• No results found

Examen Kansrekenen en Statistiek II

N/A
N/A
Protected

Academic year: 2021

Share "Examen Kansrekenen en Statistiek II"

Copied!
2
0
0

Bezig met laden.... (Bekijk nu de volledige tekst)

Hele tekst

(1)

Examen Kansrekenen en Statistiek II

20 juni

1 Theorie

1.1 Ordestatistieken en spacings.

We beschouwen een steekproef uit de Uniforme verdeling op het interval [0, 1]. Hiervan beschouwen we de ordestatistieken Yi en de variabelen Zi gegeven door:

Z1 = Y1, Zi= Yi− Yi−1voor 2 ≤ i ≤ n

1. Geef de domeinen van de stochastische vectoren Y = (Y1, . . . , Yn) en Z = (Z1, . . . , Zn).

2. Bereken de verdeling van Z.

1.2 Almost sure convergentie

1. Geef de definitie van ’almost sure’ convergentie 2. Bewijs de volgende equivalentie:

Xn a.s

−→ X ⇐⇒ lim

n→∞P (∀m ≥ n : |Xm− X| ≤ ) = 1 3. Gebruik makende van ofwel je antwoord op 1. of 2., bewijs dat:

Xn−→ X en Ya.s n−→ Ya.s. =⇒ Xn+ Yn−→ X + Ya.s 1.3 Suffici¨ente statistieken

1. Geef de definitie van een suffici¨ente statistiek

2. De stelling van Fisher-Neyman begint als volgt: Voor X1, . . . , Xni.i.d.

s.v. met een discrete kansverdeling, geldt dat een statistiek T suffici¨ent is voor een parameter θ als en slechts als . . .

Vul de stelling aan en bewijs.

Hint: er wordt iets gefactoriseerd 1

(2)

2 Oefeningen

2.1 Een MLE en alles wat gezegd kan worden over schatters We beschouwen de s.v. X met verdelingsfunctie:

fX(x) =

(θxθ−1 voor x ∈]0, 1]

0 elders (1)

Met θ > 0.

En we hebben een steekproef X1, . . . , Xnuit deze verdeling tot onze beschik- king.

1. Bepaal een MLE ˆθ voor de parameter θ 2. Bepaal de verdeling van de s.v. −ln(X).

3. Bepaal de verdeling van de s.v.

n

P

i=1

−ln(Xi).

4. Bepaal de bias en de variantie van de MLE ˆθ uit 1.

Hint: Voor Y ∼ Γ(a, b) geldt: E(Y1) = a−1b−1, en V ar(Y1) = (a−1)b−22(a−2)

5. Construeer een onvertekende schatter ˜θ voor θ.

6. Bereken de variantie en de effici¨entie van deze schatter ˜θ.

7. Is ˜θ zwak consistent?

2.2 Meer schatters en wat R-code We beschouwen een s.v. X met verdeling:

FX(x) =

(1 −(x−θ)1 a voor θ + 1 < x

0 elders (2)

Beantwoord volgende vragen aan de hand van de bijgevoegde R-code:

1. Hoe genereert men steekproeven uit deze verdeling en waarom werkt dit?

2. Welke parameter wordt er geschat en welke schatter wordt er gebruikt?

3. Wat illustreert Figuur ?? over T als schatter voor θ?

4. Wat kan je afleiden uit Figuur ?? en het tweede deel van de R-code in verband met de verdeling van de schatter T2 = Tn−1+ 1?

(R-code en figuren nog toe te voegen) 2

Referenties

GERELATEERDE DOCUMENTEN

De volgende R-code en output illustreren 2 gedra- gingen van deze limiet aan de hand van steekproeven uit Y j van

→ De Delta methode kan worden gebruikt om een benadering te bepalen voor de verwachte waarde, de variantie, .... van een functie g van een

Test of het mediaan inkomen van mensen met een doctoraat significant hoger is dan 115 (wat in deze data set overeenkomt met het mediaan inkomen van statistici met een

1) Hier moesten er een aantal onbekende waarden in de R-output aangevuld worden. Deze waren een aantal vrijheidsgraden bij een T-test, een p-waarde en 1 van de twee grenzen van een

Bereken de kans zowel voor de normale als voor de exponenti¨ele verdeling dat een data punt verder zal liggen dan de bovenste whisker in de boxplot3. Vergelijk beide kansen

Mag je op basis van deze gegevens besluiten dat er een afhankelijkheid bestaat tussen het niveau van opleiding en religieuse overtuiging?... Toon aan dat de cumulatieve

 Je weet wat een stochast is en kent het verschil tussen discrete en continue stochasten.  Je weet wat de kansverdelingsfunctie en de cumulatieve verdelingsfunctie van

Als we over het voorgaande tevreden zijn, is het voor de keuze van een bepaald type plaatje of getal belangrijk dat we het meetniveau van de gegevens kennen.. Voordat we zelfs