www.vorhilfe.de
Vorhilfe

Kostenlose Kommunikationsplattform für gegenseitige Hilfestellungen.
Hallo Gast!einloggen | registrieren ]
Startseite · Forum · Wissen · Kurse · Mitglieder · Team · Impressum
Forenbaum
^ Forenbaum
Status Englisch
  Status Grammatik
  Status Lektüre
  Status Korrekturlesen
  Status Übersetzung
  Status Sonstiges (Englisch)

Gezeigt werden alle Foren bis zur Tiefe 2

Navigation
 Startseite...
 Neuerdings beta neu
 Forum...
 vorwissen...
 vorkurse...
 Werkzeuge...
 Nachhilfevermittlung beta...
 Online-Spiele beta
 Suchen
 Verein...
 Impressum
Das Projekt
Server und Internetanbindung werden durch Spenden finanziert.
Organisiert wird das Projekt von unserem Koordinatorenteam.
Hunderte Mitglieder helfen ehrenamtlich in unseren moderierten Foren.
Anbieter der Seite ist der gemeinnützige Verein "Vorhilfe.de e.V.".
Partnerseiten
Weitere Fächer:

Open Source FunktionenplotterFunkyPlot: Kostenloser und quelloffener Funktionenplotter für Linux und andere Betriebssysteme
Forum "Uni-Stochastik" - Maximum Likelihood Schätzer
Maximum Likelihood Schätzer < Stochastik < Hochschule < Mathe < Vorhilfe
Ansicht: [ geschachtelt ] | ^ Forum "Uni-Stochastik"  | ^^ Alle Foren  | ^ Forenbaum  | Materialien

Maximum Likelihood Schätzer: Frage (beantwortet)
Status: (Frage) beantwortet Status 
Datum: 10:55 Mi 25.07.2018
Autor: Hela123

Aufgabe
Die Radioaktivität in einer Probe soll mit einem Geigerzähler gemessen werden. Es ist bekannt, dass die Probe n Atome enthält. Wenn eines davon zerfällt wird der Zerfall mit einer bekannten Wahrscheinlichkeit von p detektiert. Die Wahrscheinlichkeit, dass ein Atom in einer Sekunde zerfällt ist unbekannt und wird mit [mm]\theta \in [0,1][/mm] bezeichnet. Der Geigerzähler wird eine Sekunde auf die Probe gerichtet und die Anzahl der detektierten Zerfälle [mm]k \in \IZ_{\ge 0}[/mm] wird erfasst.

Bestimme unter Verwendung eines geeigneten statistischen Modells den Maximum-Likelihood-Schätzer für [mm]\theta[/mm].

Hallo Forum,

ich habe eine Frage zu dieser Aufgabe.

Ich habe das Ganze mit Poissonverteilung modelliert:

[mm]P(\{k\}) = e^{-\lambda} \bruch{\lambda^k}{k!} [/mm] mit [mm]\lambda = np\theta[/mm].

Für Maximum Likelihood Schötzung muss ich die Nullstellen der 1.Ableitung nach [mm]\theta[/mm] finden.

Also:

[mm]P(\{k\}) = e^{-(np\theta)} \bruch{(np\theta)^k}{k!} [/mm]
[mm] \bruch{\partial P(\{k\})}{\partial \theta} = e^{-(np\theta)} (-np) \bruch{(np\theta)^k}{k!} + e^{-(np\theta)} \bruch{(np\theta)^{k-1} npk}{k!} [/mm]
Ist das korrekt? Oder was ist mein Fehler?

Für die Nullstellen entsprechend:
[mm]e^{-(np\theta)} (-np) \bruch{(np\theta)^k}{k!} + e^{-(np\theta)} \bruch{(np\theta)^{k-1} npk}{k!} = 0[/mm]
[mm] \bruch {e^{-(np\theta)} np ((np\theta)^{k-1} - k(np \theta)^k)}{k!} = 0[/mm]
[mm] e^{-(np\theta)} np = 0[/mm] ist für jedes [mm]\theta[/mm] nicht gegeben.
Bleibt:
[mm] (np\theta)^{k-1} - k(np \theta)^k = 0[/mm]
[mm] (np\theta)^{k-1}(1 - knp \theta) = 0[/mm]
[mm] (np\theta)^{k-1}= 0[/mm] erfüllt bei [mm]\theta =0[/mm], ist aber nicht das gesuchte Maximum
[mm] (1 - knp \theta) = 0[/mm]
[mm]\theta = \bruch {1}{knp}[/mm] das wäre der gesuchter Term, aber es ist leider falsch, weil die Musterlösung sagt, [mm]\theta = \bruch {k}{np}[/mm]

Wo habe ich einen Fehler gemacht?

