Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "estymator" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Estimation of proportion
    Autorzy:
    Zieliński, Ryszard
    Powiązania:
    https://bibliotekanauki.pl/articles/748382.pdf
    Data publikacji:
    2008
    Wydawca:
    Polskie Towarzystwo Matematyczne
    Tematy:
    Frakcja, prawdopodobieństwo sukcesu w doświadczeniu Bernoulliego, estymator nieobciążony, estymator o jednostajnie minimalnym błędzie średniokwadratowym, estymator Bayesowski, losowanie warstwowe, randomizowane odpowiedzi, przedział ufności.
    Opis:
    W populacji składającej się z N elementów jest nieznana liczba M elementów wyróżnionych. W artykule w przystępny sposób prezentuję różne problemy związane z estymacją frakcji θ = M/N.
    A population of N elements contains an unknown number M of marked units. Problems of estimating the fraction θ = M/N are discussed. The well known standard solution isˆθ = K/n which is the uniformly minimum variance unbiased estimator, maximum likelihood estimator, estimator obtained by the method of moments, and in consequence it shares all advantages of such estimators. In the paper some versions of the estimator are considered which are more adequate in real situations. If we know in advance that the unknown fraction lies in a given interval (t1, t2) and we consider an estimator ˆθ1 as better than the estimator ˆθ2 if the average of its mean square error is smaller on that interval, then the optimal estimator is given by (3). The values of the estimator for (t1, t2) = (0, 0.5) and for (t1, t2) = (0.3, 0.4) in a sample of size n = 10 if the number of marked units in the sample equals K, are given in the table TABELKA and the mean square errors of these estimator, versus the error of the standard estimator ˆθ = K/n are presented in Rys. 2. Averaging the mean square error with a weight function, for example such as in Rys.3, gives us the Bayesian estimator with the mean square error like in Rys. 4 (for n = 10). If in some real situations we are interested in minimizing the mean square error “in the worst possible case”, the adequate is the minimax estimator. Another situation appears if the population can be divided in some more homogenous subpopulations, for example in two subpopulations with fractions of marked units close to zero or close to one in each of them. Then stratified sampling is more effective; then the mean square error of estimation may be significantly reduced. In the paper the problem of randomizedresponses is also presented, very shortly and elementarily. The problem arises if a unit in the sample can not be for sure recognized as “marked” or “not marked” and that can be done with some probability only. The situation is typical for survey interview: it allows respondents to respond to sensitive issues (such as criminal behavior or sexuality) while remaining confidential. The final section of the paper is devoted to some remarks concerning the confidence intervals for the fraction. The exact optimal solution is well known for mathematicians but it is probably not very easy for statistical practitioners to follow all theoretical details, and typically confidence interval based on asymptotic approximation of the binomial distribution by a normal distribution are used. That is neither sufficiently exact nor correct. The proper and exact solution is given by quantiles of a suitable Beta distribution which are easily computable in typical statistical and mathematical computer packages.
    Źródło:
    Mathematica Applicanda; 2008, 36, 50/09
    1730-2668
    2299-4009
    Pojawia się w:
    Mathematica Applicanda
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The Ryszard Zielinskis works on nonparametric quantile estimators and their use in robust statistics
    Autorzy:
    Rychlik, Tomasz
    Powiązania:
    https://bibliotekanauki.pl/articles/747653.pdf
    Data publikacji:
    2012
    Wydawca:
    Polskie Towarzystwo Matematyczne
    Tematy:
    quantile, order statistics, randomized estimator, equivariant estimator, confidence interval, most robust estimator, robustness.
    kwantyl, statystyka pozycyjna, estymator ekwiwariantny, estymator zrandomizowany, przedział ufnosci, estymator najodporniejszy
    Opis:
    Celem tej przegladowej pracy jest opis wyników profesora RyszardaZielinskiego dotyczacych nieparametrycznych estymatorów kwantyli w skonczonychpróbach oraz ich zastosowania w odpornej estymacji parametru połozenia. Główneprzesłanie badan Zielinskiego było nastepujace: do estymacji kwantyli nalezy uzywacpojedynczych statystyk pozycyjnych, a juz ich liniowe kombinacje moga byc bardzoniedokładne w duzych modelach nieparametrycznych. Optymalny wybór statystykipozycyjnej zalezy od kryterium oceny błedu estymacji.
