Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Dakle, S 2 ima χ 2 -distribuciju koja je pozitivno asimetrična i čiji se koeficijent asimetrije<br />
smanjuje povećanjem duljine uzorka (primijetite da je χ 2 (k) ∼: N(k, 2k) za velike k). Vrijedi:<br />
(n − 1)S2<br />
E[<br />
σ 2 ] = E[χ 2 (n − 1)] = n − 1 ⇒ E[S 2 ] = σ 2<br />
(n − 1)S2<br />
Var[<br />
σ 2 ] = Var[χ 2 (n − 1)] = 2(n − 1) ⇒ Var[S 2 ] = 2σ4<br />
n − 1<br />
Za obje statistike X i S 2 vrijedi da im varijance teže u nulu porastom uzorka. Budući da<br />
je E[X] = µ i E[S 2 ] = σ 2 , to znači da X teži vrijednosti parametra µ i isto tako S 2 teži<br />
vrijednosti parametra σ 2 kako veličina uzorka raste. To su poželjna svojstva tih <strong>statistika</strong>.<br />
6.3.3 Nezavisnost uzoračke sredine i varijance<br />
Sljedeće važno svojstvo uzorka iz normalne razdiobe je nezavisnost <strong>statistika</strong> X i S 2 . Dokaz<br />
te činjenice nije jednostavan, ali je njezina vjerodostojnost vidljiva iz sljedećeg promišljanja.<br />
Ako uzorak dolazi iz normalne razdiobe, tada vrijednost ¯x statistike X na opaženom uzorku<br />
ne daje nikakve informacije o parametru σ 2 . Isto tako ni vrijednost s 2 statistike S 2 ne daje<br />
nikakvu informaciju o parametru µ. Naprotiv, ako uzorak dolazi iz, na primjer, eksponencijalno<br />
distribuirane populacije, tada ¯x nosi informaciju i o populacijskoj varijanci jer su<br />
parametri µ i σ 2 za takvu populaciju povezani relacijom σ 2 = µ 2 .<br />
6.4 Studentova t-distribucija<br />
Za statističko zaključivanje o parametru očekivanja µ koristi se standardizirana verzija Z<br />
statistike X:<br />
Z = X − µ √ n,<br />
σ<br />
ako je poznata vrijednost parametra standardne devijacije σ. U tom slučaju je uzoračka<br />
razdioba od Z:<br />
Z ∼ N(0, 1) ako je X uzet iz normalne populacije,<br />
Z ∼: N(0, 1) ako je n dovoljno velik i 0 < σ 2 < +∞.<br />
Ako je vrijednost od σ nepoznata, za zaključivanje o µ koristi se studentizirana verzija T<br />
od X, dakle, slučajna varijabla<br />
T := X − µ √ n<br />
S<br />
gdje je S = √ S 2 uzoračka standardna devijacija.<br />
Pokazuje se da za uzorak X iz normalne populacije uzoračka razdioba od T ne ovisi o<br />
parametrima µ i σ 2 te populacije, već samo o duljini uzorka. Kažemo da T ima Studentovu<br />
ili t-razdiobu s n − 1 stupnjem slobode. Tu činjenicu zapisujemo na sljedeći način:<br />
T ∼ t(n − 1).<br />
Ako populacijska razdioba nije normalna, taj rezutat ne mora vrijediti.<br />
Općenito, ako su Z i V dvije nezavisne slučajne varijable, Z ∼ N(0, 1) i V ∼ χ 2 (k),<br />
tada slučajna varijabla Z/ √ V/k ima Studentovu ili t-distribuciju s k stupnjeva slobode, i<br />
pišemo<br />
Z<br />
√<br />
V/k<br />
∼ t(k).<br />
58