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.
110 12 SCHLIEßENDE STATISTIK<br />
12.4.1 Beispiel: Fischteichgröße<br />
Aus e<strong>in</strong>em Fischteich werden 50 Fische gefangen, markiert und wieder ausgesetzt. Bei<br />
e<strong>in</strong>em erneuten Fang von 50 Fischen ist ke<strong>in</strong> markierter Fisch dabei. Was läßt sich über<br />
<strong>die</strong> Größe des Fischteichs N sagen?<br />
Re<strong>in</strong> logisch, daß m<strong>in</strong>destens 100 Fische im Teich s<strong>in</strong>d. Aber hätte man nur e<strong>in</strong>en markierten<br />
Fisch gefangen, so wäre der Maximum Likelihood-Schätzer (berechnet im Hypergeometrischen<br />
Modell) ˆN = 2500. Folglich ist N wohl viel größer.<br />
Sei p N = P N ( ke<strong>in</strong> markierter Fisch im Fang ),<br />
)<br />
dann ist p N =<br />
( N−50<br />
50<br />
( N<br />
50) im Hypergeometrischen Modell.<br />
Sei α > 0 vorgegeben und N(α) so gewählt, daß p N(α) ≤ α aber p N(α)+1 > α ist. Dann<br />
gilt auch max p N ≤ α. Nun kann man, falls ke<strong>in</strong> markierter Fisch im Fang ist, mit e<strong>in</strong>er<br />
N≤N(α)<br />
Irrtumswahrsche<strong>in</strong>lichkeit α folgern, daß N ≥ N(α) ist.<br />
Die folgende Tabelle liefert α <strong>in</strong> Abhängigkeit von N, e<strong>in</strong>mal exakt und e<strong>in</strong>mal als B<strong>in</strong>omialapproximation<br />
p N ≈ ( )<br />
N−50 50.<br />
N Für große N ist <strong>die</strong> Approximation erstaunlich gut.<br />
N α α B<strong>in</strong><br />
300 4, 33 · 10 −5 1, 09 · 10 −4<br />
600 0,0106 0,0128<br />
1200 0,1137 0,1191<br />
2500 0,3605 0,3642<br />
5000 0,6035 0,6050<br />
12.4.2 Def<strong>in</strong>ition (Konfidenz<strong>in</strong>tervall)<br />
Sei Ω ⊂ R n und P θ e<strong>in</strong>e Schar von Ws-Maßen, θ ∈ Θ ⊂ R. Sei R <strong>die</strong> Menge der abgeschlossenen<br />
Intervalle auf R. I : Ω → R heißt Konfidenz<strong>in</strong>tervall (K.I.) mit Sicherheitswahrsche<strong>in</strong>lichkeit<br />
1−α mit 0 < α < 1, wenn für alle θ ∈ Θ gilt: P θ ({ω|θ ∈ I(ω)}) ≥ 1−α.<br />
Bemerkungen:<br />
1) I(ω) = Θ ist Konfidenz<strong>in</strong>tervall mit Sicherheitswahrsche<strong>in</strong>lichkeit (SWS) 1.<br />
2) E<strong>in</strong> Konfidenz<strong>in</strong>tervall sollte aber möglichst kle<strong>in</strong> se<strong>in</strong>.<br />
12.4.3 Beispiele zu Konfidenz<strong>in</strong>tervallen bei Normalverteilung<br />
Seien X 1 , ..., X n unabhängig und alle nach N(µ, σ 2 )-verteilt.<br />
a) σ 2 sei bekannt, µ sei unbekannt. Sei k α so, dass Φ(k α ) = α ist. Es gilt −k α = k 1−α . Sei<br />
x = (x 1 , ..., x n ). I n (x) = [ˆµ n (x) − k √1−α<br />
n<br />
σ, ˆµ n (x) + k √1−α<br />
n<br />
σ] ist zweiseitiges Konfidenz<strong>in</strong>tervall<br />
zur Sicherheitswahrsche<strong>in</strong>lichkeit 1 − 2α. Denn:<br />
P µ,σ 2<br />
({<br />
x∣ µ ∈<br />
[<br />
ˆµ n (x) ± k ]}) ({<br />
1−α<br />
√ σ = P µ,σ 2<br />
n<br />
√ })<br />
x∣<br />
n(ˆµn (x) − µ)<br />
∣ σ ∣ ≤ k 1−α