Einführung in die Stochastik, Prof. Lerche - Abteilung für ...
Einführung in die Stochastik, Prof. Lerche - Abteilung für ...
Einführung in die Stochastik, Prof. Lerche - Abteilung für ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
106 12 SCHLIEßENDE STATISTIK<br />
12.2 Punktschätzer<br />
Gegeben sei e<strong>in</strong> statistisches Modell (Ω, A, P θ , θ ∈ Θ). Dabei ist Ω <strong>die</strong> Beobachtungsmenge,<br />
A <strong>die</strong> σ-Algebra über Ω und {P θ ; θ ∈ Θ} e<strong>in</strong>e durch Θ ⊂ R k <strong>in</strong>dizierte Schar von<br />
Wahrsche<strong>in</strong>lichkeitsmaßen.<br />
12.2.1 Def<strong>in</strong>ition (Schätzer)<br />
E<strong>in</strong> Vektor T = (T 1 , . . . , T k ), bestehend aus Zufallsvariablen, heißt Schätzer, falls T (Ω) ⊂<br />
Θ gilt.<br />
12.2.2 Def<strong>in</strong>ition (Maximum-Likelihood-Schätzer)<br />
Sei {f θ (ω)|θ ∈ Θ} e<strong>in</strong>e durch θ <strong>in</strong>dizierte Schar von Wahrsche<strong>in</strong>lichkeitsfunktionen oder<br />
Wahrsche<strong>in</strong>lichkeitsdichten auf Ω. Dann heißt ˆθ(ω) := arg max f θ(ω) Maximum-Likelihoodθ∈Θ<br />
Schätzer von θ. Es gilt fˆθ(ω)<br />
(ω) = max f θ (ω).<br />
θ<br />
Somit stellt sich <strong>die</strong> Aufgabe: Maximiere für das beobachtete ω <strong>die</strong> Funktion θ ↦→ f θ (ω).<br />
12.2.3 Beispiele:<br />
1) B<strong>in</strong>omialverteilung:<br />
f θ (k) = ( n<br />
k)<br />
θ k (1 − θ) n−k , 0 ≤ k ≤ n, 0 ≤ θ ≤ 1.<br />
Hier ist der Maximum-Likelihood-Schätzer: ˆθ(k) = k n . Denn:<br />
∂<br />
∂θ f θ(k) = ! 0<br />
( n<br />
⇔ [kθ<br />
k)<br />
k−1 (1 − θ) n−k − (n − k)(1 − θ) n−k−1 θ k !<br />
] = 0<br />
( n<br />
⇒ θ<br />
k)<br />
k−1 (1 − θ) n−k−1 (k(1 − θ) − (n − k)θ) = 0<br />
⇒ k − kθ − nθ + kθ = 0<br />
⇒ k = nθ<br />
⇒ θ = k n<br />
⇒ ˆθ = k n .<br />
2) Poisson-Verteilung<br />
f θ (k) = θk<br />
k! e−θ , θ ∈ (0,∞), k ∈ N ∪ {0}.<br />
Hier ist ˆθ = k, da<br />
0 = ! ∂ ∂θ f θ(k) = kθk−1<br />
e −θ − θk<br />
k! k! e−θ<br />
⇒ 0 ! = k − θ ⇒ ˆθ = k.