5. Ders Yeterlilik. f(x 1 ; x 2 ; :::; x n ; ) = g (T (x 1 ; x 2 ; :::; x n ); ) h(x 1 ; x 2 ; :::; x n )

Benzer belgeler
4. Ders Fisher informasyonu s f rdan büyük ve sonlu, yani 0 < I() < 1; R f(x; )dx (kesikli da¼g l mlarda R yerine P.

Tahmin Edici Elde Etme Yöntemleri

3. Ders Parametre Tahmini Tahmin Edicilerde Aranan Özellikler

4/16/2013. Ders 9: Kitle Ortalaması ve Varyansı için Tahmin

AKTÜERLK SINAVLARI OLASILIK VE STATSTK SINAVI ÖRNEK SORULARI. için. 01 olaslk younluk fonksiyonu aa daki seçeneklerden hangisinde yer.

TAHMİNLEYİCİLERİN ÖZELLİKLERİ Sapmasızlık 3.2. Tutarlılık 3.3. Etkinlik minimum varyans 3.4. Aralık tahmini (güven aralığı)

Bağımsızlık özelliğinden hareketle Ortak olasılık fonksiyonu (sürekli ise

2016 YILI I.DÖNEM AKTÜERLİK SINAVLARI RİSK ANALİZİ VE AKTÜERYAL MODELLEME. aşağıdaki seçeneklerden hangisinde verilmiştir? n exp 1.

İSTATİSTİKSEL TAHMİN. Prof. Dr. Levent ŞENYAY VIII - 1 İSTATİSTİK II

ˆp x p p(1 p)/n. Ancak anakütle oranı p bilinmediğinden bu ilişki doğrudan kullanılamaz.

Bir Rasgele Değişkenin Fonksiyonunun Olasılık Dağılımı

f n dµ = lim gerçeklenir. Gösteriniz (Bu teorem Monoton yakınsaklık teoreminde yakınsaklık f n = f ve (f n ) monoton artan dizi

LİNEER OLMAYAN DENKLEMLERİN SAYISAL ÇÖZÜM YÖNTEMLERİ-2

AKT201 MATEMATİKSEL İSTATİSTİK I ÖDEV 6 ÇÖZÜMLERİ

Bu bölümde kan tlayaca m z teoremi, artan ve üstten s -

EME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi Prosedürü. Dağılıma Uyum Testleri. Dağılıma Uyumun Kontrol Edilmesi. Girdi Analizi-II Ders 9

İSTATİSTİK 2. Tahmin Teorisi 07/03/2012 AYŞE S. ÇAĞLI.

BİYOİSTATİSTİK İstatistiksel Tahminleme ve Hipotez Testlerine Giriş Dr. Öğr. Üyesi Aslı SUNER KARAKÜLAH

7. Ders. Bazı Kesikli Olasılık Dağılımları

6 Devirli Kodlar. 6.1 Temel Tan mlar

İşlenmemiş veri: Sayılabilen yada ölçülebilen niceliklerin gözlemler sonucu elde edildiği hali ile derlendiği bilgiler.

Tümevarım_toplam_Çarpım_Dizi_Seri. n c = nc i= 1 n ca i. k 1. i= r n. Σ sembolü ile bilinmesi gerekli bazı formüller : 1) k =

ÖRNEKLEME TEORİSİ VE TAHMİN TEORİSİ

ÖRNEKLEME VE ÖRNEKLEME DAĞILIŞLARI

OLASILIK DAĞILIŞLARI. Ek 1. Moment Türeten Fonksiyon

12. Ders Büyük Sayılar Kanunları. Konuya geçmeden önce DeMoivre-Stirling formülünü ve DeMoivre-Laplace teoremini hatırlayalım. DeMoivre, genel terimi,

İleri Diferansiyel Denklemler

Tahmin teorisinde amaç örneklem (sample) bilgisine dayanarak anakütleye. (population) ilişkin çıkarsamalar yapmaktır. Bu çıkarsamalar örneklem

A= {1,2,3}, B={1,3,5,7}kümeleri veriliyor. A dan B ye tanımlanan aşağıdaki bağıntılardan hangisi fonksiyon değildir?


