Mamy próbę \(\displaystyle{ \left( X_{1},X_{2},...,X_{n}\right)}\) pochodzącą z rozkładu jednostajnego \(\displaystyle{ U( \alpha , \beta )}\) dobrać parametr \(\displaystyle{ a}\) tak, aby estymator: \(\displaystyle{ T\left( X_{1},X_{2},...,X_{n}\right)=a \cdot (X_{n:n}-X_{1:n})}\) był nieobciążony.
Nie mam w ogóle pojęcia, w jaki sposób policzyć, w tym przypadku, wartość oczekiwaną estymatora. Czy byłby w stanie mi ktoś to rozpisać i wytłumaczyć albo naprowadzić na trop?
Mam też inne, raczej poważniejsze pytanie. Jakie materiały do nauki statystyki polecacie? Bo powiem szczerze, że moje wykłady z tego przedmiotu to totalne dno, a problemów z tymi zajęciami coraz więcej. Mam podręcznik autorstwa M.Krzyśko, ale jakoś trafia to do mnie.
Mogą być również pdf-y. Najlepiej polskojęzyczne, ale może być również coś po angielsku.
Estymator nieobciążony - rozstęp
Estymator nieobciążony - rozstęp
No to takich rozkładów powinieneś wcześniej się nauczyć liczyć wartości oczekiwane. Bez wiedzy z prawdopodobienstwa dalej bedziesz mial takie problemy wiec proponuje powtorke materialu
-
- Użytkownik
- Posty: 500
- Rejestracja: 19 lip 2011, o 09:20
- Płeć: Mężczyzna
- Lokalizacja: Zielona Góra
- Podziękował: 19 razy
- Pomógł: 79 razy
Estymator nieobciążony - rozstęp
Dobrze znam wartości oczekiwane tych najpopularniejszych rozkładów i własności wartości oczekiwanej.
Czy \(\displaystyle{ E(X_{n:n})= \frac{ \alpha + \beta }{2}}\)?
Tego nie umiem policzyć, intuicja mówi mi, że ta wartość oczekiwana tej największej zmiennej losowej powinna być większa od \(\displaystyle{ \frac{ \alpha + \beta }{2}}\) i zależna od n.-- 4 kwi 2013, o 13:58 --Chyba sam już sobie poradziłem.
Miodzio Twoja pomoc była nieoceniona.
Czy \(\displaystyle{ E(X_{n:n})= \frac{ \alpha + \beta }{2}}\)?
Tego nie umiem policzyć, intuicja mówi mi, że ta wartość oczekiwana tej największej zmiennej losowej powinna być większa od \(\displaystyle{ \frac{ \alpha + \beta }{2}}\) i zależna od n.-- 4 kwi 2013, o 13:58 --Chyba sam już sobie poradziłem.
Miodzio Twoja pomoc była nieoceniona.