    This is a survey paper describing achievements of professor Ryszard Zieliński in the subject of nonparametric estimation of population quantiles based on samples of fixed size, and applications of the quantile estimators in the robust estimation of location parameter. Zielinski assumed that a finite sequence of independent identically distributed random variables X1, . . . ,Xn is observed, and their common distribution function F belongs to the family F of continuous and strictly increasing distribution functions. He considered the family T of randomized estimators XJ:n which are single order statistics based on X1, . . . ,Xn with a randomly determined number J. The random variable J is independent of the sample and has an arbitrary distribution on the numbers 1, . . . , n. It was proved that T is the maximal class of estimators which are functions of the complete and sufficient statistic (X1:n, . . . ,Xn:n), and are equivariant with respect to the strictly increasing transformations, i.e., satisfy T(φ(X1:n), . . . ,φ(Xn:n)) = φ(T(X1:n, . . . ,Xn:n)) for arbitrary strictly increasing φ. A number of examples showed that the estimators that do not belong to T are very inaccurate for some F€F.   For comparing estimators, there were used various accuracy criteria based on the difference F(T) - q, where 0 < q < 1 is the quantile order. They are invariant with respect to the strictly increasing transformations. Optimal estimators with respect to the mean absolute loss E|F(T)-q|, mean quadratic loss E(F(T)-q)2, expected LINEX loss E[exp(a[F(T)-q])-a[F(T)-q]-1], a≠0, and Pitman closeness measure were explicitly determined. Further, the best estimators in narrower classes of median-unbiased estimators U(q) = {T€T : med(T, F) = F-1(q)},  (where med(T, F) stands for the median of the distribution of estimator T when the parent distribution function is F), and F-unbiased estimators V(q) = {T € T : EF(T) = q} of quantiles F-1 (q), 0 < q < 1, are determined for some accuracy criteria. Also, random confidence intervals for F-1(q), F€F, of the form [XI:n,XJ:n] on a fixed confidence level 0 <  < 1, i.e. satisfying P(XI:n ≤F-1(q) ≤XJ:n)≥γ,  F € F, , and minimizing E(J - I), are described. Median-unbiased estimators of quantiles were applied by Zielinski in the robust estimation of location parameter. For the i.i.d. sample X1, . . . ,Xn from the location model Fμ(x) = F(x - μ), where μ€R and F is a known unimodal distribution function, and the ε-contamination of the model Z(μ) = {G = (1 -ε)Fμ +εH : H - arbitrary distribution function} for some fixed 0 <ε< 1/2 , the most robust translation equivariant estimator with respect to the median oscillation criterion bn(T, μ) = supG1,G2€Z(μ) |med(T,G1) - med(T,G2)| has the form XJ:n - F-1(q*), XJ:n  €U(q*). Number q*  is chosen so to minimize function (ε, 1 - ε)Э q→ F-1(q/(1-ε))-F-1((q-ε)/(1-ε)). If F is unimodal and symmetric, then q* = ½.. However, Zielinski also showed that a slight modification of the ε-contamination for symmetric unimodal F may imply that XJ:n - F-1(q*), XJ:n € U(q*), for some q*≠1/2 is the most robust estimator with respect to the median oscillation criterion. Celem tej przeglądowej pracy jest opis wyników profesora Ryszarda Zielińskiego dotyczącychnieparametrycznych estymatorów kwantyli w skończonych próbach oraz ich zastosowania w odpornej estymacjiparametru położenia. Główne przesłanie badań Zielińskiego było następujące:do estymacji kwantyli należy używać pojedynczych statystyk pozycyjnych, a już ich liniowekombinacje mogą być bardzo niedokładne w dużych modelach nieparametrycznych.Optymalny wybór statystyki pozycyjnej zależy od kryterium oceny błędu estymacji.