BEKLENEN DEĞER. 6. Ders. Tanım: X, bir rasgele değişken ve g : R R, B B R için x : g x B B R özelliğine sahip bir fonksiyon olmak üzere:

IV. DERS D FERENS YELLENEB L R MAN FOLDLAR

2.2. Fonksiyon Serileri

Bölüm 5 Olasılık ve Olasılık Dağılışları. Doç.Dr. Suat ŞAHİNLER

NOT: BU DERS NOTLARI TEMEL EKONOMETRİ-GUJARATİ KİTABINDAN DERLENMİŞTİR. HAFTA 1 İST 418 EKONOMETRİ

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LISANS TEZİ MARKOV ZİNCİRLERİNDE BOOTSTRAP. Serhat DUMAN İSTATİSTİK ANABİLİM DALI ANKARA 2006

32. Kardinal Say lar, Tan m ve lk Özellikler

HİPOTEZ TESTLERİ. İstatistikte hipotez testleri, karar teorisi olarak adlandırılır. Ortaya atılan doğru veya yanlış iddialara hipotez denir.

İSTATİSTİKSEL TAHMİNLEME VE HİPOTEZ TESTİ

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ İSTATİSTİKSEL YAKINSAK ALT DİZİLER. Tuğba YURDAKADİM MATEMATİK ANABİLİM DALI

4/4/2013. Ders 8: Verilerin Düzenlenmesi ve Analizi. Betimsel İstatistik Merkezsel Eğilim Ölçüleri Dağılım Ölçüleri Grafiksel Gösterimler

PAMUKKALE ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ BAZI ÜÇGENSEL MATRİS METODLARININ MUTLAK YAKINSAKLIK ALANLARI VE TAUBERIAN TEOREMLERİ ÜZERİNE

2. Topolojik Uzaylarda Ba¼glant l l k Ba¼glant l Topolojik Uzaylar. Tan m (X; ) topolojik uzay n n her biri boş kümeden farkl olan ayr k

İstatistik Ders Notları 2018 Cenap Erdemir BÖLÜM 5 ÖRNEKLME DAĞILIMLARI. 5.1 Giriş

2013 BİRİNCİ SEVİYE AKTÜERLİK SINAVLARI MATEMATİK

x 2$, X nın bir tahminidir. Bu durumda x ile X arasındaki farka bu örnek için örnekleme hatası x nın örnekleme hatasıdır. X = x - (örnekleme hatası)

Veri nedir? p Veri nedir? p Veri kalitesi p Veri önişleme. n Geometrik bir bakış açısı. n Olasılıksal bir bakış açısı

(3) Eğer f karmaşık değerli bir fonksiyon ise gerçel kısmı Ref Lebesgue. Ref f. (4) Genel karmaşık değerli bir fonksiyon için. (6.

REGRESYON DENKLEMİNİN HESAPLANMASI Basit Doğrusal Regresyon Basit doğrusal regresyon modeli: .. + n gözlem için matris gösterimi,. olarak verilir.

fonksiyonu, her x 6= 1 reel say s için tan ml d r. (x 1)(x+1) = = x + 1 yaz labilir. Bu da; f (x) = L

TOPOLOJİK TEMEL KAVRAMLAR

İKİNCİ BÖLÜM REEL SAYI DİZİLERİ

BAĞINTI VE FONKSİYON

İSTATİSTİK DERS NOTLARI

İçindekiler. Ön Söz... xiii

POLİNOMLARDA İNDİRGENEBİLİRLİK. Derleyen Osman EKİZ Eskişehir Fatih Fen Lisesi 1. GİRİŞ

ISF404 SERMAYE PİYASALARI VE MENKUL KIYMETYÖNETİMİ

İÇİNDEKİLER. Ön Söz Polinomlar II. ve III. Dereceden Denklemler Parabol II. Dereceden Eşitsizlikler...

KOPULALAR TEORSNN FNANSTA UYGULAMALARI

Ki- kare Bağımsızlık Testi

Fonksiyonel Analize Giriş I Ara S nav Sorular 29 Kas m Bir metrik uzayda her kapal yuvar kapal bir kümedir. Ispatlay n z.

Pareto Dağılımının Parametrelerinin Đlerleyen Tür Tip-II Sağdan Sansürlü Örneklemlere Dayalı En Küçük Kareler Tahmini

6. BÖLÜM VEKTÖR UZAYI VEKTÖR UZAYI VEKTÖR UZAYLARI

2. Matematiksel kavramları organize bir şekilde sunarak, bu kavramları içselleştirmenizi sağlayacak pedagojik bir alt yapı ile yazılmıştır.

NİÇİN ÖRNEKLEME YAPILIR?

İstatistik ve Olasılık

( KÜME LİSTE, ORTAK ÖZELLİK, ŞEMA YÖNTEMİ ELEMAN SAYISI BOŞ, SONLU, SONSUZ KÜME ALT KÜME VE ÖZELLİKLERİ ) ... BOŞ KÜME. w w w. m a t b a z.

Permütasyon Kombinasyon Binom Aç l m. Olas l k ve statistik. Karmafl k Say lar

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

6.5 Basit Doğrusal Regresyonda Hipotez Testleri İçin Hipotez Testi: 1. Hipotez kurulur. 2. Test istatistiği hesaplanır.

; k = 1; 2; ::: a (k)

ÜNİTE 5 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

İstatistik Nedir? Sistem-Model Kavramı

( KÜME LİSTE, ORTAK ÖZELLİK, ŞEMA YÖNTEMİ ELEMAN SAYISI BOŞ, SONLU, SONSUZ KÜME ALT KÜME VE ÖZELLİK- LERİ ) ... BOŞ KÜME. w w w. m a t b a z.

1.3. Normal Uzaylar. Bu bölümde; regülerlikten daha kuvvetli bir ay rma aksiyomu tan mlanarak. baz temel özellikleri incelenecektir.

EME 3105 SİSTEM SİMÜLASYONU. Sürekli Dağılımlar (2) Sürekli Rassal Değişkenlerin Modellemesinde Kullanılan Dağılımlar.

Tahmin Edicilerin ve Test Đstatistiklerinin Simülasyon ile Karşılaştırılması

ÖRNEKLEME YÖNTEMLERİ ve ÖRNEKLEM GENİŞLİĞİ

Üstel Dağılım Babam: - Şu ampullerin hangisinin ömrünün daha kısa olduğu hiç belli olmuyor. Bazen yeni alınanlar eskilerden daha önce yanıyor.

Đki Oyun Yaz Dnemi 22 Haziran 2011, Çarşamba Đst201 Đstatistik Teorisi Dersin konusu: Olasılık Hesabı


NÜMER IK ANAL IZ. Nuri ÖZALP FONKS IYONLARA YAKLAŞIM. Bilimsel Hesaplama Matemati¼gi

Burçin Gonca OKATAN YÜKSEK LİSANS TEZİ İSTATİSTİK GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ AĞUSTOS 2007 ANKARA

6. BÖLÜM VEKTÖR UZAYLARI

5. Ders. Dağılımlardan Rasgele Sayı Üretilmesi Ters Dönüşüm Yöntemi

1. GRUPLAR. 2) Aşağıdaki kümelerin verilen işlem altında bir grup olup olmadığını belirleyiniz.

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

ALTERNATİF SİSTEMLERİN KARŞILAŞTIRILMASI

Rasgele Vektörler Çok Değişkenli Olasılık Dağılımları

POLİNOMLAR. reel sayılar ve n doğal sayı olmak üzere. n n. + polinomu kısaca ( ) 2 3 n. ifadeleri polinomun terimleri,

KÖKLÜ SAYILAR. 1 n n. x a a x say s na a n n n. kuvvetten kökü denir. Köklü say lar n. çözüm. n n. a özelli inden, çözüm. m n n. çözüm. çözüm.

Akdeniz Üniversitesi

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

LEFKE AVRUPA ÜNİVERSİTESİ FEN-EDEBİYAT FAKÜLTESİ PSİKOLOJİ BÖLÜMÜ PSK 106 İSTATİSTİK YÖNTEMLER I BAHAR DÖNEMİ ARASINAV SORULARI

BÖLÜM 3 YER ÖLÇÜLERİ. Doç.Dr. Suat ŞAHİNLER

Analiz II Çalışma Soruları-2

Diziler ve Seriler ÜNİTE. Amaçlar. İçindekiler. Yazar Prof.Dr. Vakıf CAFEROV

Dr. AKIN PALA. Damızlık Değeri, genotipik değer, allel frekansları. Damızlık değeri hesabı. Damızlık değeri hesabı. Damızlık değeri hesabı

χ =1,61< χ χ =2,23< χ χ =42,9> χ χ =59,4> χ

Ders 2: Küme Teorisi, Örnek Uzay, Permütasyonlar ve Kombinasyonlar

Transkript:

5. Ders Yeterlilik Yeterlilik Ilkesi: Bir T(X ; X ; :::; X ) istatisti¼gi, hakk da yeterli bir istatistik olacaksa hakk da herhagi bir souç ç kar m T arac l ¼g ile (X ; X,...,X ) öreklemie ba¼gl olmal d r. x (x ; x ; :::; x ) ile y (y ; y ; :::; y ),T(x) T( y) olacak şekilde iki gözlem de¼geri ise bularda hagisi gözleirse gözlesi hakk da souç ç kar m ay olmal d r. Ta m: X ; X ; :::; X olas l k (yo¼guluk) foksiyou f(:; ) F ola da¼g l mda bir öreklem ve T(X ; X ; :::; X ) ; m boyutlu (m ) bir istatistik olmak üzere, T t R m bilidi¼gide (gözledi¼gide), X ; X ; :::; X i koşullu da¼g l m heme heme her t de¼geri içi ya ba¼gl de¼gilse, T istatisti¼gie F ailesi içi veya arametresi içi yeterli istatistik deir. Öreklemi kedisi bir yeterli istatistiktir. Fisher-Neyma Çaralara Ay rma Teoremi: X ; X ; :::; X olas l k (yo¼guluk) foksiyou f(:; ); (f(:; ) F ) ola da¼g l mda bir öreklem ve T; m boyutlu bir istatistik olmak üzere, T i içi yeterli bir istatistik olmas içi gerek ve yeter şart, X ; X ; :::; X leri ortak olas l k (yo¼guluk) foksiyouu, f(x ; x ; :::; x ; ) g (T (x ; x ; :::; x ); ) h(x ; x ; :::; x ) biçimide yaz labilmesidir. Burada h foksiyou ya ba¼gl de¼gil ve g foksiyou T arac l ¼g ile x ; x ; :::; x lere ve ya ba¼gl d r. Souç: T istatisti¼gii içi bir yeterli istatistik olmas içi gerek ve yeter şart 6 oldu¼guda, f (x; ) f (x; ) ora x e T arac l ¼g ile ba¼gl olmas d r. Başka bir ifade ile, f (x;) T istatisti¼gi içi yeterli bir istatistik () g (T(x); ; f (x; ) ) her 6 içi d r. Souç: m boyutlu T istatisti¼gi, r boyutlu içi yeterli bir istatistik olsu. ' : R r! R r bire-bir ölçülebilir bir foksiyo olmak üzere, T istatisti¼gi

' () içi yeterlidir. Bire-bir # : R m! R m foksiyou ölçülebilir ve ya ba¼gl de¼gilse, (T) istatisti¼gi içi yeterlidir. Örek: X ; X ; :::; X ler N(; ); R; (; ) da¼g l m da bir öreklem olsu. Burada, 4 5 ; R (; ) ve X ; X ; :::; X leri ortak olas l k yo¼guluk foksiyou olmak üzere, istatisti¼gi, f(x; ; ) e e ( _ x ) + ( _ x ) + i i _ (x i x) _ (x i x) g (T (x ; x ; :::; x ); ) h(x ; x ; :::; x ) {z } T 6 4 X (X i X) i içi yeterli bir istatistikdir. T istatisti¼gii bire-bir döüşümü ola 6 4 X i i Xi i 7 5 4 ; 5 7 5 4 X istatistikleri de içi birer yeterli istatistiktir. S 5

