6. Ders Tahmi Edici Elde Etme Yötemleri Öceki derslerde ve ödevlerde U(0; ) ; = (0; ) da¼g l m da, da¼g l m üst s r ola parametresi içi tahmi edici olarak : s ra istatisti¼gi ve öreklem ortalamas heme akla gele adaylar aras da yer alm şt. Hatta öreklem stadart sapmas p ile çarp m da tahmi edici olarak düşüülmüştü. T = X () T = X _ T 3 = Öreklem Ortacas T 4 = + X () T 5 = X () + X () T 6 = p S istatistikleri içi tahmi edici olarak öerilebilir. Başkalar da öerilebilir. Bular aras da T 4 yas z tahmi edicisi düzgu e küçük varyasl yas z tahmi edicidir, çükü, yeterli ve tam ola X () istatisti¼gii bir foksiyoudur (Lehma-Sche e Teoremi). Baz durumlarda tahmi edici öermek o kadar kolay olmamaktad r. Öre¼gi, kitle da¼g l m Gamma ( (; )) oldu¼guda, parametreleri kedileri içi tahmi edici öermek sezgisel olarak kolay olmamaktad r. Kitle ortlamas içi tahmi edici olarak X () öreklem ortalamas öerilebilir. Kitle varyas içi tahmi edici olarak S öreklem varyas öerilebilir. Acak ; parametrelerii kedileri içi tahmi ediciler öermek kolay de¼gildir.
Mometler Yötemi Mometler yötemi, 800 lü y llar solar da Karl Pearso a dayaa e eski yötemlerde birisidir. = ( ; ; :::; r ) 0 R r olmak üzere, r (r ) bileşeli parametre vektörüü tahmi etmek isteyelim. X ; X ; :::; X olas l k yo¼guluk foksiyou f(; ); ola da¼g l mda bir öreklem olmak üzere, var olmas halide, kitle da¼g l m mometleri, ve öreklem mometleri, k = E (X k ) ; k = ; ; 3; ::: k = X Xi k ; k = ; ; 3; ::: olsu. Kitle mometleri ile öreklem mometleride ilk r taesii eşitlemesiyle elde edile ve ; ; :::; r bilimeyelerie göre r tae deklemde oluşa deklem sistemii çözümü ola, (X ; X ; :::; X ) ; (X ; X ; :::; X ) ; :::; istatistiklerie mometler yötemi tahmi edicileri deir. Örek: X ; X ; :::; X olas l k yo¼guluk foksiyou, r (X ; X ; :::; X ) f(x; ; ) = ( ) x e x ; x > 0; ; (0; ) ola da¼g l mda bir öreklem olsu. Kitle ve öreklem mometleride ilk iki taesii eşitlemesiyle, X : = : + : = X X i X i
deklem sistemi elde edilir. Burada, ve i mometler yötemi tahmi edicileri, 3 olarak buluur. = X P _ (X i X) ; = P _ (X i X) X Örek: X ; X ; :::; X ler U( ; ) ; ; R; < da¼g l m da bir öreklem olsu. U( ; ) düzgü da¼g l m olas l k yo¼guluk foksiyou, f(x; ; ) = ; x 0 ; d:y: olup, birici mometi, ikici mometi, = + = + + olmak üzere, kitle ile öreklem mometlerii eşitlemesiyle, + + + 3 = = deklem sistemi elde edilir. Burada ve i mometler yötemi tahmi edicileri, v u P _ t (X i X) e = X 3 olarak buluur. X X X i X i v u P _ t (X i X) ; e = X + 3
4 E Çok Olabilirlik Yötemi Ta m: X = (X ; X ; :::; X ) öreklemii olas l k (yo¼guluk) foksiyou, f(x;) = f( ; ) olmak Q üzere, L(; x) = f(x; ) ; foksiyoua, gözlee x =(x ; x ; :::; x ) içi olabilirlik foksiyou veya k saca olabilirlik foksiyou deir. Geelde, L(; x) olabilirlik foksiyou bir olas l k yo¼guluk foksiyou de¼gildir, çükü bir foksiyou ola L(; x) foksiyou içi R L(; x)d de¼geri bire eşit olmayabilir. Olabilirlik Ilkesi: Bir deeyde (gözlemde) hakk da elde edilebilecek tüm bilgi, verile x = (x ; x ; :::; x ) gözlem vektörü içi olabilirlik foksiyouda içerilmektedir. x; y X olmak üzere her içi, L(; x) = c(x; y)l(; y) oldu¼guda, hakk da x; y gözlemleride ç kar lacak souçlar ay olmal d r. c(x; y) = durumuda Olabilirlik Ilkesi, ay olabilirlik de¼gerlerie sahip gözlemleri hakk da ay bilgiyi içerdiklerii söylemektedir. Acak Olabilirlik Ilkesi daha ileriye gitmektedir. Farkl iki gözlemi olabilirlikleri orat l ise hakk da ay bilgiyi içerdiklerii de ifade etmektedir. Öre¼gi, X gözlem vektörü içi L( ; x) = L( ; x) ise ; e göre iki kat daha caziptir deir. L(; x) = c(x; y)l(; y) de sa¼gla yorsa L( ; y) = L( ; y) olur. Böylece le y de hagisi gözleirse gözlesi, e göre iki kat daha caziptir soucua var l r. E çok olabilirlik yötemi, tahmi edicileri elde etme yötemleri aras da e popüler ola d r. Ta m: X = (X ; X ; :::; X ) öreklemii olas l k (yo¼guluk) foksiyou, f(x;) = f( ; ) olmak üzere X = x olarak gözledi¼gide Q bir foksiyou ola, L(; x) = f(x; ) ;
