Statistica e Applicazioni – Esercitazione 3
Transcript
Statistica e Applicazioni – Esercitazione 3
Statistica e Applicazioni – Esercitazione 3 Esercizio 1. Dati un campione casuale (Xn )n≥1 con E [X1 ] = µ e Var(X1 ) = σ 2 < ∞ e Tn := 1/X̄n , dimostrare che √ 1 σ d n Tn − −→ 2 Z, n → ∞ µ µ in cui Z ∼ Gauss(0, 1) [Si sfrutti il teorema centrale del limite e il teorema di Slutsky]. Esercizio 2. Sia X1 , . . . , Xn , . . . un campione casuale estratto da una popolazione con distribuzione U ([0, θ]), θ > 0. Si dimostri che la successione degli stimatori di massima verosimiglianza per θ è θ̂n = X(n) , cioè il massimo delle prime n osservazioni. 1. Dimostrare che θ̂n è una successione di stimatori consistente; 2. Sia kn = n, calcolare la varianza asintotica di θ̂n rispetto a questa successione, cioè limn→∞ V arθ nθ̂n ; 3. Calcolare la distribuzione asintotica di θ̂n rispetto a kn , cioè il limite di kn θ̂n − θ . Esercizio 3. Sia X1 , . . . , Xn un campione casuale estratto da una popolazione con distribuzione Gamma (α, β), α, β > 0. 1. Si dimostri che per α = k ∈ N0 , si ha Pk,β (X1 ≤ X) =: Fk,β (x) = 1 − e−βx k−1 X i=0 ∞ i i X (xβ) (xβ) = e−xβ . i! i! i=k 2. Si costruisca il modello statistico M nei casi: A) α è incognito e β è noto; B) β è incognito e α è noto; 3. Si trovi una statistica sufficiente per il modello nei due casi. 4. Si calcolino gli stimatori di massima verosimiglianza e dei momenti per i parametri nel caso B). 5. Si verifichi se lo stimatore di massima verosimiglianza è corretto, se ne calcoli l’errore quadratico medio e si verifichi se la successione di stimatori è consistente. 6. Si verifichi se il modello è regolare e il limite inferiore di Cramér–Rao è raggiungibile. 7. Si dimostri che la successione degli stimatori di massima verosimiglianza è asintoticamente normale, se ne calcoli la varianza e si dimostri che è raggiunto il limite inferiore asintotico di Cramér–Rao. 8. Nel caso A), si verifichi se il modello è a rapporto di verosimiglianza monotono Esercizio 4. Un’azienda che lavora prodotti chimici ha acquistato un lotto di soluzione acquosa di cloruro di sodio al 23 %. Il settore controllo qualità intende verificare la qualità dei prodotti acquistati in termini di concentrazione, a tal fine estrae a caso (con reimmissione) dal lotto n contenitori e ne verifica la reale concentrazione, che indichiamo con Xi . É noto che la concentrazione della soluzione ha una distribuzione continua con la seguente densità fθ (x) = θxθ−1 I[0,1] (x), θ > 0. 1. Si determinino lo spazio campionario, quello dei parametri e la distribuzione congiunta del campione X1 , . . . , Xn . 2. Si trovi una statistica sufficiente per il modello. 3. Si calcolino gli stimatori dei momenti e di massima verosimiglianza per il rapporto tra soluto e solvente, E θ (X1 ) cioè τ (θ) = 1−E . θ (X1 ) 4. Si dimostri che lo stimatore di massima verosimiglianza è distorto, se ne calcoli la varianza e si trovi uno stimatore corretto che sia funzione di quello di massima verosimiglianza. 5. Si dimostri che il modello soddisfa le condizioni di regolarità e si verifichi se lo stimatore di massima verosimiglianza (corretto) raggiunge il limite inferiore di Cramér–Rao. 6. Si dimostri che lo stimatore di massima verosimiglianza è asintoticamente normale e se ne calcoli la varianza asintotica. 7. Date le ipotesi H0 : θ = θ0 vs H1 : θ = θ1 , in cui θ0 < θ1 . Si costruisca il relativo test di Neyman–Pearson di taglia α. 8. Dimostrare che il test è un test di taglia α anche per le ipotesi H0 : θ ≤ θ0 vs H1 : θ > θ0 . calcolarne la funzione potenza. 9. Si costruisca un test di taglia α per le ipotesi H0 : θ = θ0 vs H1 : θ 6= θ0 e se ne calcoli la funzione potenza. Esercizio 5. Sia X1 , . . . , Xn un campione casuale estratto da una popolazione con distribuzione U ([θ, θ + 1]), θ ∈ R. Si dimostri che la successione degli stimatori di massima verosimiglianza per θ è θ̂n = X(n) , cioè il massimo delle prime n osservazioni. 1. Si determinino lo spazio campionario, quello dei parametri e la distribuzione congiunta del campione X1 , . . . , Xn . 2. Calcolare lo stimatore dei momenti, il suo valore atteso e la sua varianza. 3. Dimostrare che θ̂n = X(n) − 1 e θ̃n := X(1) sono stimatori di massima verosimiglianza, calcolarne valore atteso, varianza e dimostrare che non sono i soli SMV. 4. Confrontare gli SMV del punto precedente tra di loro e con lo stimatore dei momenti. 5. Data la seguente successione di eventi An = {lo stimatore di SMV in un campione di ampiezza n non è unico} dimostrare che P (An ) = 1 per ogni n. 6. Dimostrare che θ̂n è una successione di stimatori consistente; 7. Dimostrare che la successione di SMV e quella dei momenti sono asintoticamente normali, se ne calcoli la varianza asintotica e si confrontino gli stimatori su tale base. Esercizio 6. Sia X1 , . . . , Xn un campione casuale estratto da una popolazione con distribuzione gaussiana con valore atteso µ e varianza σ 2 , in cui µ ≥ 0. 1. Si determinino spazio campionario, spazio dei parametri e funzione di densità del campione. 2. Si calcoli la funzione di verosimiglianza, in particolare il dominio della funzione, e si ottenga una statistica sufficiente per il modello. 3. Si calcoli lo stimatore di massima verosimiglianza per µ e la sua distribuzione (si osservi attentamente quale è lo spazio dei parametri). Esercizio 7. Sia X1 , . . . , Xn un campione casuale estratto da una popolazione con la seguente densità fθ (x) = (k − 1)θk−1 x−k I[θ,∞) (x) in cui k è un intero maggiore o uguale di 2 noto e θ > 0. 1. Calcolare la funzione di ripartizione delle osservazioni, determinare spazio campionario, dei parametri e funzione di verosimiglianza del campione. 2. Trovare una statistica sufficiente per il modello. 3. Trovare lo stimatore di massima verosimiglianza e dei momenti per θ.