    Źródło:
    Mathematica Applicanda; 2012, 40, 2
    1730-2668
    2299-4009
    Pojawia się w:
    Mathematica Applicanda
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Nonparametric estimation of quantile versions of the Lorenz curve
    Autorzy:
    Siedlaczek, Agnieszka Magdalena
    Powiązania:
    https://bibliotekanauki.pl/articles/747345.pdf
    Data publikacji:
    2018
    Wydawca:
    Polskie Towarzystwo Matematyczne
    Tematy:
    Lorenz curve
    quantile version of the Lorenz curve
    nonparametric estimation
    Krzywa Lorentza
    kwantylowy estymator
    estymacja nieparametryczna
    Opis:
    Celem niniejszego artykułu jest przedstawienie kwantylowych estymatorów krzywych Lorentza. Pokazano punktową zgodność tych estymatorów oraz ich asymptotyczną normalność. Badań jest także efektywność zaproponowanych estymatorów metodami symulacji komputerowych.
    Estimators of quantile versions of the Lorenz curve are proposed. The pointwise consistency and asymptotic normality of the estimators is proved. The efficiency of the estimators is also studied in simulations
    Źródło:
    Mathematica Applicanda; 2018, 46, 1
    1730-2668
    2299-4009
    Pojawia się w:
    Mathematica Applicanda
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Concept of Robustness by Ryszard Zieliński. Robustness in Parametric Models
    Autorzy:
    Boratyńska, Agata
    Powiązania:
    https://bibliotekanauki.pl/articles/747384.pdf
    Data publikacji:
    2012
    Wydawca:
    Polskie Towarzystwo Matematyczne
    Tematy:
    funkcja odporności, rozkład wykładniczy, obciążenie estymatora, test analizy wariancji, moc testu, estymator bayesowski, klasy rozkładów a priori
    Opis:
    W działalnosci naukowej prof. dr hab. Ryszarda Zielinskiego obszernemiejsce zajmuje badanie zachowania sie procedur statystycznych przy zaburzeniu rozwazanego modelu statystycznego, czyli sytuacji, gdy obserwowana zmienna losowa nie spełnia załozen modelu. W tej czesci przedstawione zostana koncepcje i sposoby badania wrazliwosci procedur statystycznych, mierniki ich jakosci, metody wyznaczania procedur optymalnych i przykłady wykorzystania w róznych modelach rozwazanychw pracach Profesora.
    The concept of robustness of statistical procedures is one of the most important subject in Zielinski's papers. In this article the development of the idea of robustness as introduced in Zielinski's papers is presented. The definitions of a supermodel and a robustness function are given. The problem of the robust estimation of a scale parameter in an exponential model and the robustness of tests for comparison of means in two or more populations are described. Robustness in Bayesian statistical models is connected with an unexactly specified prior distribution. Here the following Zielinski's results in Bayesian robustness are presented: the most stable estimator in the Poisson model and the Bayes optimal stopping rule in a homogeneous Poisson process with conjugate classes of priors, the optimal experimental designs in Bayesian linear models under variation in the prior, an upper bound for the Kolmogorov distance between the posterior distributions in terms of that between the prior distributions. W działalnosci naukowej prof. dr hab. Ryszarda Zielinskiego obszerne miejsce zajmuje badanie zachowania sie procedur statystycznych przy zaburzeniu rozwazanego modelu statystycznego, czyli sytuacji, gdy obserwowana zmienna losowa nie spełnia załozen modelu. W tej czesci przedstawione zostana koncepcje i sposoby badania wrazliwosci procedur statystycznych, mierniki ich jakosci, metody wyznaczania procedur optymalnych i przykłady wykorzystania w róznych modelach rozwazanychw pracach Profesora.
    Źródło:
    Mathematica Applicanda; 2012, 40, 2
    1730-2668
    2299-4009
    Pojawia się w:
    Mathematica Applicanda
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies