|
|
سطر ١: |
سطر ١: |
| <math> X_{i}</math> مستقلة <math> N(\mu,\sigma^{2})</math> | | [[صورة:H207.gif]] ''' المعلومات الاضافية لتباين العينة''' |
| | |
| | |
| | '''<math>\mu</math> معلوم''' |
| | |
| | |
| | نعتبر الفرض البسيط: <math>\mu\,</math> معلومة, دعنا نحسن <math>S^{*2}\,</math> كالتالي : |
| | |
| | |
| | <math>S^{*2}=\frac{1}{n}\sum\limits_{i=1}^{n}(X_{i}-\mu)^{2}</math> |
| | |
| | |
| | اشتقاق القيمة المتوقعة الى <math>S^{*2}\,</math>: |
| | |
| | |
| | {| |
| | |<math>=E\left[\frac{1}{n}\sum\limits_{i=1}^{n}(X_{i}-\mu )^{2}\right]=\frac{1}{n}E\left[ \sum\limits_{i=1}^{n}(X_{i}-\mu)^{2}\right]</math> |
| | |<math>E(S^{*2})\,</math> |
| | |
| | |- |
| | | |
| | |<math>=\frac{1}{n}\sum\limits_{i=1}^{n}E[(X_{i}-\mu)^{2}]\ =\frac{1}{n}\sum\limits_{i=1}^{n}\sigma^{2}=\frac{1}{n}n\sigma^{2}</math> |
| | |- |
| | | |
| | |<math>=\sigma^{2}</math> |
| | |} |
| | |
| | |
| | |
| | |
| | نلاحظ أن المناقشة أعلاه لا تفترض التوزيع الى <math>X_{i}\,</math>, نفرض فقط أنها توابع مستقلة مع التباين العام: <math>Var(X_{i})=E[(X_{i}-\mu)^{2}]=\sigma^{2}\,</math> |
| | |
| | اشتقاق تباين <math>S^{*2}\,</math> : نفرض في هذه الحالة [[صورة:Mmengjavaimg1268.gif]] مستقلة [[صورة:Mmengjavaimg2027.gif]] |
| | | |
| ذكرنا سابقا أن تباين المتغير العشوائي الموزع بتوزيع كاي مربع مع <math>n\,</math> درجة الحرية له المتوسط <math>n\,</math> والتباين <math>2n\,</math> | | ذكرنا سابقا أن تباين المتغير العشوائي الموزع بتوزيع كاي مربع مع <math>n\,</math> درجة الحرية له المتوسط <math>n\,</math> والتباين <math>2n\,</math> |
|
| |
|
| حيث <math> ns^{\ast2}/\sigma^{2}</math> | | حيث [[صورة:Mmengjavaimg2029.gif]] |
| له توزيع كاي مربع مع درجة الحرية <math>n\,</math> ينتج أن: | | له توزيع كاي مربع مع درجة الحرية <math>n\,</math> ينتج أن: |
|
| |
|
سطر ٣٠: |
سطر ٦٢: |
|
| |
|
|
| |
|
| <math> =E[(X-E(X))^{2}]=E[X^{2}-2XE(X)+(E(X))^{2}]</math> <math> Var(X)</math>
| | [[صورة:Mmengjavaimg2035.gif]] [[صورة:Mmengjavaimg1146.gif]] |
|
| |
|
| <math> =E(X^{2})-2E(X)E(X)+[E(X)]^{2}</math>
| | [[صورة:Mmengjavaimg2036.gif]] |
|
| |
|
| <math> =E(X^{2})-[E(X)]^{2}</math>
| | [[صورة:Mmengjavaimg2037.gif]] |
|
| |
|
|
| |
|
سطر ٨٨: |
سطر ١٢٠: |
|
| |
|
| | | |
| اشتقاق تباين <math>S^{2}\,</math>: في هذه الحالة <math> (n-1)s^{2}/\sigma^{2}</math> له توزيع كاي مربع مع <math>f = n - 1</math> درجة الحرية ينتج أن: | | اشتقاق تباين <math>S^{2}\,</math>: في هذه الحالة [[صورة:Mmengjavaimg1981.gif]] له توزيع كاي مربع مع <math>f = n - 1</math> درجة الحرية ينتج أن: |
|
| |
|
|
| |
|
سطر ١٠٤: |
سطر ١٣٦: |
|
| |
|
|
| |
|
| في هذه الحالة نستعمل <math> MSD</math> لتقدير التباين | | في هذه الحالة نستعمل [[صورة:Mmengjavaimg1970.gif]] لتقدير التباين |
|
| |
|
|
| |
|
|
| |
|
| <math> MSD=\frac{1}{n}\sum\limits_{i=1}^{n}(X_{i}-\bar{x})^{2}\,.
