0 Daumen
59 Aufrufe

Hat jemand eine Idee, wie ich diese Verteilung bestimmen kann? Ich benötige sie, um mit ihrer Hilfe ein Konfidenzintervall herzuleiten

Seien \( X_{i}, i \in\{1, \ldots, n\} \), unabhängige Zufallsvariablen mit \( X_{i} \sim \mathcal{N}(i \vartheta, 1) \), wobei \( \vartheta \in \mathbb{R} \) unbekannt sei.
 \( \hat{\vartheta}_{n}:=\sum \limits_{i=1}^{n} i X_{i} / \sum \limits_{i=1}^{n} i^{2} \).

Avatar vor von

2 Antworten

+1 Daumen
 
Beste Antwort

Neben der Additionsregel für unabhängige normalverteilte Zufallsvariable (ZV) musst du auch noch das Verhalten von Varianz und Erwartungswert unter Skalierung mit einem Faktor berücksichtigen.

Ich benutze hier die Schreibweise \(N(\mu,\sigma^2)\). Als Abkürzung setze ich:

\(s= \sum_{i=1}^ni^2\quad (1)\)

Du hast \(X_i \sim N(i\theta,1)\). Nun wird jeweils mit \(i\) skaliert:

\(E(iX_i) = iE(X_i)=i^2\theta\)

\(V(iX_i) = i^2V(X_i)=i^2\)

Die Summenregel für unabhängige normalverteilte ZV ergibt somit:

\(Y := \sum_{i=1}^niX_i \stackrel{(1)}{\sim} N( s\theta , s)\)

Für \(\hat \theta_n\) musst du nun noch \(Y\) skalieren:

\( \hat \theta_n =\frac Ys \Rightarrow E(\hat \theta_n) = \frac{s\theta}s,\; V(\hat \theta_n) = \frac 1{s^2}\cdot s \).

Also: \(\boxed{\hat \theta_n \sim N \left( \theta , \frac 1s\right)}\)

Avatar vor von 11 k
0 Daumen

Du kannst hier ausnutzen, dass die Summe normalverteilter unabhängiger ZV wieder normalverteilt ist:

Sind \(X\sim\mathcal{N}(\mu_1,\, \sigma_1^2)\) und \(Y\sim\mathcal{N}(\mu_2,\, \sigma_2^2)\), so ist \(X+Y\sim\mathcal{N}(\mu_1+\mu_2,\, \sigma_1^2+\sigma_2^2)\).

Avatar vor von 19 k

Ein anderes Problem?

Stell deine Frage

Willkommen bei der Mathelounge! Stell deine Frage einfach und kostenlos

x
Made by a lovely community