TMHMA OIKONOMIKΩN ΕΠΙΣΤΗΜΩΝ Διαγώνισμα Προόδου Στατιστικής III

Σχετικά έγγραφα
Εκτιμήτριες. Κώστας Γλυκός ΜΑΘΗΜΑΤΙΚΟΣ. Ασκήσεις για ΑΕΙ και ΤΕΙ. Kglykos.gr. σε Εκτιμήτριες. μέθοδος ροπών και μέγιστης πιθανοφάνειας

ΕΦΑΡΜΟΣΜΕΝΗ ΣΤΑΤΙΣΤΙΚΗ Ι Συμπληρωματικές Σημειώσεις Δημήτριος Παντελής

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΛΥΣΕΙΣ ΘΕΜΑΤΩΝ ΣΤΑΤΙΣΤΙΚΗ Ι ΜΕΡΟΣ Α (Σ. ΧΑΤΖΗΣΠΥΡΟΣ) . Δείξτε ότι η στατιστική συνάρτηση T = X( n)

Στατιστική. Εκτιμητική

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Σημειακή εκτίμηση και εκτίμηση με διάστημα. 11 η Διάλεξη

Στατιστική Συμπερασματολογία

Μέρος II. Στατιστική Συμπερασματολογία (Inferential Statistics)

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Διάλεξη 1: Στατιστική Συμπερασματολογία - Εκτίμηση Σημείου

ΚΕΦΑΛΑΙΟ 0. Απλή Γραμμική Παλινδρόμηση. Ένα Πρόβλημα. Η επιδιωκόμενη ιδιότητα. Ένα χρήσιμο γράφημα. Οι υπολογισμοί. Η μέθοδος ελαχίστων τετραγώνων ...

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 13 Μαρτίου /31

Σημερινό μάθημα: Εκτιμήτριες συναρτήσεις και σημειακή εκτίμηση παραμέτρων Στατιστική συμπερασματολογία (ή εκτιμητική ): εξαγωγή συμπερασμάτων για το σ

Εφαρμοσμένη Στατιστική

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Στατιστική Επιχειρήσεων ΙΙ

Εκτιμητές Μεγίστης Πιθανοφάνειας (Maximum Likelihood Estimators MLE)

9. Παλινδρόμηση και Συσχέτιση

Ανάλυση Διασποράς Ανάλυση Διασποράς διακύμανση κατά παράγοντες διακύμανση σφάλματος Παράδειγμα 1: Ισομεγέθη δείγματα

Εργαστήριο Μαθηματικών & Στατιστικής 2η Πρόοδος στο Μάθημα Στατιστική 28/01/2011 (Για τα Τμήματα Ε.Τ.Τ. και Γ.Β.) 1ο Θέμα [40] α) στ) 2ο Θέμα [40]

X = = 81 9 = 9

Σημερινό μάθημα: Εκτιμήτριες συναρτήσεις, σημειακή εκτίμηση παραμέτρων και γραμμική παλινδρόμηση Στατιστική συμπερασματολογία (ή εκτιμητική ): εξαγωγή

Κεφ. Ιο ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΘΕΩΡΙΑΣ ΠΙΘΑΝΟΤΗΤΩΝ

ΚΕΦΑΛΑΙΟ 2 ΑΝΑΣΚΟΠΗΣΗ ΑΠΑΡΑΙΤΗΤΩΝ ΓΝΩΣΕΩΝ: ΕΚΤΙΜΗΤΕΣ

Έλεγχος Υποθέσεων. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς

Στατιστική Συμπερασματολογία

ΕΚΤΙΜΗΣΗ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΓΙΑ ΕΠΙΛΕΓΜΕΝΟ ΕΚΘΕΤΙΚΟ ΠΛΗΘΥΣΜΟ ΑΠΟ k ΠΛΗΘΥΣΜΟΥΣ

Περιεχόμενα της Ενότητας. Δειγματοληψία. Δειγματοληψίας. Δειγματοληψία. Τυχαία Δειγματοληψία. Χ. Εμμανουηλίδης, 1.

Διαστήματα εμπιστοσύνης. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 2 Μαΐου /23

Σ ΤΑΤ Ι Σ Τ Ι Κ Η ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

Άσκηση 1: Λύση: Για το άθροισμα ισχύει: κι επειδή οι μέσες τιμές των Χ και Υ είναι 0: Έτσι η διασπορά της Ζ=Χ+Υ είναι:

Εισαγωγή στην Εκτιμητική

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 14 Μαρτίου /34

Χ. Εμμανουηλίδης, 1

Απλή Παλινδρόμηση και Συσχέτιση

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά

4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά

Εφαρμοσμένη Στατιστική

Στατιστική Επιχειρήσεων ΙΙ

Πινάκες συνάφειας. Βαρύτητα συμπτωμάτων. Φύλο Χαμηλή Υψηλή. Άνδρες. Γυναίκες

Στατιστική Επιχειρήσεων ΙΙ

ΦΡΟΝΤΙΣΤΗΡΙΟ 11. β) τον εκτιμητή μέγιστης πιθανοφάνειας για την άγνωστη παράμετρο λ 0.

A(θ) = n log θ B(x ) = 0. T (x ) = x i. Γ(n)θ n =

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΣΤΑΤΙΣΤΙΚΗ ΣΥΜΠΕΡΑΣΜΑΤΟΛΟΓΙΑ για τη λήψη αποφάσεων

Στατιστική Συμπερασματολογία

Η ΙΣΧΥΣ ΕΝΟΣ ΕΛΕΓΧΟΥ. (Power of a Test) ΚΕΦΑΛΑΙΟ 21

4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου

ΟΙΚΟΝΟΜΕΤΡΙΑ. Ενότητα 1: Εκτιμητές και Ιδιότητες. Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά)

3. Κατανομές πιθανότητας

ΣΗΜΕΙΩΣΕΙΣ ΓΙΑ ΤΗ ΣΤΑΤΙΣΤΙΚΗ ΙΙ ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ, ΑΠΛΗ ΠΑΛΙΝΔΡΟΜΗΣΗ

Ανάλυση Δεδοµένων µε χρήση του Στατιστικού Πακέτου R

x y max(x))

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Κεφάλαιο 1. Εισαγωγή: Βασικά Στοιχεία Θεωρίας Πιθανοτήτων και Εκτιμητικής

5. ΣΥΣΤΗΜΑΤΙΚΗ ΔΕΙΓΜΑΤΟΛΗΨΙΑ (Systematic Sampling)

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΤΜΗΜΑ ΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕ ΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Σ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium Iii

Οικονομετρία Ι. Ενότητα 2: Ανάλυση Παλινδρόμησης. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής

Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης

3. ΣΕΙΡΙΑΚΟΣ ΣΥΝΤΕΛΕΣΤΗΣ ΣΥΣΧΕΤΙΣΗΣ

ΘΕΩΡΙΑ ΑΠΟΦΑΣΕΩΝ 3 ο ΦΡΟΝΤΙΣΤΗΡΙΟ ΛΥΣΕΙΣ ΤΩΝ ΑΣΚΗΣΕΩΝ

6. ΔΕΙΓΜΑΤΟΛΗΨΙΑ ΚΑΤΑ ΟΜΑΔΕΣ (Cluster Sampling)

ΜΑΘΗΜΑΤΙΚΑ. 1 ο ΔΙΑΓΩΝΙΣΜΑ. ΘΕΜΑ 1 ο Δίνεται η συνάρτηση f x. Ι. Το πεδίο ορισμού της f είναι:., 1 υ -1, B. 1, Γ. -1,., 1.

Δειγματικές Κατανομές

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής

Μέθοδος μέγιστης πιθανοφάνειας

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ AΝΑΛΟΓΙΕΣ

ΜΕΡΟΣ ΠΡΩΤΟ Στατιστικό υπόβαθρο και βασικός χειρισµός δεδοµένων

Μέρος V. Ανάλυση Παλινδρόμηση (Regression Analysis)

Εισόδημα Κατανάλωση

3. ΣΤΡΩΜΑΤΟΠΟΙΗΜΕΝΗ ΤΥΧΑΙΑ ΔΕΙΓΜΑΤΟΛΗΨΙΑ (Stratified Random Sampling)

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά

Το Κεντρικό Οριακό Θεώρημα

Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική

Το Κεντρικό Οριακό Θεώρημα

Απλή Γραμμική Παλινδρόμηση και Συσχέτιση 19/5/2017

εξαρτάται από το θ και για αυτό γράφουµε την σ.π.π. στην εξής µορφή: ( θ, + ) θ θ n 2n (θ,+ ) 1, 0, x θ.

