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.
7.2.1 Jednoparametarski slučaj<br />
Neka je x = (x 1 , x 2 , . . . , x n ) opaženi uzorak za varijablu X s populacijskom gustoćom<br />
f(x|θ), te neka je θ jednodimenzionalan parametar. Tada je vjerodostojnost parametra θ<br />
funkcija<br />
n∏<br />
L(θ) := f(x i |θ).<br />
i=1<br />
Vjerodostojnost nepoznatog populacijskog parametra je, dakle, vjerojatnost da se dogodi<br />
realizacija uzorka koja je opažena ako je populacijska distribucija diskretna, odnosno proporcionalna<br />
je vjerojatnosti okoline opažene realizacije u neprekidnom slučaju, izražena kao<br />
funkcija nepoznatog parametra.<br />
Procjena metodom maksimalne vjerodostojnosti parametra θ je ona vrijednost ˆθ za koju<br />
funkcija θ ↦→ L(θ) poprima maksimalnu vrijednost:<br />
L(ˆθ) = max L(θ).<br />
θ<br />
Očito je ˆθ = ˆθ(x). Dakle, procjenitelj metodom maksimalne vjerodostojnosti, kraće MLE,<br />
parametra θ je <strong>statistika</strong> ˆθ(X).<br />
Često se ne traži maksimum vjerodostojnosti nego njenog logaritma, tzv. log-vjerodostojnosti:<br />
l(θ) := log L(θ),<br />
budući da se maksimumi tih dviju funkcija postižu u istoj vrijednosti za θ, a log-vjerodostojnost<br />
je u pravilu jednostavnija funkcija za maksimiziranje. Ako je θ ↦→ l(θ) diferencijabilna<br />
funkcija, tada je MLE ˆθ jedno od rješenja stacionarne jednadžbe:<br />
l ′ (θ) = 0.<br />
Dakle, MLE efektivno tražimo tako da riješimo stacionarnu jednadžbu, te kao MLE izdvojimo<br />
ono rješenje koje maksimizira log-vjerodostojnost. Na taj način možemo MLE tražiti<br />
jedino ako ImX ne ovisi o parametru θ.<br />
Često nas osim parametra θ zanima neka funkcija g(θ) tog parametra. Za bilo koju<br />
funkciju g vrijedi da je MLE ĝ(θ) od g(θ) jednak g(ˆθ) gdje je ˆθ MLE za θ. Kažemo da procjenitelj<br />
metodom maksimalne vjerodostojnosti ima svojstvo invarijantnosti na funkcijske<br />
transformacije parametara.<br />
Primjer 7.4 Neka je X = (X 1 , X 2 , . . . , X n ) slučajni uzorak iz populacije s Exp(λ)-razdiobom,<br />
pri čemu je λ > 0 nepoznati parametar. Tada je na osnovi opaženog uzorka<br />
x = (x 1 , x 2 , . . . , x n ), vjerodostojnost od λ:<br />
L(λ) =<br />
n∏<br />
i=1<br />
λe −λx i<br />
= λ n e −λ ∑ n<br />
i=1 x i<br />
= λ n e −nλ¯x .<br />
Nadalje, budući da ImX = ⟨0, +∞⟩ ne ovisi o λ, MLE za λ tražimo rješavajući stacionarnu<br />
jednadžbu od log-vjerodostojnosti:<br />
l(λ) = log L(λ) = n log λ − nλ¯x<br />
l ′ (λ) = 0 ⇔ n − n¯x = 0 ⇔ λ = .<br />
λ<br />
1¯x<br />
Dakle, MLE od λ je ˆλ = ˆλ(X) = 1/X. Nadalje, budući da je µ(λ) = 1/λ populacijsko<br />
očekivanje, zbog invarijantnosti od MLE vrijedi da je MLE populacijskog očekivanja jednak<br />
ˆµ(λ) = µ(ˆλ) = X.<br />
63