| | [[صورة:Mmengjavaimg2052.gif]] |
| </math>
| |
|
| |
|
|
| |
|
سطر ١١٥: |
سطر ١٤٦: |
|
| |
|
|
| |
|
| <math> MSD=\frac{n-1}{n}s^{2}\,.
| | [[صورة:Mmengjavaimg2053.gif]] |
| </math>
| |
| | | |
|
| |
|
سطر ١٢٢: |
سطر ١٥٢: |
|
| |
|
|
| |
|
| <math> E(MSD)=\frac{n-1}{n}E\left[ s^{2}\right] =\frac{n-1}{n}\sigma^{2}</math>
| | [[صورة:Mmengjavaimg2054.gif]] |
|
| |
|
|
| |
|
سطر ١٢٨: |
سطر ١٥٨: |
|
| |
|
|
| |
|
| <math> Var(MSD)=\left( \frac{n-1}{n}\right) ^{2}Var\left[ s^{2}\right] =...
| | [[صورة:Mmengjavaimg2055.gif]] |
| ...\frac{n-1}{n}\right) ^{2}\frac{2\sigma^{4}}{(n-1)}=\frac{n-1}{n^{2}}2\sigma^{4}</math>
| |
|
| |
|
|
| |
|
| نلاحظ توقع <math> MSD</math> لا يساوي بالضبط تباين المجتمع <math>\sigma^{2}\,</math> وذلك بسبب استخدام تباين العينة <math>S^{2}\,</math> عموما في التطبيقات العملية. | | نلاحظ توقع [[صورة:Mmengjavaimg1970.gif]] لا يساوي بالضبط تباين المجتمع <math>\sigma^{2}\,</math> وذلك بسبب استخدام تباين العينة <math>S^{2}\,</math> عموما في التطبيقات العملية. |
المراجعة الحالية بتاريخ ١٧:٤٨، ٣١ يوليو ٢٠٢٠
المعلومات الاضافية لتباين العينة
معلوم
نعتبر الفرض البسيط: معلومة, دعنا نحسن كالتالي :
اشتقاق القيمة المتوقعة الى :
|
|
|
|
|
|
نلاحظ أن المناقشة أعلاه لا تفترض التوزيع الى , نفرض فقط أنها توابع مستقلة مع التباين العام:
اشتقاق تباين : نفرض في هذه الحالة مستقلة
ذكرنا سابقا أن تباين المتغير العشوائي الموزع بتوزيع كاي مربع مع درجة الحرية له المتوسط والتباين
حيث
له توزيع كاي مربع مع درجة الحرية ينتج أن:
ولذلك
مجهول :
حيث غير معلوم, يعطى التقدير العادي للتباين بواسطة:
اشتقاق توقع , نتذكر ثانية أن تباين المتغير العشوائي سيكتب كالتالي:
يعني هذا :
بتطبيق هذه النتيجة لدينا الى و ما يلي :
|
|
|
|
اضافة لذلك
|
|
|
|
|
|
|
|
|
|
لذلك سيعطى توقع تباين العينة من خلال:
اشتقاق تباين : في هذه الحالة له توزيع كاي مربع مع درجة الحرية ينتج أن:
ولذلك
مجهول :
في هذه الحالة نستعمل لتقدير التباين
نلاحظ أن
حينئذ
و
نلاحظ توقع لا يساوي بالضبط تباين المجتمع وذلك بسبب استخدام تباين العينة عموما في التطبيقات العملية.