 2009

Nokkur valin atriði úr aflfræði

H2S mælingar í Norðlingaholti og Hveragerði Skýrsla um mælingar árið 2013 Unnið fyrir Orkuveitu Reykjavíkur

t 2 c2 2 Φ = 0. (2.1)

1) Birgðabreyting = Innkaup - Sala + Framleiðsla - Rýrnun - Eigin notkun. Almennari útgáfa af lögmálinu hér fyrir ofan lítur svona út:

CS 1675 Introduction to Machine Learning Lecture 7. Density estimation. Milos Hauskrecht 5329 Sennott Square

Gagnasafnsfræði Venslaalgebra og bestun fyrirspurna. Hallgrímur H. Gunnarsson

4.01 Maður ekur 700 km. Meðalhraðinn er 60 km/klst fyrstu 250 km og 75 km/klst síðustu 450 km. Hver er meðalhraðinn?

P P Ó P. r r t r r r s 1. r r ó t t ó rr r rr r rí st s t s. Pr s t P r s rr. r t r s s s é 3 ñ

6. júní 2016 kl. 08:30-11:00

Kaplan Meier og Cox. Aðferðafræði klínískra rannsókna haustið 2010 Fimmtudagur 11 nóvember. Thor Aspelund Hjartavernd og Háskóla Íslands

Forritunarkeppni Framhaldsskólanna 2014

r r t r r t t r t P s r t r P s r s r r rs tr t r r t s ss r P s s t r t t tr r r t t r t r r t t s r t rr t Ü rs t 3 r r r 3 rträ 3 röÿ r t

16 kafli stjórn efnaskipta

6. MAXIMUM LIKELIHOOD ESTIMATION

rs r r â t át r st tíst Ó P ã t r r r â

Homework for 1/27 Due 2/5

H2S loftgæðamælingar í Norðlingaholti og í Hveragerði

Borðaskipan í þéttefni

Το άτομο του Υδρογόνου

HONDA. Έτος κατασκευής

RAF301G Merki og kerfi Miðmisserispróf, lausn

H 2 S loftgæðamælingar í Norðlingaholti og í Hveragerði

Other Test Constructions: Likelihood Ratio & Bayes Tests

H2S loftgæðamælingar í Norðlingaholti og í Hveragerði

Κεφ. 5: Ολοκλήρωση. 5.1 Εισαγωγή

P t s st t t t t2 t s st t t rt t t tt s t t ä ör tt r t r 2ö r t ts t t t t t t st t t t s r s s s t är ä t t t 2ö r t ts rt t t 2 r äärä t r s Pr r

Stær fræ i. Kennsluleiðbeiningar. Kennsluleiðbeiningar. 8tíu. NÁMSGAGNASTOFNUN 15. febrúar 2007

ss rt çã r s t Pr r Pós r çã ê t çã st t t ê s 1 t s r s r s r s r q s t r r t çã r str ê t çã r t r r r t r s

Sæmundur E. Þorsteinsson, TF3UA

FYLGISEÐILL. Dorbene Vet 1 mg/ml stungulyf, lausn fyrir hunda og ketti.

Estimators when the Correlation Coefficient. is Negative

Span og orka í einfaldri segulrás

Efnisyfirlit INNGANGUR MARKAÐSSETNING / MARKAÐSFÆRSLA, STUTT YFIRLIT Markaðsáherslan... 8

11979 H: Lögum um aðildarskilmála og aðlögun að sáttmálunum aðild Lýðveldisins Grikklands (Stjtíð. EB L 291, , bls. 17),

Lauf_P :26 Page 1 Laufblaðið Gefið út af Landssamtökum áhugafólks um flogaveiki 2. tölublað 9. árg. 2001

2x 2 y x 4 +y 2 J (x, y) (0, 0) 0 J (x, y) = (0, 0) I ϕ(t) = (t, at), ψ(t) = (t, t 2 ), a ÑL<ÝÉ b, ½-? A? 2t 2 at t 4 +a 2 t 2 = lim

SKALI STÆRÐFRÆÐI FYRIR UNGLINGASTIG KENNARABÓK. Grete Normann Tofteberg Janneke Tangen Ingvill Merete Stedøy-Johansen Bjørnar Alseth

Κεφάλαιο 2 ΕΚΤΙΜΗΣΗ ΠΑΡΑΜΕΤΡΩΝ. 2.1 Σηµειακή Εκτίµηση. = E(ˆθ) και διασπορά σ 2ˆθ = Var(ˆθ).

ιαφάνειες ιαλέξεων 1-1

Eðlisfræði II: Riðstraumur. Kafli 11. Jón Tómas Guðmundsson 10. vika vor 2016

fyrirlestrapunktar vor 2009 Háskóli Íslands Mælingar tengdar í tíma. Kafli 7 (muna 5.5. og k. 1-4)

Κεφ. 5: Ολοκλήρωση. 5.1 Εισαγωγή

FYLGISEÐILL FYRIR. PHENOLEPTIL 100 mg töflur fyrir hunda

Skilaverkefni 1. Skil á þriðjudaginn

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΑ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΣΤΑΤΙΣΤΙΚΗ Ι ΜΙΑ ΣΥΝΤΟΜΗ ΑΝΑΣΚΟΠΗΣΗ

Lecture 17: Minimum Variance Unbiased (MVUB) Estimators

Reglur um skoðun neysluveitna

Greinargerð Trausti Jónsson. Sveiflur IV. Árstíðasveiflur í háloftunum yfir Keflavík

Árbók kirkjunnar

Um tölvur stýrikerfi og forritun

barnatennurnar BÓKIN UM Bókin um barnatennurnar

Þjófavarnarkerfi fyrir bílstöðvar

H 2 S loftgæðamælingar við Hellisheiðarvirkjun og við Nesjavallavirkjun

FOUCAULT þrír textar 2014

Brúðkaup. Tilvonandi brúðhjón verið velkomin að skrá óskalistann hjá okkur. Öll brúðhjón fá gjöf og lenda í brúðhjónapotti. Persónuleg og góð þjónusta

C Q T. þessu blaði. 5. tbl. 23. árg. des. 2005

Verkefni 1: Splæsibrúun og jafnhæðarferlar

Hvað er astmi? Hvað gerist við astma?

Kafli 4 Línulegur kraftur og hreyfing

H 2 S loftgæðamælingar við Hellisheiðarvirkjun og við Nesjavallavirkjun

CHEMISTRY. Bylgjueðli ljóss. Bylgjueðli ljóss. Rafeindabygging atóma. Bylgjueðli ljóss. Bylgjueðli ljóss. Bylgjueðli ljóss

Last Lecture. Biostatistics Statistical Inference Lecture 19 Likelihood Ratio Test. Example of Hypothesis Testing.

Stærðfræði. Lausnir. Lausnir. 8tíu. NÁMSGAGNASTOFNUN 20. apríl 2009

1 Aðdragandi skammtafræðinnar

Næring, heilsa og lífsstíll

SAMANTEKT Á EIGINLEIKUM LYFS

Veghönnunarreglur 03 Vegferill

2. Η πιθανότητα της αριθμήσιμης ένωσης ξένων μεταξύ τους ενδεχομένων είναι το άθροισμα των πιθανοτήτων των ενδεχομένων.

Ρομποτικός Έλεγχος Δύναμης / Μηχανικής Αντίστασης

Rit LbhÍ nr Áhrif aldurs áa, þunga, holda og framleiðsluára. á gagnasafni Hestbúsins

SAMANTEKT Á EIGINLEIKUM LYFS. Hver húðuð tafla inniheldur 2 mg af cyproteronacetati og 0,035 mg (35 míkrógrömm) af etinylestradioli sem virk efni.

Annar kafli Hraði, hröðun, kraftur og massi

Fylgiseðill: Upplýsingar fyrir notanda lyfsins

BLDC mótorstýring. Lokaverkefni í rafmagnstæknifræði BSc. Halldór Guðni Sigvaldason

Transcript:

Tölfræð II Lausaheft vð völdum dæmum Haustö 4 Erledur Davíðsso 5

Erledur Davíðsso Efsyfrlt Dæm Slembbreytur, líkdafræð...4 Dæm - Þéttföll...4 Dæm 3 Ýmsar drefgar...4 Dæm 4 - Vætgld...5 Dæm 5 Vægsframleðarar...5 Stakræar margvíðar drefgar...6 Posso- dreyfg...6 Dæm 6 Sklyrt þéttföll...7 Dæm 7 Tvívíð þéttföll...7 Dæm 8 Tvívíð þéttföll...7 Dæm 9 Tvívíð þéttföll...7 Dæm - Drefföll...8 Dæm Posso drefg...8 Dæm Posso drefg...8 Dæm 3 Veldsvíssdrefg ( Epoetal dstrbuto)...8 Dæm 4 Ch-squared...9 Dæm 5 Drefgar falla...9 Dæm 6 Sklyrt vætgld... Dæm 7 Vætgld og dref... Dæm 8 Tvívíðar drefgar... Dæm 9 Föll af slembbreytum... Dæm 9 Frá dæmakeara...3 Dæm Slembgagur (Radom Walk)...4 Dæm - Normaldrefg...5 Fylkjareglur vð útrekga á Cov...6 Dæm Samdref og fylg (e. covarace ad correlato)...6 Dæm 3 Cetral Lmt Theorem...8 Cholesk-þáttu...8 Samlet...8 Samlet í drefgu...8 Dæm 4 Dref- og þéttföll... Dæm 5 Samlet í drefgu (e. covergece to dstrbuto)... Dæm 6 Samlet í líkdum... Dæm 7 Samlet æstum örugglega (e. covergece almost surely)... Háskól Íslads

Erledur Davíðsso 3 Sklgreg fyrr a.s. covergece:... Hverg er metll ákvarðaður?...3 Selekaaðferð...3 Dæm 8 Óbjagaður metll...4 Dæm 9 Vægjaaðferð (method of momets)...4 Dæm 3 Selekametll (Mamum Lkelhood Estmator)...5 Dæm 3 Tlgátupróf og höfuarsvæð (e. crtcal rego)...6 Dæm 3 Höfuarfall og höfuarsvæð...7 Dæm 33 LR, LM og Wald próf...8 Dæm 34 Þéttföll...33 Dæm 35 Sklyrtar drefgar...33 Dæm 36 - Tlgátupróf...34 Dæm 37 Sklvrkr metlar...36 PRÓF DESEMBER...37 Dæm 5...37 PRÓF DESEMBER 3...39 Dæm og...39 Dæm 6...39 Dæm 7...39 SKILGREININGAR...4 Nokkrar sklgregar á samlet ruu hedga { X } (slembbreyta)...4 Samlet talaruu...4 Samlet í drefgu ( dstrbuto)...4 Samlet í líkdum ( probablty)...4 Samlet æstum örugglega (almost surely)...4 LIKELIHOOD RATIO TILGÁTUPRÓFUN...44 TILGÁTUR OG TILGÁTUPRÓF...46 MAXIMUM LIKELIHOOD (ML) ESTIMATION...49 Háskól Íslads

Erledur Davíðsso 4 Dæm Slembbreytur, líkdafræð B: Tver strákar P(B),5 B: Tvær stelpur P(B),5 B3: Strákur og stelpa P(B3),5 B4: Stelpa og Strákur P(B4),5 A : Stelpa P(A),5 PAB ( ) PB PB ( A) PAB ( ) PB + PAB ( ) PB + PAB ( 3) PB ( 3) + PAB ( 4) PB ( 4),5,5+,5+,5,5+,5,5 3 Það eru því ca. 33% líkur á því að htt barð sé stelpa. Dæm - Þéttföll ce c e c c c 4 4 ( > ),8 PX e e e Dæm 3 Ýmsar drefgar með líkdum,6 X aars með líkdum,4 fyrr,...,4 4 Y X P(Y )-F() PX ( ) + PX ( 3) + PX ( 4) PX ( ) PX ( ) 4 4 f(),6,4 líkurar á því að ákvæmlega hlutr vrk 4 3 4 4 PX ( ),6,4 C +,6,4 C +,6,88 Háskól Íslads

Erledur Davíðsso 5 Dæm 4 - Vætgld Erum með slembbreytu með þéttfall: << f( ) aars g( X) 4 + 3 Vljum fa vætgld E g( X) ATH! E g ( X) g( E X ) E g X g( ) f( ) d 4+ 3 d + 3/ 4 + 4 + 5 3 Dæm 5 Vægsframleðarar Fum vægsframleðara skv. formúlu á bls í Spaos. Gert er ráð fyrr að t (,). t t t ( t ) m () t E( e ) e f( ) d e d e d ( t ) e ( ) t t t Vætgldð er: d E( X) m () t dt t Rekum ú varace: ( t ) ( t ) t d E( X ) m () t dt 3 t t Var X E X E X Hægt er að reka vætgldð bet: e d e e E X + Háskól Íslads

Erledur Davíðsso 6 Stakræar margvíðar drefgar Var ( X) E ( X E X ) E X XE X E X + > E X E X E X + E X E X E X Helduarregla sem gott er að mua uv ' u uv' Posso- dreyfg λ λ ( ),,,3... P X e! Nálgar tvílðuardrefgua mjög vel fyrr stór og lítð θ. λ e λ lm θ ( θ) λ!, θ λ Normaldrefg álgar tvílðuardrefgua mjög vel fyrr stórt θ( θ) Cetral lmt theorem f ( ) θ e θ <. Háskól Íslads

Erledur Davíðsso 7 Dæm 6 Sklyrt þéttföll ( y ) <<,<y< f(, y) 5 aars ( y ) f ( y, ) 5 ( y) ( y) 6 ( y) f( y) 3 y 4 3y f(, y) d ( y) d y 5 3 3 Dæm 7 Tvívíð þéttföll 5 y < < yog < y< f(, y) aars 5 5 4 f ( ) f(, y) dy f(, y) dy 5 ydy y Dæm 8 Tvívíð þéttföll 6 y f y + < < < y< 7 (, ), y P( X y) f (, y) dyd dyd 6 5 > + 7 56 Dæm 9 Tvívíð þéttföll Tl að athuga hvort X og Y eru óháðar þarf að fa f ( ), f ( y ) og sjá hvort f ( y, ) f( ), f( y). Fáum út hálfa ef vð heldum yfr og þ.a.l. eru þær óháðar. y y Háskól Íslads

Erledur Davíðsso 8 Dæm - Drefföll ( < <, < < ) (, ) (, ) (, ) + (. ) (, ) ( <, < ) P( y ) F F a b c y d F b d F a d F b c F ac F b d P b y d < < 3,< < 3,,,6,55,5 Formúla er í bók. Dæm Posso drefg λ λ P X e,,,3...! 3 3 P( X ) e,5! P X, 5,95 P( X ) Dæm Posso drefg P ( Tekð lyf Verður ekk vekur) P Lyf λ λ P ( Lyf ) P( Ekk lyf ) 3 (,75 e +, 5 e ) λ e λ! e λ e λ +!!,75 e,89 Dæm 3 Veldsvíssdrefg ( Epoetal dstrbuto) c) P X > s+ t > t P s t t ( ) ( > +, > ) P( > t) ( > + ) tλ ( > ) sλ P s t e e e P t e e s+ t λ sλ tλ e F s P > t tλ Háskól Íslads

Erledur Davíðsso 9 Dæm 4 Ch-squared a) X + Y χ (9) Svar: -chcdf(,9) 35, 5% Verð er að reka út P( X Y ) b) D X + Y X frávk í -stefu Y frávk í y-stefu XY, N,4 µ σ (, σ ) σ (, ) N µ N + µ + >. ( > 3,3) ( > 3,3 ) ( + > 3,3 ) P D P D P X Y P N(,) + N(,) > 3,3 3,3 4P( χ > 3,3 ) P χ > 4 P χ 3,3 5,63% 4 > Dæm 5 Drefgar falla X með þéttfall: Látum Y X 3 h( ) f + (Nota jöfu í kafla.7) y f y f h y d dy Athugð: Ef d Y X þá. Þess formúla gegur aðes fyrr ehalla föll!!! dy Háskól Íslads

Erledur Davíðsso Ef er mll - og þá er Y d X Y y dy 3 3 3 þá er 3 3 Fyrr Y d fy y y y dy 3 6 Dæm 6 Sklyrt vætgld f y ( y) f y f ( y, ) ( y) y Þegar y 4 + Svarð er því 4 5 8 Vð skulum þó reka þetta út: y fy ( y) f (, y) d d f ( y) ( y) ( y) y ( ) ( ) d y f, fyrr y f y E X Y f y d 5 5 y 3 6 3 6 8 y,5 Háskól Íslads

Erledur Davíðsso Dæm 7 Vætgld og dref Hefð verð hægt að setja upp svoa: Y 3 4 Y E( Y) Var( Y) Y 6 Var ( AY) E AY AE Y AVar Y A Y Y E [ 4] [ 4] E Y Y 3 [ 4] 3 4 Y Y Var [ 3] [ -3] Var Y Y 3 4 [ -3] [ 5-6] 48 58 6 + 3 3 Reglur sem vert er að þekkja Var ( AY) E AY AE Y AVar Y A T T Dæm 8 Tvívíðar drefgar 3 Reka skal P( X Y X ) < <. f y, 6 y < y, < 7 9 4 6 6 ydyd 3 y d 3 ( ) d 3 3 7 9 7 9 3 3 Háskól Íslads

Erledur Davíðsso Dæm 9 Föll af slembbreytum eru óháðar með þéttfall f ( ) < <, Sklgreum Y. Reka á P Y. Sjáum að < y <. Tvívíða þéttfallð er því f 4 vega þess að þær eru óháðar. ( ) Y P Y y P y P y y 4 d d P Y y 4 d d y y y 4 y d d y y y 4 y y + y Y P Y y P y P y ( ) Dreffallð er því: y F y y 4 7 F y 8 8 Háskól Íslads

Erledur Davíðsso 3 Þetta má skoða betur á bls. 593 formúla.9 Þegar Y Þegar y þá 4 f ( y) 4 yd 4y y 4 y 4 4 3 3 4 f y 4y d 4y y (, ) f y f y d Þéttfallð: f y y ( y) y 3 < y y > 3 y 7 P Y ydy y dy y + + + + 8 8 Dæm 9 Frá dæmakeara Athugð að Y tekur gld á blu (, ). Y getur hærr gld eftr því sem X er ma mðað vð X. Þar sem X og X eru óháðar þá er þéttfall tvívíðu slembbreytuar ( X, X ) f (, ) f ( ) f ( ) 4 Best er að umrta PY og skoða aðes X og X : PY ( ) P( X / X ) P( X X ) Háskól Íslads

Erledur Davíðsso 4 Þéttfallð tekur aðes póstív gld á fergum (, ) (,) (,). Tl að reka þetta þurfum vð því að helda yfr það svæð á fergum þar sem sem er hægra meg vð líua : PX ( X) 4dd d 3 4 7 d 8 8 8 Eg hefð líka verð hægt að fa gld dreffallss : F () P( Y ) P( X X ) 4 d d Y og draga það frá eum. Skoðð hverg mörk breytast. Hér er ég að helda yfr svæðð vstra meg vð líua. Þegar verð er að fa mörk á tvöföldum heldum þá ætt það að vera regla að teka myd af svæðu sem helda á yfr. Þag er mu efaldara að sjá út rétt mörk. Dæm Slembgagur (Radom Walk) D l l... l, l + + l með líkum l með líkum E( l ) + ( ) E( D) E l E( l) Háskól Íslads

Erledur Davíðsso 5 ( ) ( Var D E D E D E D ) E l l E ll j j Var D E( ll j) ( j) ( j) j E ll ef j E ll l ( j) ef j N E ll l l N j Dæm - Normaldrefg (, 4) (, 9) X N Y N Z X + Y a) Hvaða drefgu hefur Z? Svar: Normaldrefgu N(, 4) + + ( + ) + + (, ) Z E Z E X E Y Var Z Var X Y Var X Var Y Cov X Y + b) 4 9 4 vega þess að X og Y eru óháðar X N ( µ, ) 4 µ A b 5 E( Y) E( AX + b) AE( X) + E( b) + Háskól Íslads

Erledur Davíðsso 6 Fylkjareglur vð útrekga á Cov Cov, Cov, Var Cov, Var Cov, Cov, Cov, Var ( + ) Var Y Var AX b Var AX AVar X A 4 6 6 3 T Dæm Samdref og fylg (e. covarace ad correlato) Slembbreyta (, y ) hefur þéttfallð f y, + y < y, < Fa: Var E E Var y Var ( ) af samhverfuástæðum E( ) (, ) Cov(, y) Var ( ) Var ( y) E y af samhverfuástæðum Cov y E y E E y Corr y Þurfum að fa,, (, ) E E E y. Háskól Íslads

Erledur Davíðsso 7 { } lm,,,,..., l m l m Fum : E y y f, y ddy l m l+ m l m+ + y + y ddy y ddy + y ddy l+ m l+ m+ y dy + y dy l+ l+ m+ m+ y + y l+ m+ l+ m+ + l+ m+ l+ m+ Erum úa bú að reka öll momet sem vð þurfum og ú er bara hægt að stga : 7 7 l, m : E( ) + + E( Y) 3 3 4 5 E( ) + 4 3 5 E( y ) E( ) l, m : E( y) + + 3 3 6 6 3 5 7 6 49 Var ( ) Var ( y) E ( ) E ( ) 44 44 44 7 Cov( y) E ( y) E ( ) E ( y) 3 44 (, ) Corr y cov ( y, ) 44 Var ( ) Var ( y) 44 Háskól Íslads

