Noter til E6 - dirac
Noter til E6 - dirac
Noter til E6 - dirac
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
70 Nogle eksempler<br />
( ) y + κ − 1 Γ(y + κ)<br />
hvor p = 1/(β + 1). Med betegnelsen<br />
=<br />
y y! Γ(κ)<br />
(som hvis m er et naturligt tal, blot er den sædvanlige definition af<br />
binomialkoefficient) er sandsynligheden for y ulykker<br />
( ) y + κ − 1<br />
P(Y = y) =<br />
p κ (1 − p) y , y ∈ {0, 1, 2, . . .}.<br />
y<br />
Vi ser at Y er negativt binomialfordelt med formparameter κ og<br />
sandsynlighedsparameter p = 1/(β + 1).<br />
I den negative binomialfordeling er der to parametre man kan »skrue på«,<br />
og man kan håbe at det derved er muligt at få denne model <strong>til</strong> at passe<br />
bedre <strong>til</strong> observationerne end model 1 gjorde.<br />
I den nye model er middelværdi og varians af Y givet ved<br />
og<br />
E(Y ) = κ(1 − p)/p<br />
= κβ<br />
Var(Y ) = κ(1 − p)/p 2<br />
= E(Y )/p<br />
= κβ(β + 1).<br />
Heraf ses blandt andet at variansen er (β + 1) gange større end middelværdien.<br />
– I det foreliggende talmateriale fandt vi netop at variansen<br />
var større end middelværdien, så foreløbig kan det ikke udelukkes at den<br />
negative binomialfordelingsmodel er brugbar.<br />
Estimation af parametrene i Model 2<br />
Vi benytter som altid med likelihoodmetoden <strong>til</strong> estimation af de ukendte<br />
parametre. Likelihoodfunktionen er<br />
L(κ, p) =<br />
n∏<br />
i=1<br />
( )<br />
yi + κ − 1<br />
p κ (1 − p) yi<br />
y i<br />
= p nκ (1 − p) y1,y2,...,yn n<br />
∏<br />
= konst · p nκ (1 − p) y<br />
i=1<br />
∞∏<br />
k=1<br />
( )<br />
yi + κ − 1<br />
y i<br />
(κ + k − 1) P ∞<br />
j=k fj ,<br />
hvor f k stadig betegner antal observationer som har værdien k. Logaritmen<br />
<strong>til</strong> likelihoodfunktionen bliver derfor (pånær en konstant)<br />
⎛ ⎞<br />
∞∑ ∞∑<br />
ln L(κ, p) = nκ ln p + y ln(1 − p) + ⎝ f j<br />
⎠ ln(κ + k − 1)<br />
k=1<br />
j=k