Schönen Dank im Voraus!
Hela123

        
Bezug
Maximum Likelihood Schätzer: Antwort
Status: (Antwort) fertig Status 
Datum: 11:20 Mi 25.07.2018
Autor: fred97


> Die Radioaktivität in einer Probe soll mit einem
> Geigerzähler gemessen werden. Es ist bekannt, dass die
> Probe n Atome enthält. Wenn eines davon zerfällt wird der
> Zerfall mit einer bekannten Wahrscheinlichkeit von p
> detektiert. Die Wahrscheinlichkeit, dass ein Atom in einer
> Sekunde zerfällt ist unbekannt und wird mit [mm]\theta \in [0,1][/mm]
> bezeichnet. Der Geigerzähler wird eine Sekunde auf die
> Probe gerichtet und die Anzahl der detektierten Zerfälle [mm]k \in \IZ_{\ge 0}[/mm]
> wird erfasst.
>  
> Bestimme unter Verwendung eines geeigneten statistischen
> Modells den Maximum-Likelihood-Schätzer für [mm]\theta[/mm].
>  Hallo Forum,
>  
> ich habe eine Frage zu dieser Aufgabe.
>  
> Ich habe das Ganze mit Poissonverteilung modelliert:
>  
> [mm]P(\{k\}) = e^{-\lambda} \bruch{\lambda^k}{k!}[/mm] mit [mm]\lambda = np\theta[/mm].
>  
> Für Maximum Likelihood Schötzung muss ich die Nullstellen
> der 1.Ableitung nach [mm]\theta[/mm] finden.
>  
> Also:
>  
> [mm]P(\{k\}) = e^{-(np\theta)} \bruch{(np\theta)^k}{k!}[/mm]
>  
> [mm]\bruch{\partial P(\{k\})}{\partial \theta} = e^{-(np\theta)} (-np) \bruch{(np\theta)^k}{k!} + e^{-(np\theta)} \bruch{(np\theta)^{k-1} npk}{k!}[/mm]
>  
> Ist das korrekt? Oder was ist mein Fehler?

Bis hier ist alles O.K.

>  
> Für die Nullstellen entsprechend:
>  [mm]e^{-(np\theta)} (-np) \bruch{(np\theta)^k}{k!} + e^{-(np\theta)} \bruch{(np\theta)^{k-1} npk}{k!} = 0[/mm]
>  
> [mm]\bruch {e^{-(np\theta)} np ((np\theta)^{k-1} - k(np \theta)^k)}{k!} = 0[/mm]


Hier ist Dein Fehler ! Richtig ist

[mm]\bruch {e^{-(np\theta)} np (k(np\theta)^{k-1} - (np \theta)^k)}{k!} = 0[/mm]




>  
> [mm]e^{-(np\theta)} np = 0[/mm] ist für jedes [mm]\theta[/mm] nicht
> gegeben.
>  Bleibt:
>  [mm](np\theta)^{k-1} - k(np \theta)^k = 0[/mm]
>  [mm](np\theta)^{k-1}(1 - knp \theta) = 0[/mm]
>  
> [mm](np\theta)^{k-1}= 0[/mm] erfüllt bei [mm]\theta =0[/mm], ist aber nicht
> das gesuchte Maximum
>  [mm](1 - knp \theta) = 0[/mm]
>  [mm]\theta = \bruch {1}{knp}[/mm] das wäre
> der gesuchter Term, aber es ist leider falsch, weil die
> Musterlösung sagt, [mm]\theta = \bruch {k}{np}[/mm]
>
> Wo habe ich einen Fehler gemacht?
>  
> Schönen Dank im Voraus!
>  Hela123


Bezug
                
Bezug
Maximum Likelihood Schätzer: Mitteilung
Status: (Mitteilung) Reaktion unnötig Status 
Datum: 11:23 Mi 25.07.2018
Autor: Hela123

Hallo Fred97,

vielen vielen Dank für Deine Antwort!
Jetzt ist natürlich alles klar!

Noch mal danke und schönen Gruß,
Hela123

Bezug
Ansicht: [ geschachtelt ] | ^ Forum "Uni-Stochastik"  | ^^ Alle Foren  | ^ Forenbaum  | Materialien


^ Seitenanfang ^
www.englischraum.de
[ Startseite | Forum | Wissen | Kurse | Mitglieder | Team | Impressum ]