CRAMER-RAO ΚΑΤΩ ΦΡΑΓΜΑ - ΑΠΟ ΟΤΙΚΟΙ ΕΚΤΙΜΗΤΕΣ

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ

ΑΝΤΙΚΕΙΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

Κεφάλαιο 10 Εισαγωγή στην Εκτίμηση

Ανισότητα Cramér Rao

Σ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium iv

Γραπτή Εξέταση Περιόδου Φεβρουαρίου 2011 για τα Τμήματα Ε.Τ.Τ. και Γ.Β. στη Στατιστική 25/02/2011

Μέθοδος μέγιστης πιθανοφάνειας

Το Κεντρικό Οριακό Θεώρημα

ΚΕΦΑΛΑΙΟ 8. Εισαγωγή στη Μέθοδο Bootstrap

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΣΤΑΤΙΣΤΙΚΗΣ ΚΑΙ ΑΣΦΑΛΙΣΤΙΚΗΣ ΕΠΙΣΤΗΜΗΣ Εξετάσεις περιόδου στο μάθημα ΑΝΑΛΥΣΗ ΠΑΛΙΝΔΡΟΜΗΣΗΣ

10.7 Λυμένες Ασκήσεις για Διαστήματα Εμπιστοσύνης

Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Οικονομετρία Διάλεξη 3η: Απλή Γραμμική Παλινδρόμηση. Διδάσκουσα: Κοντογιάννη Αριστούλα

Μαθηματικά Και Στατιστική Στη Βιολογία

Ανάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017

Transcript:

0 TMHMA OIKONOMIKΩN ΕΠΙΣΤΗΜΩΝ Διαγώνισμα Προόδου Στατιστικής III Νοέμβριος Eστω,,, τυχαίο δείγμα από κατανομή f( x; ), όπου συμβολίζει άγνωστη παράμετρο (a) Να ορισθεί η έννοια του επαρκούς στατιστικού και της συνεπούς εκτιμήτριας της παραμέτρου Το στατιστικό T καλείται επαρκές στατιστικό για την παράμετρο αν η από κοινού κατανομή του τυχαίου δείγματος, έστω f,, ), όταν δίνεται η τιμή του T δεν εξαρτάται από την τιμή της ( παραμέτρου Δηλαδή αν για οποιεσδήποτε τιμές x,, x, f( x,, x T t) δεν περιέχει το, για κάθε δυνατή τιμή t Η εκτιμήτρια ˆ καλείται συνεπής εκτιμήτρια της παραμέτρου αν για κάθε e > 0 ισχύει lm P( ˆ > e) 0, για κάθε τιμή της παραμέτρου (b) Αν ισχύει E( ) 5 και εκτιμήτρια της παραμέτρου Προτείνουμε την εκτιμήτρια Var( ) 36 ˆ 5, προτείνατε μια αμερόληπτη και συνεπή Πράγματι αυτή η εκτιμήτρια είναι αμερόληπτη, διότι δεδομένου ότι ο δειγματικός μέσος είναι πάντα αμερόληπτη εκτιμήτρια της μέσης τιμής, έχουμε ( ) ˆ E E æ ç E ( ) E ( ) 5 5 è 5 5 5 Επίσης είναι γνωστό ότι ο δειγματικός μέσος έχει διακύμανση ίση με την διακύμανση του πληθυσμού διαιρεμένη με το μέγεθος του δείγματος Συνεπώς έχουμε ( ˆ æ Var( ) 36 Var ) Var ç Var( ) () è 5 5 5 5 Από την σχεση () προκυπτει ότι Var ( ˆ ) Τέλος από τις σχέσεις () και (3) και δοθέντος ότι MSE ˆ ( ˆ ) ˆ E + Var έχουμε ( ) ( ) ( ) 36 lm lm 0 (3) 5 ( ) ( ) ( ) ( ) lm MSE ˆ lm E ˆ + lm Var ˆ 0 + 0 0 Είναι γνωστό όμως ότι αν το μέσο τετραγωνικό σφάλμα μιας εκτιμήτριας τείνει στο μηδέν, αυτό συνεπάγεται την συνέπεια της εκτιμήτριας ()