Erledur Davíðsso 8 Dæm 3 Cetral Lmt Theorem U uform, z U 6 Var Z Var U Z E ( U) Var Z U N Cholesk-þáttu T AA Var X T AN A Samlet { a } Samlet talaruu: } Vð segjum að rua haf markgldð a ef fyrr hvert ε > er tl N, þ.a. a a < ε fyrr öll N Samlet hedga: { } X Samlet í drefgu Látum { X } vera ruu hedga, { F } hedga, { X } sé samlet í drefgu að X með dreffall F. Ef rua F ( X) stefr á F( X) í hverjum samfellpukt { } Þetta segr ekkert um X X fyrr stór. vera drefföll þerra. Vð segjum að þess rua F X. Háskól Íslads

Erledur Davíðsso 9 Þess vega höfum vð Samlet í líkdum (covergece probablty) k 9.9 Vð segjum að { X } stef á X í líkdum ef fyrr hvert ε > ( ) lm P X X > ε Skrfað X X eða plm ( X ) X. p Þetta segr ekk að fyrr hvert ε > getum vð fudð N þag að a a < ε fyrr öll N. X X X X p D Samlet æstum örugglega (e. almost surely) Skammstafað.ö (e. a.s.) Vð segjum að { X } stef á X.ö. ef Þetta er skrfað ( ) P lm X X X X as.. Þetta segr að Hermum þær Þá gldr með líkdum að: X, X, X3,..., X,, 3,..., lm Háskól Íslads

Erledur Davíðsso Dæm: { X }.. ö X hefur þéttfall: f f X X tekur gldð eða - tekur gldð eða 3 tekur gldð eða - 3 3 Og svo framvegs... Dæm 4 Dref- og þéttföll X, X,..., X eru..d. með þéttfall f ( ),, ( > ) θ < < θ θ. Látum M ma { X, X,..., X }. Sýð að f m, < < θ. θ Fum dreffallð fyrst: ( ) (,,..., ) F P M X P X X X M óháðar P X FX F < X < θ θ θ Almet: FX < θ < θ θ Háskól Íslads

Erledur Davíðsso Dæm 5 Samlet í drefgu (e. covergece to dstrbuto) FX < θ θ < θ < < θ θ því að þegar θ því < < < < θ θ Dæm 6 Samlet í líkdum F er fastarua. F ( ) F( ) X X D Samlet í líkdum ef P( X X ε ) X P lm > fyrr öll ε >. Tl að sýa að X þufrum vð að va grelega ekk á úll. ( ) P X X X X Tökum t.d. grelega ekk á. ε og fum P( X X ) ε > (ógu lágt) tl að rua P( X X ε ) > stef > sem er fastarua,,,... sem stefr Í svoa dæm þarf bara að fa ε sem er ógu lágt tl þess að rua get ekk steft á aað e í líkdum. Dæm 7 Samlet æstum örugglega (e. covergece almost surely) X X X með þéttfall,,..., Sýa að : X P P X P X,,... Í samræm vð sklgregu okkur vljum vð að rua : ( ) P X X > ε fyrr öll ε >. Háskól Íslads

Erledur Davíðsso Fáum gefð. ε > Ætlum að sýa að ( ) P X > ε. Rekum það: ef ε P( X > ε) P( X > ε) ef ε < Regla: a, b > og a b fyrr öll og b þá a. Höldum þá áfram með dæmð: Sýa að X as.. Tl að X þá P.. ( X ). Nú er as Sklgreg fyrr a.s. covergece: X ef fyrr hvert ε > er tl N (stórt) as.. þag að X X < ε fyrr öll N þar sem X, X,... X,... er úrtak. Tl þess að sýa að X þurfum vð að fa ε > þag að slíkt N er ekk tl. as.. Tökum ε < ε <. Tl að X < fyrr öll N þá þarf X fyrr öll N því X tekur aðes gld eða. Tökum etthvert Rekum þess líkd: N og sýum að P( X fyrr öll N) ( ) ( k ) k k N k N k P X fyrr öll N lm lm N N N + N lm... N N + N + < haf líkd. Líkurar á að rua tak gldð frá ákveðu staka (o. N) og upp úr (edalaust) eru egar. Rua stekkur alltaf stöku sum upp í. Slík rua getur ekk verð samlet að úll. Háskól Íslads

Erledur Davíðsso 3 Hverg er metll ákvarðaður? Höfum slemba stærð með þéttfall f (, θ ) með óþekkta parameter θ. Höfum úrtak,,...,. Hverg ákvörðum vð θ? Þurfum að búa tl metl sem er fall af úrtaku: Tákum ha með θ T( ) Verkef okkar er því að :. Fa metl (fallð T af úrtaku) - Vægjaaðferð (method of momets) - Selekaarðferð (method of mamum lkelhood). Meta gæð metls - Bjögu (Bas) - Samkvæm (Cosstecy) Metll er fud með vægjaaðferð ef T er fall af úrtaksvægjuum (,,...) m er mat á -sta væg.,,..., T m m þar sem m k k Ha er oftast samkvæmur (cosstet). Metll (,,..., ) T er (weak) cosstet ef P og (strog) cosstet ef T θ... as T θ Selekaaðferð Ef vð fáum ett úrtak f ', θ. Leysum út θ. þ.e., þá veljum vð θ þag að (, ) Ef vð fáum tvö gld, þá fum vð tvívíða þéttfallð, θ þ.a., þ.e. f tak hæsta gld í, f θ tak hæsta gld í f fyrr (, ) og veljum Háskól Íslads

Erledur Davíðsso 4 f, f,,, ( ) ( ) Leysum út θ fyrr það. Dæm 8 Óbjagaður metll X er posso hedg λ λ P( X ) e,,3,...! 3 Sýa að 3 ( ) X θ er óbjagaður metll fyrr e λ, þ.e. E θ e λ. ( X ) λ ( ) λ λ λ E θ E P X e e!! X X X X ATH: e e!! ( ) λ λ λ λ 3λ e e e e! Ef vð fáum úrtak úr drefgu þá er mat okkar á fárálegt mat á 3 e λ : ( ) sem er >. Óbjagaður metll þarf ekk að vera góður! 3 e λ Dæm 9 Vægjaaðferð (method of momets) Látum X, X,..., X vera slembúrtak með þéttfall: f ( ) a b b a Gefð er að : E a+ b ( X, b a) Var X Táka ab, með úrtaksvægjuum m, m., aars. m X, m X Háskól Íslads

Erledur Davíðsso 5 a+ b E X a E( X) b b E( X) a Var b a Var b a X X a b 3Var ( X) E ( X) a 3Var ( X) a E ( X) 3Var ( X) b E( X) + 3Var( X) ( Var X m m því Var X E X ) E ( X) a m 3( m m ) b m + 3( m m ) Er metll ýt? Bls 659. Ástæða fyrr því method of momet metlar eru ekk fullýttr er sú að vð erum bara að ota tvö fyrstu momet í metluum, tl að þekkja drefgu % þurfum vð að þekkja öll momet. Þegar vð erum með Normaldrefgu þurfum vð aðes að ota fyrstu tvö momet. Próf 3 Dæm : Er method of momet metll effcet (ýt)? Svar: Almet ekk því slíkr metlar ota aðes fyrstu momet, e ekk öll (sjá bls. 659). Dæm 3 Selekametll (Mamum Lkelhood Estmator) Látum X, X,..., X vera IID (óháðr, esdrefðr) með þéttfall: Fa selekafallð fyrr θ : + θ f ( X) e θ ) Fa þéttfall X, X,..., X ) Fa θ sem hámarkar þéttfallð fyrr gefð úrtak Þéttfallð fyrr -: X + θ X + θ X, X,..., X θ X f X f X e e θ θ fyrr öll Þéttfallð er fall af X-uum (úrtaksglduum), e líkdafallð er fall af stkuum. Háskól Íslads

Erledur Davíðsso 6 Í stað fyrr að va með þéttfallð lítum vð á líkdafallð. Vljum hámarka: L( θ X X X ) ( θ,,..., ) L X X X e,,..., X + θ X θ fyrr öll Sjáum að L verður hærra eftr því sem θ verður hærra, e θ verður að vera ma eða jaft X fyrr öll θ ML m ( X, X,..., X ) hámarkar L( X) selekametll. θ og er því Dæm 3 Tlgátupróf og höfuarsvæð (e. crtcal rego), σ, σ, 5, óþekkt Y N µ µ H : µ á mót H: µ Sklgreum höfuarsvæðð Y þ.e.a.s. ef vð fáum ea úrtaksstærð y, þá höfum vð H. Type I error: Höfum H þó að hú sé sö. Type II error: Samþykkjum H þó að hú sé í rau rög. Hér þarf að fletta upp í töflu. P Type I error P Y H P Y µ - F,8 N,,5 (,,5) F er dreffall ormaldrefgar N ( µ, σ ). P Type II error P Y H P Y µ F N, 8 þar sem N µ, σ Háskól Íslads

Erledur Davíðsso 7 Dæm 3 Höfuarfall og höfuarsvæð X N ( µ,5 ) H : µ 3. H : µ > 3. Prófstærð er X Höfuarsvæðð er á formu X X Vð vljum lágmarka líkur á vllum. > c. Kröfur tl prófss sem vð leggjum fram eru að: K µ 3., Vljum lágmarka líkur á að hafa tlgátu sem er rétt. K µ 35.,98 Vljum hámarka. þar sem K er höfuarfallð sem gefur líkur á að vð höfum H. Höfuarfallð er háð óþekkta stkaum. Veljum c og sem uppfylla þess sklyrð. K 3. P X c F c N 3., 5 5 > því X N ( µ, ) F c,,99 N 3., 5. Vad héra er sá að vð getum ekk fudð ekk. F N 5,99 3., því vð þekkjum Háskól Íslads

Erledur Davíðsso 8 Verðum að ota dreffall sem er óháð. Því verðum vð að staðla drefgua. X µ c µ c µ P X c P F 5 5 (,), N 5 µ 3. µ 3. Vætgld Staðalfrávk µ 3. c 3. F,99,36 5 N, c 35. Es fáum vð F,,53 5 N (,) Höfum jöfur með tvemur óþekktum stærðum. Leysum út og fáum rúmlega 9 eða c 3.655 Dæm 33 LR, LM og Wald próf Athugð að í þessar laus táka ég úrtakshedgarar með X, X,..., X e ekk Y, Y,..., Y es og í dæmu sjálfu. Ég e efaldlega ekk að skpta því út. Sklgregar Þéttfallð fyrr ormaldrefðar slembúrtakshedgar X, X,..., X er f (,,..., ) ep µσ, ( σ π ) ( µ ) σ Vð vtum að selekametll fyrr σ er (sjá bls 665, Spaos) ˆ σ ( µ ) () ML þegar µ er þekkt. Háskól Íslads

Erledur Davíðsso 9 Þar sem ˆ γ er selekametll fyrr γ, þá er ep( γ ), og því vega () er ep( ˆ γ ) selekametll fyrr drefa ep( ˆ γ ) () þar sem µ er gefð. Þetta þarf að ota í a-lð. a) Lkelhood-Rato prófstærð er hér sklgred sem (sjá bls. 75, Spaos) L( γ ) ε LR log log ( γ) log ( γ) L( ˆ γ ) [ L L ˆ ] þar sem γ er selekametll fyrr eskorðuðu (restrcted) hámörkua og ˆ γ er selekametll fyrr óskorðuðu (urestrcted) hámörkua. Nú er selekafallð L( γ ) ep ep ( π ep( γ) γ ) ep( ˆ γ ) ep ep( γ ) ( π ep( γ) ) þar sem ég hef otað (), þ.e. ep( ˆ γ ). Nú er γ og því ep( ˆ γ ) L( γ ) L() ep ep() ( π ) ( π ep() ) ep ep( ˆ γ ) log L( γ) log π ep( ˆ γ) Háskól Íslads

Erledur Davíðsso 3 og og því ep( ˆ γ ) L( ˆ γ ) ep ep( ˆ γ ) ( π ep( ˆ γ) ) ep ( π ep( ˆ γ ) ) log L( ˆ γ) ( log π + ˆ γ ) L( γ ) ε log [ log log ( ˆ LR )] ( ˆ L γ L γ L γ ) log π ep( ˆ γ) + ( log π + ˆ γ ) + [ ep( ˆ γ) ˆ γ] b) Upplýsgafylkð er hér sklgret með (sjá bls. 663, Spaos) log L ( γ ) I( γ ) E γγ þar sem L er selekafallð fyrr ea mælgu og er þá gert ráð fyrr að öll selekaföll L,,,..., séu es. Nú er selekafallð Það dffrum vð m.t.t. γ : L ( γ ) ep ep( γ ) ( π ep( γ) ) log L ( γ) log π γ ep( γ ) Háskól Íslads

Erledur Davíðsso 3 og aftur og tökum svo vætgldð log + ep( γ ) ( L γ ) log ep( γ ) ( L γ ) log L( γ ) I( γ ) E E γ γ ep( γ ) E [ ] ep( γ ) ep( γ) ep( γ) þar sem vætgldð af er dref, því µ. Öur aðferð tl að reka upplýsgafylkð er að ota { } I( γ ) E s ( γ) s ( γ ) þar sem s ( γ ) eru score-föll fyrr hverja mælgu Athugð að log L ( γ ) s ( γ ),,,..., γ log L( γ ) log L ( γ ) s( γ ) s ( γ ) γ γ er eg kallað score-fall. (sjá bls. 663, Spaos). Vð höfðum fudð að log L( γ ) s ( γ ) + + ep( γ ) γ ep( γ) og þá Háskól Íslads

