Oczekiwana wartość iid zmiennych losowych


10

Natknąłem się na ten wyprowadzeniu których nie rozumiem: jeśli X1,X2,...,Xn są losowych próbek o wymiarach N zaczerpniętych z populacji średniej μ i wariancji σ2 , a następnie

X¯=(X1+X2+...+Xn)/n

E(X¯)=E(X1+X2+...+Xn)/n=(1/n)(E(X1)+E(X2)+...+E(Xn))

E(X¯)=(1/n)(μ+μ+...n times)=μ

Tu się zgubiłem. Zastosowano argument E(Xi)=μ ponieważ są one identycznie rozłożone. W rzeczywistości to nie jest prawda. Załóżmy, że mam próbkę, S={1,2,3,4,5,6} a następnie, jeśli losowo wybiorę 2 liczby z zamianą i powtórzę tę procedurę 10 razy, to otrzymam 10 próbek: (5, 4) (2 , 5) (1, 2) (4, 1) (4, 6) (2, 4) (6, 1) (2, 4) (3, 1) (5, 1). Tak to wygląda dla 2 zmiennych losowych X1,X2 . Teraz, jeśli wezmę wartość oczekiwanąX1 dostaję,

E(X1)=1.(1/10)+2.(3/10)+3.(1/10)+4.(2/10)+5.(2/10)+6.(1/10)=34/10=3.4

Ale oczekiwana wartość populacji wynosi 3,5. Co właściwie jest nie tak w moim rozumowaniu?


1
Nieprawidłowe jest to, że jest zmienną losową, a nie próbką ...X
Tim

6
Mylisz średnią empiryczną na podstawie próby i średnią probabilistyczną na podstawie rozkładu populacji. Pierwsza jest losowa, druga nie.
Xi'an,

Odpowiedzi:


8

Przede wszystkim, nie są próbki. Są to zmienne losowe, jak wskazał Tim. Załóżmy, że przeprowadzasz eksperyment, w którym szacujesz ilość wody w produkcie spożywczym; w tym celu powiedzmy 100 pomiarów zawartości wody dla 100 różnych artykułów spożywczych. Za każdym razem, gdy otrzymujesz wartość zawartości wody. Tutaj zawartość wody jest zmienna losowa i teraz załóżmy, że na świecie istniało ogółem 1000 artykułów spożywczych. 100 różnych artykułów spożywczych będzie nazywanych próbką tych 1000 artykułów spożywczych. Zauważ, że zawartość wody jest zmienną losową i 100 próbek uzyskanej zawartości wody stanowi próbkę. X1,X2,...,Xn

Załóżmy, że losowo próbkujesz n wartości z rozkładu prawdopodobieństwa, niezależnie i identycznie, przy założeniu, że . Teraz trzeba znaleźć się wartość oczekiwaną ° X . Ponieważ każdy z X i jest pobierany niezależnie i identycznie, oczekiwana wartość każdego z X i wynosi μ . Dlatego otrzymujesz n μE(X)=μX¯XiXiμ.nμn=μ

Trzecie równanie w twoim pytaniu jest warunkiem, aby estymator był obiektywnym estymatorem parametru populacji. Warunkiem bycia estymatorem jest bezstronny

E(θ¯)=θ

gdzie theta jest parametrem populacji, a jest parametrem oszacowanym na podstawie próby.θ¯

W twoim przykładzie populacja wynosi i otrzymałeś próbkę 10 wartości id, które wynoszą { 5 , 2 , 1 , 4 , 4 , 2 , 6 , 2 , 3 , 5 }{1,2,3,4,5,6}10{5,2,1,4,4,2,6,2,3,5}. Pytanie brzmi: w jaki sposób oszacowałbyś średnią populacji przy tej próbie. Zgodnie z powyższym wzorem średnia w próbie jest obiektywnym estymatorem średniej populacji. Bezstronny estymator nie musi być równy rzeczywistej średniej, ale jest tak bliski średniej, jak to tylko możliwe, biorąc pod uwagę te informacje.

Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.