(c) Αν ισχύει log f( x; c( x, όπου c σταθερό, ποιο είναι το φράγμα CramerRao για εκτιμήτρια της παραμέτρου Εξηγήσατε αν το φράγμα αυτό ισχύει για οποιαδήποτε εκτιμήτρια, ή αν η εκτιμήτρια πρέπει ήδη να έχει μια άλλη (επιθυμητή) ιδιότητα Υποθέτουμε πρώτα ότι η εκτιμήτρια έχει την επιθυμητή ιδιότητα της αμεροληψίας Τότε το φράγμα CramerRao έχει την μορφή CRB I (, όπου é I ( Eê ú ù ë û () Υπολογίζουμε λοιπόν Αρα é ù E ê ú, ë û και συνεπώς έχουμε από την σχέση () CRB (d) Αν η f( x; ) συμβολίζει την κανονική κατανομή με μέσο μηδέν και διακύμανση, να δειχθεί ότι το στατιστικό NeymaFsher Υπολογίζουμε την από κοινού κατανομή του τυχαίου δείγματος είναι επαρκές για την παράμετρο Υπόδειξη: Kριτήριο æ f (,, ; ) Õ f ( ; Õ e ç e p è p Στην τελευταία σχέση αν θέσουμε T, æ ( T, ) ç e g και h (,, ), è p εχουμε f (,, ; ) g( T, h(,, ) () Από την σχέση () και συμφωνα με το κριτήριο NeymaFsher προκυπτει ότι το στατιστικό είναι επαρκές για την παράμετρο

(e) Αν ισχύει E(log ) και παρακάτω σχέσεις: log ¾¾? æ ç è pr log? ¾¾¾ N(0,?) Var(log ), να συμπληρωθούν τα ερωτηματικά στις Επειδη τα,,, αποτελούν τυχαίο δείγμα, έπεται ότι είναι ανεξάρτητα και ότι έχουν ως κοινή κατανομή την f( x; ) Συνεπώς και τα log,, log, είναι επίσης ανεξάρτητα, και ετσι με βάση τον νόμο των μεγάλων αριθμών έχουμε log ¾¾ E( log ) pr Με βάση το κεντρικό οριακό θεώρημα (ΚΟΘ) έχουμε όπου ( m) ¾ N(0, s ) ¾¾, m,s συμβολίζει την μέση τιμή και την διακύμανση, αντίστοιχα, της κατανομής των,, Ομοιως το ΚΟΘ μπορει να εφαρμοσθεί, αντι για τον των ή log Τοτε έχουμε æ ç è log E ¾¾ æ ç è ( log ) ¾ N(0, Var( log )) log ( ¾¾¾ N(0, ), στον δειγματικό μέσο log (f) Αν f( x; x, 0 x, να υπολογισθεί η εκτιμήτρια ροπών της παραμέτρου και η εκτιμήτρια μέγιστης πιθανοφάνειας της ίδιας παραμέτρου Για την εκτιμήτρια ροπών ˆ, να συμπληρωθεί το ερωτηματικό στην παρακάτω σχέση: ( ) ¾¾¾ N( 0,? ) Υπόδειξη: Χρησιμοποιήστε το Κεντρικό Οριακό Θεώρημα και το γεγονός ότι ˆ g ( ) Θεωρήστε γνωστό ότι E( ) + και Var( ) ( + ) ( + )

Επειδή ισχύει m E ( ) () + έχουμε από την μέθοδο ροπών ή ˆ ˆ + ˆ () Για να υπολογίσουμε την εκτιμήτρια μέγιστης πιθανοφάνειας σχηματίζουμε την συνάρτηση πιθανοφάνειας L( f (,, ; Õ f ( ; Õ x Õ x Λογαριθμίζοντας εχουμε ( ) log L( log + ( ) L log Παραγωγίζουμε τωρα την L( ως προς οπότε έχουμε Εξισώνοντας με το μηδέν έχουμε ( L + log x x + log x 0 οποτε προκυπτει η εκτιμήτρια μέγιστης πιθανοφάνειας ) mle log x Με βαση το ΚΟΘ εχουμε æ æ ( ) m ç ¾¾¾ N(0, s ) N ç0, è + è ( + ) ( + )

Παρατηρουμε ότι από την σχεση () και ομοιως απο την σχεση () Υπολογίζουμε g m Συνεπώς με βάση το ΚΟΘ έχουμε g(m), όπου g( ) y g( y), y ( m ) ( m) ( + ( ) + ) ( ( g( ) g( m) ) æ ç æ g( m) ¾¾¾ N 0, ç ç è ( + ) ( + ) è m æ N ç0, è ( + ) ( + ) (( + 4 ( + æ Nç 0, è ( + ) Βαθμολογία: (a), (b)5, (c),(d)5, (e)0, (f)5 Μονάδες ΔΩΣΤΕ ΠΛΗΡΕΙΣ ΕΞΗΓΗΣΕΙΣ ΣΕ ΟΛΑ ΤΑ ΕΡΩΤΗΜΑΤΑ!