Da¼g l mlar Üstel Ailesi ve Yeterli Istatistikler Olas l k (yo¼guluk) foksiyou, f(x; ) c()e kp j g j () t j (x) h(x) ; (x DX ; ) biçimide yaz labile da¼g l mlar ailesie üstel aile deir. [ k ] [ g () g () g () olmaküzere, g () ; g () ; ::: ; k g () arametrelerie do¼gal arametreler deir. Örek: N(; ); R; (; ) ormal da¼g l m üstel ailei bir elema d r. Gerçekte, ] f(x; ; ) e (x ) e ( x + x ) e e ( x + x) olu, ; R (; ) ve g () g () t (x) x t (x) x

4 olmak üzere, f(x; ; ) f(x; ) c()e e {z } c() P j yaz labilir. Da¼g l m do¼gal arametreleri, e ( x + x) {z } {z} P g j () t j (x) ej g j () t j (x) h(x) h(x) g () g () d r. Örek: Beroulli da¼g l m üstel ailei bir elema d r. Beroulli da¼g l m olas l k foksiyou, olmak üzere, f(x; ) x ( ) x ; x f ; g ; ( ; ) f(x; ) x ( ) x ( )e l(x ( ) x ) ( )e l( )x ( )e x l( ) ( ) {z } {z } {z} c() e g()t(x) h(x) e x l( ) olarak yaz labilir. Burada, g() l( ) ve t(x) x d r. Beroulli da¼g l m da l( ) do¼gal arametredir.

5 Üstel ailei elema ola bir kitle da¼g l m da al a X ; X ; :::; X öreklemii olas l k (yo¼guluk) foksiyou, f X ;X ;:::;X (x ; x ; :::; x ; ) Y [c()e i (c()) e kp j kp (g j () j g j () t j (x i ) h(xi )] olmak üzere, Fisher-Neyma Çaralara Ay rma Teoremi de X i t j (x i )) h(x )h(x ):::h(x ) T(X) 6 4 t (X i ) t (X i ) i i. t k (X i ) i 7 5 istatisti¼gi, ailei g (); g (); :::; k g k () do¼gal arametreleri içi yeterli tahmi ediciler (istatistikler) olmaktad r. Örek: b(; ) elema d r. Beroulli da¼g l m da T, ( ; ) Beroulli da¼g l m üstel ailei bir P i X i istatisti¼gi l( ) do¼gal i arametresi içi yeterli istatistiktir. l( ) döüşümü bire-bir oldu¼guda T X i istatisti¼gi arametresi içi de yeterli istatistiktir. Bu P istatisti¼gi bire-bir döüşümü ola X bir tahmi edicidir. X i i istatisti¼gi içi yeterli ve yas z

6 Taml k Ta m: T(X ; X ; :::; X ) bir istatistik olmak üzere, her Borel ölçülebilir g : R k! R foksiyou ve her içi E (g(x)) ) P (g(x) ) oluyorsa T(X ; X ; :::; X ) istatisti¼gie tamd r deir. Taml k bire-bir döüşüm alt da korumaktad r. Örek: X ; X ; :::; X ler olas l k yo¼guluk foksiyou f(x; ) e x I(x > ); (; ) P ola bir da¼g l mda bir öreklem olsu. T X i yeterli istatisti¼gi tam m d r? T (; ) da¼g l ml olu, g : R! R Borel ölçülebilir bir foksiyo olmak üzere, E (g(t )) Z i ( )! t e t g(t)dt + t g(t) (hhhy) + oldu¼guda T bir tam istatistiktir. P (g(t ) ) Örek: X ; X ; :::; X ler N(; ), (; ) ormal da¼g l m da bir öreklem olsu. X i leri ortak olas l k yo¼guluk foksiyou, f(x ; x ; :::; x ; ) e [ i x i + x i ] i e

olmak üzere, T T T 6 4 X i i Xi i istatisti¼gi içi bir yeterli istatistiktir. Acak, her (; ) içi, E [T 7 5 + T ] E [T + ] E [T ] ( + + ) ( + ) olmas a ra¼gme T + T 6 ; oldu¼guda T istatisti¼gi tam de¼gildir. Teorem: k arametreli bir üstel ailede arametre kümesi, R k bir aç k altkümesii içeriyorsa do¼gal istatistik tamd r. Örek: X ; X ; :::; X ler N(; ), R; (; ) ormal da¼g l m da bir öreklem olsu. X ; X ; :::; X leri ortak olas l k yo¼guluk foksiyou, f(x ; x ; :::; x ; ; ) olmak üzere, e T 6 4 X i i Xi i e [ 7 5 i x i + i x i ] e do¼gal istatisti¼gi tamd r (arametre kümesi R de yatay eksei üst taraf daki yar düzlemdir). Teorem: (Basu Teoremi) E¼ger T yeterli ve tam bir istatistik ise, T herhagi bir yard mc istatistikte ba¼g ms zd r. Örek: X ; X ; :::; X ler N(; ), R; > ormal da¼g l m da al a bir öreklem olsu. X X X i i 7

8 öreklem ortalamas, içi yeterlidir ve X s N (; ) dir. bilidi¼gide X i istatisti¼gi, do¼gal istatistik olu tamd r. Bua göre, X yeterli ve tam i bir istatistiktir. istatisti¼gi içi, S X (X i X ) i S s ( ) olmak üzere, S i da¼g l m ya ba¼gl de¼gildir, yai S bir yard mc istatistiktir. Basu Teoremie göre X ile S ba¼g ms zd r. Örek: X ; X ; :::; X ler U(; ) ; (; ) düzgü da¼g l mda bir öreklem olsu. Öreklemi olas l k yo¼guluk foksiyou, f(x ; x ; :::; x ; ) ( Y ) I (;) (x i ) i ( ) I (;) (x () ) olmak üzere, T X () istatisti¼gi Fisher-Neyma çaralara ay rma teoremie göre yeterlidir. f T (t; ) t I (;) (t) olmak üzere, T X () istatisti¼gii tam oldu¼guu görmeye çal şal m. g Borel ölçülebilir bir foksiyo olmak üzere, E (g(t )) Z t g(t)dt ; her (; ) içi + Z t g(t)dt ; her (; ) içi +

9 Z @ t @ g(t)dt ; her (; ) içi + g() ; her (; ) içi + g() ; her (; ) içi + P (g(t ) ) oldu¼guda T bir tam istatistiktir. E Küçük Varyasl Yas z Tahmi Edici Elde Etme Yötemi X ; X ; :::; X olas l k yo¼guluk foksiyou f(x; ) ; ) ola da¼g l mda bir öreklem olmak üzere, içi yas z tahmi edicileri T s f da bir T T tahmi edicisi, V ar (T ) V ar (T ) ; 8 ; 8T T özelli¼gie sahise, T tahmi edicisie düzgü e küçük varyasl yas z tahmi edici dedi¼gii hat rlatal m. Rao-Blackwell Teoremi: X ; X ; :::; X olas l k yo¼guluk foksiyou f(x; ) ; ) ola da¼g l mda bir öreklem ve T (X ; X ; :::; X ) bir yeterli istatistik olsu. U (X ; X ; :::; X ), içi yas z bir tahmi edici olmak üzere, U (t) E (U j T t) olsu. a) U (T ) E (U j T ) rasgele de¼gişkei sadece T i bir foksiyoudur ( y buludurmamaktad r). b) U (T ) istatisti¼gi içi yas zd r. c) E (U ) < oldu¼guda V ar (U (T )) V ar (U) d r.

Bir yas z tahmi ediciyi bir yeterli istatistik ile koşullad r beklee de¼gerii alarak daha küçük varyasl yas z bir tahmi edici elde edilebilir. Yeide bir kez daha koşullad rmakla ay tahmi edici ortaya ç kar. Lehma-Sche e Teklik Teoremi: X ; X ; :::; X olas l k yo¼guluk foksiyou f(x; ) ; ) ola da¼g l mda bir öreklem ve T (X ; X ; :::; X ) yeterli ve tam bir istatistik olsu. U U(T ) solu varyasl ve ( ) içi yas z bir tahmi edici ise bu tahmi edici yas z tahmi ediciler aras da e küçük varyasl d r ve tektir. Örek: Poisso da¼g l m da, f X (x; ) e x ; x ; ; ; ::: ; x! (; ) olmak üzere, X istatisti¼gi yeterli ve tamd r. Lehma-Sche e Teklik Teoremie göre X istatisti¼gi içi düzgü e küçük varyasl yas z tahmi edicidir (UMVUE). Örek: X ; X ; :::; X ler U(; ) ; (; ) düzgü da¼g l m da bir öreklem olsu. X () istatisti¼gi tam ve yeterli bir istatistik omak üzere, U + X () istatisti¼gi içi yas z bir tahmi edicidir. U tahmi edicisi içi düzgü e küçük varyasl yas z tahmi edicidir. Bu tahmi edicii varyas, d r. V ar (U) ( + ) Örek: X ; X ; :::; X ler N(; ); R ormal da¼g l m da bir öreklem olsu. X yeterli ve tam bir istatistik olmak üzere, X i bir foksiyou ola X istatisti¼gi içi yas z bir tahmi edici olu Lehma- Sche e Teklik Teoremide düzgü e küçük varyasl yas z tahmi edicidir (UMVUE). Bu tahmi edicii varyas, V ar X V ar X 4 + d r. Bu tahmi edici etki de¼gildir. Düzgü e küçük varyasl yas z tahmi ediciler baze etki de¼gildir. Baz durumlarda düzgü e küçük varyasl yas z tahmi edicii varyas

Rao-Cramer eşitsizli¼gideki alt s ra ulaşmamaktad r, alt s rda büyük kalmaktad r. Örek: X ; X ; :::; X ler N(; ) ; R; (; ) ormal P da¼g l m da bir öreklem olsu. Bu da¼g l mda, X i ; Xi istatisti¼gi i i (; ) içi tam ve yeterli bir istatistiktir. Bu istatistikleri birebir döüşümü ola, ^ X ^ ( X i X ) i tahmi edicileri tam, yeterli ve yas z olduklar da, arametreler içi düzgü e küçük varyasl yas z tahmi edicilerdir. Rao-Cramer eşitsizli¼gi ile ilgili düzgülük şartlar sa¼glaya ormal da¼g l mda, ve @ @ l( e @ @( ) l( e (x ) ) (x ) ) (x ) 4 6 E ; E ; @ @ l( e @ @( ) l( e (X ) ) (x ) ) 4 olmak üzere, bireysel ve arametrelerii yas z tahmi edicilerii varyaslar içi alt s rlarlar,

E ; @ l( @ e (X ) ) E ; @ l( @( ) e 4 (x ) ) d r. V ar(x) (X i X) V ar B i C @ A 4 > 4 oldu¼guda, X tahmi edicisi içi etki olmakla birlikte, ^ (X i X) i tahmi edicisi içi etki bir tahmi edici de¼gildir. Acak buda daha küçük varyasl başka bir yas z tahmi edici de yoktur. içi düzgü e küçük varyasl yas z tahmi edici edir?

ve omak üzere, V E ; ( V ) E ; (X i X) i Z X v ( ) ( ) ( ) ( ) ( ) Z v ux @ t (X i X) A i U ( ) ( ) v ( ) v e v dv e v dv ( ) ( ) v ux t (X i X) i tahmi edicisi içi düzgü e küçük varyasl yas z tahmi edicidir. Normal da¼g l mda, da¼g l m heme heme tümü s rlar aras da olmak üzere içi düzgü e küçük varyasl yas z tahmi edici X U d r, çükü E ; (X U) ve X U tahmi edicisi tam ve yeterli istatistikleri bir foksiyoudur. < < olmak üzere içi, yai : yüzdelik (katil) içi düzgü e küçük varyasl yas z tahmi edici edir? Stadart ormal da¼g l m da¼g l m foksiyou F olmak üzere,

4 F F () + F () ve E ; X + UF () + F () oldu¼guda X + UF () tahmi edicisi içi düzgü e küçük varyasl yas z tahmi edicidir.