Erledur Davíðsso 3 Tökum svo vætgldð af því þar sem E ep( γ ) s ( γ) s ( γ) + ep( γ) ep( γ) + ep( 4 γ) { } I( γ) E s ( γ) s ( γ) 4 4 E ep( γ) + ep( 4 γ) 4 ep( γ) E + ep( 4 γ) E ep( γ )ep( γ) + ep( 4 γ) 3ep(4 γ) + 3 er dref og hedg Y lýtur ormaldrefgu ( µ, σ ) þá er E 3ep(4 γ ) 4 er fjórða mómetð. (Ef E ( y µ ) 3σ 4 4, ekk saað hér). c) Vð otuðum hér aftur að ( ) s( γ) s ( γ) + ep( γ) + ep( γ ) + ep( γ) ep( ˆ γ) [ ˆ γ ] s() ep ep( ˆ γ ). d) Nú er LM prófstærð sklgred með (sjá bls. 78, Spaos) ε ( γ) ( γ) ( γ) LM s I s s () I() [ ˆ γ ] [ ep( ˆ γ ) ] / ep e) Wald prófstærð er sklgred með (sjá bls 77, Spaos) ˆ ˆ ˆ ε ( ˆ W γ γ) I( λ) ( λ ) λ Háskól Íslads

Erledur Davíðsso 33 Dæm 34 Þéttföll Fum dreffall X fyrr (,), s + FX ( ) ds 3 + 3 3 3 3 Athugð að Y tekur aðes gld á blu (,4). Fum svo dreffall Y á blu y (,4) : F y P Y y P X y P y X y Y FX( y) FX( y) y + y + y, ef < y< 3 3 3 y + y +, ef < y < 4 3 3 og úll aars staðar. Dffrum tl að fá þéttfallð:, ef < y < 3 y fy( y) F Y( y), ef < y < 4 6 y Dæm 35 Sklyrtar drefgar f ( ) f (, ) f ( ) f ( ) + d + + f ( ) + + Háskól Íslads

Erledur Davíðsso 34 EX ( X ) f ( ) d 3 d 3 + + + + + 3 + + 6 + 3 3 EX ( X ) f ( ) d 3 3 d 3 4 + + + + + 4 + 3 + + 6 3 4 Dæm 36 - Tlgátupróf Selekafallð er [ ] Var( X X ) E( X X ) E( X X ) + + + + 4 + 3 3 + 4 + 3 9 + + 4 6 6 3 6 (6 3) ( + 3/ )(6 + 3) 9 + + 4 (6 3)(6 3) (6 3) + + + + 6 + 9 + 9/ 9 4 (6 + 3) 3 + 3+ / 6 + 6+ (6 + 3) (6 + 3) L( p) p ( p) N N N Núlltlgáta er H : p p á mót H: p p Logselekafallð er log L( p) N log( p) + ( N N )log( p) Háskól Íslads

Erledur Davíðsso 35 Lkelhood Rato (LR) prófstærð er [ ˆ ] ε LR log L( p) log L( p) þar sem p er LM matð á p sklyrt vð H, og ˆp er LM ósklyrt. Athugð að ef H : p p þá er p p. Wald prófstærð er Lagrage Multpler prófstærð er þar sem s( p ) er score-fallð ε ˆ ˆ W p p Ip ( ) [ ] ε LM s p I p ( ) ( ) log L( p) N N N s( p) p p p og upplýsgafylkð er log L ( p) I( p) E p þar sem L ( p ) er selekafallð fyrr ea úrtaksstærð y : svo y L( p) p ( p) y log L( p) y y + p p ( p) sem hefur vætgld log L( p) E( y) E( y) E + p p ( p) p p + + p ( p) p p p( p) Háskól Íslads

Erledur Davíðsso 36 Þá stgum vð í ε LM [ ] s( p ) I ( p ) I ( p ) p ( p ) ( p p ) s( p ) N N N N ( p ) p ( N N ) p p p ( p ) [ ] ( N Np ) p ( p ) og fáum [ ] [ ] [ ] ε LM N ( N Np ) p ( p ) p ( p ) N( N / N p ) p ( p ) N( pˆ p ) p ( p ) ( N / N pˆ) Dæm 37 Sklvrkr metlar Tl að sýa að ˆ θml er fully effcet þá þurfum vð að sýa að Var( ˆ θ ML ) á Cramer Rao lágmarku: Var ˆ ( θml) I ( θ ) Vð vtum að Var( ) θ og því er Var( ) θ /. Upplýsgafylkð I( θ ) er sklgret sem dl f(,,..., ) dl f( ) I( θ ) E E dθ dθ (bls 6-) Nú er þéttfallð e f( )! θ θ og log-selekafallð er Háskól Íslads

Erledur Davíðsso 37 log L( θ ) lθ θ l! og afleða l L( θ ) θ θ θ θ og því dl f( ) θ I( θ ) E E dθ θ E[( θ ) ] Var( ) θ θ θ θ θ (dref Posso drefgar með stka θ er θ ) Nú er Var ˆ θ θ θ ( ML ) I svo metll ˆ θ ML ær lágmarku og er fully effcet. Próf desember Dæm 5 Hedgarar Y,..., Y eru óháðar og esdrefðar með þéttfall f ( y) α y α ef y 3 α 3 aars a) Fa Method-of-momet metl fyrr α Fa vætgld: 3α E Y E Y α α + 3 E Y Háskól Íslads

Erledur Davíðsso 38 m α m Y 3 m c) α y α 3 ( α,,,..., ) ( α, ) ( ; α) L y y y L y f y Verkef okkar er fyrr gefð úrtak,,..., Oft gott að taka log, breytr ekk α sem hámarkar L. α α log L logα + log y log 3 logα + ( α + ) log y α log 3 Fum hámark með því að leysa log L α y y y, hámarka L( y y ) ;,..., α. + log y log 3 α α log 3 log y b) Nota setgu Factorzato theorem tl þess að fa suffcet statstc. ( α ) ( α) f ; y g h y ; V y α α y α y α α α 3 3 Háskól Íslads

Erledur Davíðsso 39 Próf desember 3 Dæm og X er cosstet mat á E X samkvæmt WLLN. m α m X o Method-of-momet metll fyrr α. Dæm 6 Nota formúlua: Drefsklaðarsetg: V ( Y) E( V ( Y X) ) + V( E ( Y X) ) Dæm 7 Beta drefg með þéttfall: f ( αβ) ef óháðar α β ( ),,, βαβ (, ) er leðréttgastuðull tl að heldð yfr allt blð sé. β α, β α ( αβ, ) ( ) β B d Í dæmu á prófu er aðes efaldar útgáfa af þessu: Vtað er að β, e það gefur þéttfallð: f (, α,) α α Vljum gera próf sem prófar tlgátua H : α. Beðð er um lkelhood-rato próf. ( α ) ( α ) ( α ) LR L, L H ma L, L H Erum að bera sama líkd udr H og H. Nú gldr LR. Tl að ota svoa prófstærð þá segjum vð að vð höfum H ef LR < c fyrr < c <. Háskól Íslads

Erledur Davíðsso 4 Í dæmu þurfum vð aðes að fa prófstærða LR, þ.e. vð þurfum að fa: ) L, ) L α ML, Byrjum á því að fa L( α.), gefð úrtak,,...,. α þá er L α ( α,) α α L Þurfum ú að fa selekametl α ML : Tökum log: log log ( L α + α ) log Dffrum: ( L) log ' + log ML α α ML (,) L α ML α ML α L(,) LR α LL L( α ML,) ML α ML, Í laus Magúsar fur ha log loglr log, log L α ML,. Háskól Íslads

Erledur Davíðsso 4 Sklgregar Nokkrar sklgregar á samlet ruu hedga { X } (slembbreyta) Þetta ef er kyt í kafla 9.9. Samlet á ruu hedga er hægt að sklgrea á okkra vegu eftr því hversu sterkar kröfur vð gerum tl samletar. Athugð að muur á samlet ruu hedga og á samlet vejulegrar talaruu er sá að hver hedg í ruu { X } getur hugsalega tekð mörg gld, þar sem vð höfum yfrlett gefð þéttfall hverrar hedgar, e í talaruu þekkjum vð gld. Byrjum á því að rfja upp sklgregu á samlet talaruu: Samlet talaruu Talarua { } er samlet að tölu a ef fyrr hvert ε > er tl N þag að a a a < ε fyrr öll N Þetta er skrfað lm a a Það er sama hversu lítð ε er valð, það er alltaf hægt að fa (hugsalega stórt) N þ.a. muur á a og a sé a vð ε fyrr öll N. Í sklgregum á ruu hedga muum vð ota ε og N í sama tlgag. Efaldasta sklgreg á samlet hedga er samlet í drefgu, sem segr að drefg slembbreytaa { X } stef á ákveða drefgu. Samlet í drefgu ( dstrbuto) Látum { X } vera ruu hedga, og { F } vera drefföll þerra. Vð segjum að { X } sé samlet í drefgu á X með dreffall F ef rua { F ( )} stefr á F( ) í hverjum samfellpukt F. Þetta er skrfað X X D Athugð að þess sklgreg segr ekkert um X X þegar hækkar. Þó að X og X haf sömu drefgu þá getur slembbreyta X X tekð há gld. Þess vega má Háskól Íslads

Erledur Davíðsso 4 segja að samlet í drefgu sé okkuð vek krafa á samlet. Sterkara krafa á samlet er samlet í líkdum sem segr að líkurar á að X X < ε stef á e sama hversu lítð ε > er valð. Samlet í líkdum ( probablty) Látum { X } vera ruu hedga. Vð segjum að rua stef á hedgu X í líkdum ef fyrr hvert ε >, lm P{ X X > ε} Þetta er skrfað og eg með X X P plm X X Þetta er aðes flókara hugtak. Nauðsylegt er að vekja athygl á því hvað sklgreg segr ekk. X X segr ekk að fyrr hvert ε > getum vð fudð N þ.a. P X X < ε fyrr öll N. Það er e sterkar krafa sem er mætt með sklgregu á samlet æstum örugglega: Samlet æstum örugglega (almost surely) Látum { X } vera ruu hedga. Vð segjum að rua stef á X æstum örugglega (.ö.) ef P(lm X X) Þetta er skrfað með X X as.. Þetta er flókasta samlethugtakð sem kyt hefur verð tl söguar hér. Hú segr að ef vð höfum ruu hedga { X } og hedgu X og framkvæmum hermu á öllum hedguum, þ.e. fáum talaruu { } og tölu þá stefr rua { } á : lm með líkdum. Háskól Íslads

Erledur Davíðsso 43 Dæm um ruu { X } sem er samlet.ö. er rua sem hefur þéttföll og stefr hú á æstum örugglega. f f X X ( ) Háskól Íslads

Erledur Davíðsso 44 Lkelhood Rato tlgátuprófu Gerum ráð fyrr að hedg X lút drefgu með þéttfall f ( ; θ ) þar sem θ Θ er vgur af óþekktum stkum og Θ er stkarúmð (meg allra mögulegra glda óþekktu stkaa). Setjum svo fram tlgátu H : θ Θ á mót H : θ Θ þar sem ΘΘ Θ og Θ Θ. Gefum okkur að vð höfum mælgar á þessar drefgu,,..., og vð vljum ota þessar tölur tl að prófa tlgátua okkar. E leð er að reka hæsta gld selekafallss mðað vð að tlgáta H sé sö, þ.e. θ Θ og bera sama vð hæsta gld selekafallss þar sem θ er leyft að taka hvaða gld sem er í stkarúmu Θ. Vð erum þá að bera sama aars vegar ( θ) ma ( θ,,..., ) L L θ Θ þar sem θ sklyrt (costraed) tl að vera í Θ og hs vegar ( ˆ θ) ma ( θ,,..., ) L L θ Θ þar sem θ má taka hvaða gld sem er í Θ (ucostraed). Þar sem Θ er hlutmeg í Θ þá gldr að L( θ ) L( ˆ θ ) því að selekamatð θ Θ er eg stak í Θ. Selekahlutfallð (lkelhood rato) Háskól Íslads

Erledur Davíðsso 45 λ L( θ ) L( ˆ θ ) er því tala λ. (Sjá bls. 79 í Spaos). MIKILVÆGT : Ef tlgáta H : θ Θ er lagt frá því að vera sö þá ætt ósklyrta selekamatð L( θ ) að taka mu hærra gld e sklyrta matð L( ˆ θ ). Þar af leðad ætt selekahlutfallð λ að vera lág tala, og lægr eftr því sem tlgáta er legra frá söu gld. Því höfum vð tlgátu ef λ λ fyrr etthvert λ að okkar eg val. λ sklgrer því höfuarsvæðð fyrr tlgátua H. Því lægra gld á λ sem vð veljum því m líkur eru á að vð höfum H þegar hú er sö (Type I Error) e mer líkur á að vð samþykkjum H þegar hú er rög (Type II Error). Oftar er þó ekk uð með prófstærða λ heldur ˆ L( θ ) ε log log log ( ˆ LR λ L θ) log L( θ) L( θ ) Höfuarsvæð fyrr slíka prófstærð er þá á formu { : c} fyrr c að eg val. Þetta er sú prófstærð sem þð egð að fa í a-lð dæms 3 í hemadæmuum (r. ). (Sjá bls. 75 í Spaos). Háskól Íslads

Erledur Davíðsso 46 Tlgátur og tlgátupróf Gerum ráð fyrr að hedg X lút ormaldrefgu N ( µ,) þar sem vætgldð µ er óþekkt. Tlgáta (hypothess) er fullyrðg um drefgu ehverrar tltekar hedgar. Dæm : µ 75. Tlgátupróf (hypothess test) er regla sem hægt er að ota tl að álykta frá úrtak drefgarar hvort tlgáta sé hafað eða samþykkt. Dæm : (e úrtaksstærð) Höfum tlgátu H : µ 75 ef úrtakð > 75. Dæm : (e úrtaksstærð) Höfum tlgátu H : µ 75 ef úrtakð > 78. Dæm 3: (margar úrtaksstærðr) Höfum tlgátu H : µ 75 ef > 75. Athugð: Próf er í rau regla sem vð ákveðum sjálf. Regla eða prófð getur þess vega verð óskysamlega valð, e próf hetr það samt. Athugð: Þó að tlgátu sé hafað þá er hú edlega ekk ósö. Ehverjar líkur eru á að vð höfum tlgátu þó að hú er sö. Slík ályktu hetr þá Type I Error. Athugð: Þó að tlgáta sé samþykkt þá er hú ekk þar með sö. Það þýðr aðes að vð getum ekk hafað he. Yfrlett eru ehverjar líkur á að vð samþykkjum (höfum ekk) ósaa tlgátu. Slík ályktu hetr þá Type II Error. Núll-tlgáta (ull hypothess) er sú megtlgáta sem vð vljum prófa. Yfrlett tákuð með H. Gagtlgáta (alteratve hypothess) er tlgáta að úlltlgáta sé ekk sö. Yfrlett tákuð með H. Dæm : H : µ á mót H : µ Athugð: Í þessu dæm gæt gagtlgáta verð H : µ, e hér er verð að segja að vtað sé að µ tak aað hvort gldaa eða og eg öur. Prófstærð er sú úrtaksstærð sem tlgátuprófð dregur ályktu frá. Dæm : Dæm : Háskól Íslads

Erledur Davíðsso 47 Dæm 3: Athugð : Prófstærð er fall af e eða flerum úrtaksstærðum. Höfuarsvæð (crtcal rego) tlgátuprófss eru þau gld prófstærðarar sem leða tl höfuar tlgátuar samkvæmt prófu. Dæm : Höfuarsvæðð er (75, ) Dæm : Höfuarsvæðð er (78, ) Dæm 3: Höfuarsvæðð er (75, ) Athugð: ( ab, ) þýðr opa blð frá a og b, þ.e. meg allra tala sem uppfylla a< < b. Athugð : Prófstærð og höfuarsvæð sklgrea reglua (prófð) sem ákveður hvort vð samþykkjum eða höfum tlgátu. Höfuarfall (power fucto) sem fall af óþekktu stkuum gefur líkur á að úlltlgátu sé hafað. Þ.e.a.s. þegar búð er að sklgrea tlgátua og höfuarsvæðð, þá er gld höfuarfallss í tltekum stka µ jöf þem líkum á að úrtaksstærð led á höfuarsvæðu mðað vð gef stka µ. Þær líkur eru auðvtað háðar því hver óþekkta drefg er í rau. Þess vega er höfuarfallð fall af óþekktu stkuum. Dæm: Tlgáta: H : µ 75 Höfuarsvæð: (78, ) Þá er gld höfuarfallss í 75: P(75) F N (75,)(78) þar sem F N (75,) er dreffall ormaldrefgar með vætgld 75 og dref. Almet er P( µ ) F µ (78) N (,) Marktektarstg (sgfcace level) er hæsta mögulega gld höfuarfallss þegar úlltlgáta er sö. Athugð: Þegar úlltlgáta tlgrer ett gld á stkaum, es og tl dæms : 75 H µ þá er marktektarstgð jöf gld höfuarfallss í 75, eda er það ea og jafframt hæsta gld höfuarfallss þegar úlltlgáta er sö. Háskól Íslads

Erledur Davíðsso 48 Athugð: Þegar vð höfum úlltlgátu es og H :7< µ < 8, þá er gld höfuarfallss msmuad fyrr ólík µ. Marktektarstgð er þá þar sem P er höfuarfallð. sgfcace level ma P( µ ) µ Háskól Íslads

Erledur Davíðsso 49 Mamum Lkelhood (ML) estmato Gerum ráð fyrr að hedg X lút drefgu með þéttfall f ( ; θ ) þar sem θ er óþekktur stk (hugsalega vgur af óþekktum stkum). Fyrr gefð úrtak,,..., vljum búa tl metl fyrr θ, þ.e. búa tl fall af úrtaksglduum,,..., sem gefur mat á θ : ˆ θ (,,..., ) T E leð er að velja matð ˆ θ þag að þéttfallð fyrr úrtakshedgarar sem gefa,,..., tak hæsta gld mðað vð gefar úrtaksstærðr. Þegar um er að ræða stakræa hedgu X þá erum vð að velja stka ˆ θ þag að útkoma,,..., verð líklegasta útkoma. Þegar X er samfelld hedg þá veljum vð stka ˆ θ þag að líkdaþéttlek sé mestur í,,...,. Í samfelldum hem eru líkur á e útkomu,,..., að sjálfsögðu úll svo ekk er markvert að tala um líklegustu útkomu es og í stakræum hem, heldur um mesta líkdaþéttleka, þ.e. þar sem þéttfallð tekur hæsta gld. Hvort sem X er stakræ eða samfelld vljum vð hámarka f(,,..., ; θ ) f( ; θ ) með tllt tl θ, e höldum,,...,. Því vljum vð líta á þéttfallð sem fall af stkaum θ e ekk úrtaksstærðuum,,..., og þess vega sklgreum vð selekafallð L( θ,,..., ) f(,,..., ; θ) L( θ ) f( ; θ) sem fall af stkuum, gefð úrtak,,...,. Athugð að hér er L( θ ) f( ; θ ),,,..., Háskól Íslads

Erledur Davíðsso 5 Hér eftr gerum vð ráð fyrr að X sé samfelld hedg með samfellt þéttfall. Ef selekafallð L( θ,,..., ) f(,,..., ; θ ) tekur hæsta gld stt í dffralegum pukt (dffrað með tllt tl θ ) þá er afleða selekafallss þar úll. Sér í lag er afleða log-selekafallss log L( θ ) θ log L ( θ ) θ eg úll í hágldu ˆML θ þar sem ˆML θ er þá selekamat okkar á θ. Hér hef ég skrfað L( θ ) í stað L( θ,,..., ). Athugð að þetta er vgur ef θ er margvíð breyta af óþekktum stkum. Þ.e. ef θ ( θ, θ,..., θ m) þá er log L( θ ) θ log L( θ ) log L( θ ) θ θ log L( θ ) θ m Sklyrð okkar er því ˆ log L( θ ) log ( ˆ ML L θml) θ θ Afleða logseleksfallss í hverr mælgu er kallað score-fall (og studum score vector ef θ er vgur) og er tákað með svo sklyrðð áðurefda verður log L ( θ ) s ( θ ),,,..., θ s ( ˆ θ ) ML Háskól Íslads

Erledur Davíðsso 5 Eglekar ˆML θ eru (að okkrum vekum sklyrðum uppfylltum). ˆML θ er samkvæmur (cosstet) metll fyrr θ ( ˆML θ θ ) P. ˆML θ er aðfellusklvrkur (asymptotcally effcet, þ.e. metll hefur mstu dref allra samkvæmra aðfellumetla, og dref ær eðr Cramer-Rao mörkuum, sjá eðar). 3. ˆML θ er asymptótískt omaldrefður metll: ( ˆ θml θ) N(, V) þar sem V log L ( θ ) E θθ Samhverfa fylkð log L ( θ ) I( θ ) E θθ er kallað upplýsgafylk og mælr krappa (curvature) í log-selekafallu. Því mer sem krapp er því hærr gld taka aðrar afleður þess og því mer er dref metlss. Eg er hægt að reka upplýsgafylkð með formúlu (ekk saað hér) { } I( θ ) E s ( θ) s ( θ ) Í hemadæmuum (r. ) má reka upplýsgafylkð með þessar formúlu og eg með þerr hér að ofa. Gefð að ML metll sé symptotískt effcet, þá er adhverfa upplýsgafylkss eðr mörk fyrr (asymptótískt) dreffylk allra aðfelluormlegra (asymptotcally ormal) metla. Þess mörk heta eðr mörk Cramér-Rao og regla er framsett með Var ˆ ( θ) I( θ) (Cramer-Rao Lower Boud) þar sem ˆ θ er óbjagaður metll fyrr θ með edalegt dreffylk. Háskól Íslads