Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
Vjerojatnost i matematička statistika - Poslijediplomski specijalistički ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Poglavlje 8<br />
Pouzdani intervali<br />
Pouzdanim intervalim mjeri se točnost (preciznost) procjenitelja. Neka je X slučajni uzorak<br />
iz populacije s jednodimenzionalnim parametrom θ. (1 − α) · 100%-pouzdan interval za θ<br />
je slučajni interval [ˆθ 1 (X), ˆθ 2 (X)] takav da je<br />
P(ˆθ 1 (X) ≤ θ ≤ ˆθ 2 (X)) = 1 − α.<br />
Kažemo da je vjerojatnost pokrivanja intervala [ˆθ 1 (X), ˆθ 2 (X)] jednaka 1−α. U primjenama<br />
se najčešće koriste 95%-pouzdani intervali (α = 0.05). Dakle, 95%-pouzdani intervali za θ<br />
[ˆθ 1 (X), ˆθ 2 (X)] odredeni su vjerojatnošću pokrivanja od 0.95:<br />
P(ˆθ 1 (X) ≤ θ ≤ ˆθ 2 (X)) = 0.95.<br />
Primijetite da ovdje θ predstavlja pravu (dakle, ne slučajnu) vrijednost parametra, dok<br />
su granice pouzdanog intervala statistike. 95%-pouzdan interval interpretiramo na sljedeći<br />
način. U 95% svih realizacija tog intervala, prava vrijednost od θ će se nalaziti unutar<br />
njihovih granica, a u 5% realizacija to neće biti slučaj. Ovdje se riječ “svih” odnosi na vrlo<br />
velik broj realizacija (opažaja).<br />
Pouzdan interval nije jedinstven. Općenito, konstruira se pomoću uzoračke distribucije<br />
dobrog procjenitelja parametra, na primjer, pomoću MLE. I u tom slučaju treba izabrati<br />
izmedu jednostranog ili dvostranog pouzdanog intervala, jednakorepnog i/ili najkraće<br />
duljine. U slučaju simetrične uzoračke distribucije oko prave vrijednosti parametra, jednakorepni<br />
i pouzdani intervali najkraće duljine se podudaraju.<br />
8.1 Konstrukcija pouzdanih intervala<br />
8.1.1 Pivotna metoda<br />
Opća metoda konstrukcije pouzdanih intervala zove se pivotna metoda. Osnovna pretpostavka<br />
za primjenu te metode je da postoji pivotna veličina g(X, θ) sa sljedećim svojstvima:<br />
1. funkcija je uzorka i parametra;<br />
2. njen zakon razdiobe je poznat;<br />
3. strogo je monotona kao funkcija po parametru.<br />
Budući da je razdioba od g(X, θ) poznata, odredimo brojeve g 1 , g 2 tako da vrijedi:<br />
P(g 1 ≤ g(X, θ) ≤ g 2 ) = 0.95. (8.1)<br />
69