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.
gdje su ˆθ 1 = X 1 /n 1 i ˆθ 2 = X 2 /n 2 MLE parametara θ 1 i θ 2 . Dakle, aproksimativni 95%-<br />
pouzdani interval za θ 1 − θ 2 je<br />
ˆθ 1 − ˆθ 2 ± 1.96 ·<br />
√<br />
ˆθ1 (1 − ˆθ 1 )<br />
n 1<br />
+ ˆθ 2 (1 − ˆθ 2 )<br />
n 2<br />
.<br />
8.4.4 Usporedba dva Poissonova parametra<br />
Slično kao i za proporcije, razmotrit ćemo samo slučaj velikih uzoraka i konstrukcije aproksimativnih<br />
pouzdanih intervala. Neka su ˆλ 1 = X 1 i ˆλ 2 = X 2 MLE parametara λ 1 i λ 2 dviju<br />
populacija s Poissonovim razdiobama, a na osnovi nezavisnih uzoraka uzetih iz tih populacija.<br />
Konstrukcija se bazira na pivotnoj veličini<br />
(ˆλ 1 − ˆλ 2 ) − (λ 1 − λ 2 )<br />
√ ˆλ1<br />
n 1<br />
+ ˆλ 2<br />
n 2<br />
∼: N(0, 1).<br />
Dakle, aproksimativni 95%-pouzdani interval za λ 1 − λ 2 je<br />
8.5 Spareni podaci<br />
ˆλ 1 − ˆλ 2 ± 1.96 ·<br />
√<br />
ˆλ1<br />
n 1<br />
+ ˆλ 2<br />
n 2<br />
.<br />
Spareni su podaci uobičajen primjer zavisnih uzoraka. Pretpostavimo da imamo slučajan<br />
uzorak iz dvodimenzionalne razdiobe vektora (X, Y ):<br />
(X 1 , Y 1 ), (X 2 , Y 2 ), . . . , (X n , Y n ).<br />
Interpretacija varijabli X i i Y i u paru (X i , Y i ) je da su to po tipu iste varijable, X i se mjeri<br />
prije nečega, recimo nekog tretmana, a Y i nakon tretmana, na istoj statističkoj jedinici i<br />
(i = 1, 2, . . . , n). Zbog toga je prirodno na sparene podatke gledati kao na jedan dvodimenzionalan<br />
uzorak, a ne kao na dva odvojena uzorka (X 1 , X 2 , . . . , X 2 ) i (Y 1 , Y 2 , . . . , Y n ).<br />
Budući da nas zanima srednji doprinos tretmana, analiziraju se razlike D i := X i − Y i ,<br />
i = 1, 2, . . . , n. Dakle, ako sa D := X − Y označimo varijablu čiju populacijsku srednju<br />
vrijednost µ D := µ 1 − µ 2 želimo procijeniti, tada je baza za procjenu izvedeni slučajni<br />
uzorak D = (D 1 , D 2 , . . . , D n ).<br />
Ako je D uzorak iz normalno distribuirane populacije, tada je pivotna veličina za konstrukciju<br />
pouzdanih intervala za µ D :<br />
Dakle, 95%-pouzdani interval za µ D je<br />
D − µ d<br />
S D<br />
√ n ∼ t(n − 1).<br />
D ± t 0.025 (n − 1) S D<br />
√ n<br />
.<br />
Za velike n je t 0.025 (n − 1) ≈ 1.96. U tom slučaju navedeni interval dobro aproksimira<br />
95%-pouzdani interval za µ D i ako populacija nije normalno distribuirana.<br />
76