olabilirlik foksiyouu parametre kümesi üzeride maksimum yapa (x) de¼gerie, var olmas halide e çok olabilirlik tahmii ve ( X) istatisti¼gie de e çok olabilirlik tahmi edicisi deir. Kar ş kl ¼ga yol açmad ¼g takdirde e çok olabilirlik tahmii ile e çok olabilirlik tahmi edicisii ay sembolü ile gösterece¼giz. Bua göre, L( ; x) = max Y f( ; ) d r. Logaritma foksiyouu mootolu¼gu gözöüe al d ¼g da, l L( ; x) = max X l f( ; ) P yaz labilir. Baz durumlarda max l f( ; ) optimizasyo problemii çözmek daha kolay olmaktad r. Bu sebepte dolay geellikle, olabilirlik foksiyou yerie ou do¼gal logaritmas ola ve log-olabilirlik foksiyou da dee foksiyo maksimize edilmektedir. Baz durumlarda (x ; x ; :::; x ) çözümüü x ; x ; :::; x ler ciside ifade etmek, başka bir deyişle aalitik çözüm elde etmek mümkü olmakta, baz durumlarda da mümkü olmamaktad r. Aalitik çözüm elde edilemedi¼gide e çok olabilirlik tahmi edicisi biçimsel olarak bilimemekte, yai öreklemi bir foksiyou olarak aç k bir biçimde yaz lamamaktad r. Böyle durumlarda, optimizasyo problemi belli bir say sal algoritma ile çözülüp parametrei tahmii elde edilmektedir. Örek: X ; X ; :::; X ler N(; ) ; R ormal da¼g l m da bir öreklem olsu. 5 L(; x) = ( ) e l L(; x) = P ( ) l() X ( ) olmak üzere, max l L(; x) optimizasyo problemii çözümü, R
6 (x ; x ; :::; x ) = ve e çok olabilirlik tahmi edicisi, ( X ; X ; :::; X ) = d r. K saca = X olarak gösterebiliriz. P P X i Örek: X ; X ; :::; X ler N( ; ) ; R; (0; ) ormal da¼g l m da bir öreklem olsu. olmak üzere L( ; ; x) = ( ) e l L( ; ; x) = l( ) P ( ) X ( ) max l L( ; ; x) optimizasyo problemii çözümü, R; (0;) (x ; x ; :::; x ) = x P (x i x) (x ; x ; :::; x ) = ve ile parametrelerii e çok olabilirlik tahmi edicileri, d r. ( X ; X ; :::; X ) = X P (X i X) ( X ; X ; :::; X ) =
Örek: X ; X ; :::; X ler U( ; ) ; ; R; < düzgü da¼g l m da bir öreklem olsu. 8 < ( ) ; ; i = ; ; :::; L( ; ; x) = : 0 ; d.y. olmak üzere max l L( ; ; x) optimizasyo problemi aşa¼g daki ; R; < miimizasyo problemie eşde¼gerdir. 7 problemii çözümü, Amaç : mi ; ( ) K s t : x () < x () < ::: < x () = x () = x () olmak üzere ile parametrelerii e çok olabilirlik tahmi edicileri, d r. ( X ; X ; :::; X ) = X () ( X ; X ; :::; X ) = X () X ; X ; :::; X ler olas l k yo¼guluk foksiyou f(x; ) ; ola da¼g l mda bir öreklem ve T istatisti¼gi içi yeterli bir istatistik olmak üzere, e çok olabilirlik tahmi edicisi mevcut ve tek oldu¼guda T i bir foksiyoudur. Bu durumda L(; x ; x ; :::; x ) = k(t (x ; x ; :::; x ); ):h(x ; x ; :::; x ) biçimide olup, max l L(; x ; x ; :::; x ) problemi max k(t (x ; x ; :::; x ); ) problemie döüşüp e çok olabilirlik tahmi edicisi T i bir foksiyou olmaktad r.
8 E çok olabilirlik tahmi edicileri geellikle yal tahmi edicilerdir. Olabilirlik fosiyou ile ilgili baz düzgülük şartlar alt da e çok olabilirlik tahmi edicileri tutarl d rlar. Bir parametresii e çok olabilirlik tahmi edicisi ola ( X ; X ; :::; X ) asimptotik ormal da¼g l ma sahiptir. ( X ; X ; :::; X ) AN(; I() ) d r. E çok olabilirlik tahmi edicileri, parametre üzeride yap la döüşümlere göre de¼gişmez kalmaktad rlar, yai e çok olabilirlik tahmi edicisi ola parametresii g() gibi bir döüşümüü e çok olabilirlik tahmi edicisi g( ) d r. Örek: Belli bir tür elektroik parça içi dayama süresii üstel da¼g l ma sahip oldu¼gu bilisi. Dayama süresii varyas tahmi edilmek istesi. Kitle da¼g l m olas l k yo¼guluk foksiyou, f X (x; ) = e x ; x > 0 beklee de¼geri ve varyas d r. X ; X ; :::; X ler bir öreklem olsu. olmak üzere, max (0;) L(; x) = ( ) e P P l L(; x) = l l L(; x) optimizasyo problemii çözümü, @ l L(; x) @ P + = = 0 P (x ; x ; :::; x ) = + P
9 ve e çok olabilirlik tahmi edicisi, ( X ; X ; :::; X ) = P X i d r. = X olmak üzere, i e çok olabilirlik tahmi edicisi, b = b = X d r. X ( =, = ) olmak üzere, E(X ) = V ar(x ) + = + = + d r. X ; e çok olabilirlik tahmi edicisi yas z de¼gildir. T = + X tahmi edicisi, i yas zl ¼g düzeltilmiş e çok olabilirlik tahmi edicisidir.