|
Rozważmy n-wymiarową próbę, czyli zmienną losową składającą się z n niezależnych elementów
. | (6.1.1) |
Wyznaczmy statystykę, tj. funkcje elementów tej próby zdefiniowaną jako średnia arytmetyczna
(6.1.2) |
Tak zdefiniowana wielkość nosi nazwę wartości średniej i jest także zmienną losową określoną przez wartości elementów próby i działanie arytmetyczne (suma), które je łączy.
Wyznaczmy wartość oczekiwana tak zdefiniowanej wielkości
(6.1.3) |
Widzimy, że:
Wyznaczmy teraz wariancję dla wartości średniej
(6.1.4) |
Założyliśmy, że elementy próby są niezależne, a więc wszystkie kowariancje, czyli wartości oczekiwane dla znikają. W rezultacie otrzymaliśmy więc, że
(6.1.5) |
Kiedy n zmierza do nieskończoności, to wariancja wartości średniej zmierza do zera. Wartość średnia jest więc estymatorem zgodnym wartości oczekiwanej . Zwróćmy uwagę, że skorzystaliśmy tu z założenia niezależności elementów próby . W praktyce, elementami tymi są często wielokrotne wyniki pomiarów danej wielkości. Pamiętajmy, że wyniki pomiarów powinny być wzajemnie niezależne, by wartość średnia prawidłowo odzwierciedlała wartość rzeczywistą mierzonej wielkości.
Wartość średnia jest nieobciążonym i zgodnym estymatorem wartości oczekiwanej. Poszukajmy teraz estymatora wariancji. Narzucającą się definicją będzie wartość średnia sumy kwadratów różnic pomiędzy wartościami poszczególnych wyników pomiarów a wartością średnią czyli
(6.1.6) |
Wyznaczmy wartość oczekiwaną tak określonej wielkości
(6.1.7a) |
W zapisie takim zauważamy, że wyrażenia nie zawierające indeksów możemy wynieść przed znak sumy kontynuując dalej obliczenia
(6.1.7b) |
Pamiętając, że wartość oczekiwana sumy składników równa jest sumie ich wartości oczekiwanych kontynuujemy dalej obliczenia przenosząc znak wartości oczekiwanej pod znak sumy obejmującej teraz i drugi składnik w nawiasie klamrowym. Korzystamy też ze wzoru (6.1.4) pokazującego związek pomiędzy wariancją zmiennej losowej i wariancją wartości średniej
(6.1.7c) |
Wynik ten pokazuje, że jest estymatorem obciążonym, bo wartość oczekiwana zależna jest od liczby elementów próby i dla małej liczy n wartości oczekiwane tak zdefiniowanego estymatora są znacznie mniejsze niż wartość oczekiwana dla populacji.
Defekt ten można łatwo usunąć przez wprowadzenie zmodyfikowanej definicji nieobciążonego estymatora wariancji w postaci
(6.1.8) |
W tak określonej definicji rozpoznajemy znany z laboratoriów fizycznych wzór na tzw. średnią kwadratową niepewność pojedynczego pomiaru.
Rola czynnika 1/(n-1) staje się intuicyjnie jasna, kiedy weźmiemy pod uwagę, że zawsze możemy wyznaczyć wartość jednego z n pomiarów znając wartości n-1 pomiarów oraz wartość średnią. Liczba niezależnych elementów jest więc mniejsza o jeden w stosunku do liczby wykonanych pomiarów. Nie jest tak oczywiście, kiedy wariancję określamy względem znanej wartości rzeczywistej; wtedy właściwym czynnikiem jest 1/n.
Zwróćmy na to uwagę wykonując obliczenia z pomocą kalkulatora posiadającego funkcje obliczeń statystycznych. Pozycja przycisku oznaczona zwykle symbolem s wyznacza wartość estymatora wariancji zgodnie ze wzorem (6.1.8) zaś pozycja oznaczona symbolem korzysta ze wzoru (6.1.6). Zrozumiałe jest, że różnice pomiędzy wynikami z użyciem różnych pozycji stają się niewielkie przy dużej liczbie sumowanych elementów.
Wykorzystując związek (6.1.5) możemy zapisać wzór określający estymator wariancji wartości średniej
(6.1.9) |
Wzór ten znany jest również z zajęć w studenckich laboratoriach fizycznych.
Zapiszmy jeszcze dla porządku wzory określające wprost wartości omawianych tu użytecznych estymatorów.
Estymator odchylenia standardowego zwany średnią niepewnością kwadratową pojedynczego pomiaru
(6.1.10) |
Estymator odchylenia standardowego wartości średniej zwany średnią niepewnością kwadratową wartości średniej lub średnim kwadratowym błędem średniej.
(6.1.11) |