Statistik II für Statistiker, Mathematiker und Informatiker (SS ... - LMU
Statistik II für Statistiker, Mathematiker und Informatiker (SS ... - LMU
Statistik II für Statistiker, Mathematiker und Informatiker (SS ... - LMU
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
9. Schätzen 9.2 Schätzer <strong>für</strong> Parameter <strong>und</strong> ihre Eigenschaften<br />
9. Schätzen 9.2 Schätzer <strong>für</strong> Parameter <strong>und</strong> ihre Eigenschaften<br />
Definition: Erwartungstreue <strong>und</strong> Verzerrung<br />
Interpretation:<br />
• T = g(X 1 , ...,X n ) heißt erwartungstreu (unverzerrt) <strong>für</strong> θ:⇔<br />
E(T) = θ<br />
<strong>für</strong> alle θ ∈ Θ<br />
• T heißt verzerrt:⇔<br />
E(T) ≠ θ<br />
E(T) − θ heißt Verzerrung (Bias).<br />
• T = g(X 1 , ...,X n ) heißt asymptotisch erwartungstreu:⇔<br />
lim E(T) = θ<br />
n→∞<br />
<strong>Statistik</strong> <strong>II</strong> <strong>für</strong> <strong>Statistik</strong>er, <strong>Mathematiker</strong> <strong>und</strong> <strong>Informatiker</strong> im <strong>SS</strong> 2007 116<br />
<strong>Statistik</strong> <strong>II</strong> <strong>für</strong> <strong>Statistik</strong>er, <strong>Mathematiker</strong> <strong>und</strong> <strong>Informatiker</strong> im <strong>SS</strong> 2007 117<br />
9. Schätzen 9.2 Schätzer <strong>für</strong> Parameter <strong>und</strong> ihre Eigenschaften<br />
9. Schätzen 9.2 Schätzer <strong>für</strong> Parameter <strong>und</strong> ihre Eigenschaften<br />
Beispiele:<br />
• E( ¯X) = µ, d.h. ¯X <strong>für</strong> µ unverzerrt<br />
• H n<br />
<strong>für</strong> π unverzerrt<br />
• E(˜S 2 ) = E( 1 n<br />
⇒ ˜S 2 verzerrt<br />
∑i (X i − ¯X) 2 ) = n−1<br />
n σ2<br />
Bias(˜S 2 ) = E(˜S 2 ) − σ 2 = n−1<br />
n σ2 − σ 2 = − σ2<br />
n<br />
˜S 2 asymptotisch ewartungstreu, da Verzerrung − σ2<br />
n → 0 <strong>für</strong> n → ∞<br />
Beweise zu Erwartungstreue/Bias von Schätzern <strong>für</strong> σ 2 = V ar(X)<br />
a) µ = E(X) sei bekannt.<br />
[ ]<br />
n∑<br />
1<br />
⇒ E (X i − µ) 2 ↓<br />
n<br />
i=1<br />
Linearität von E<br />
= 1 n<br />
i=1<br />
b) µ unbekannt; durch ¯X geschätzt<br />
⇒ ˜S<br />
n∑<br />
2 = 1 n<br />
(X i − ¯X) 2 , aber E[˜S 2 ] = n−1<br />
i=1<br />
⇒ ˜S 2 verzerrt!<br />
n∑<br />
E [ (X i − µ) 2] = 1<br />
} {{ } n · nσ2 = σ 2<br />
V ar(X i )=σ 2<br />
n σ2<br />
• E(S 2 ) = σ 2 ,<br />
S 2 unverzerrt<br />
<strong>Statistik</strong> <strong>II</strong> <strong>für</strong> <strong>Statistik</strong>er, <strong>Mathematiker</strong> <strong>und</strong> <strong>Informatiker</strong> im <strong>SS</strong> 2007 118<br />
<strong>Statistik</strong> <strong>II</strong> <strong>für</strong> <strong>Statistik</strong>er, <strong>Mathematiker</strong> <strong>und</strong> <strong>Informatiker</strong> im <strong>SS</strong> 2007 119