УМК
.PDF1.3 СТАТИСТИЧЕСКИЕ ОЦЕНКИ ГЕНЕРАЛЬНЫХ ПАРАМЕТРОВ. ТОЧЕЧНЫЕ И ИНТЕРВАЛЬНЫЕ ОЦЕНКИ ДЛЯ МАТЕМАТИЧЕСКОГО ОЖИДАНИЯ И ДИСПЕРСИИ
Пусть изучается случайная величина (СВ) Х, необходимо определить ее числовые характеристики. По выборке (результатам n испытаний) x1 , x 2 , ..., x n
~ |
|
|
|
|
|
требуется найти оценку θ неизвестного параметра θг . |
|
||||
Обозначим через X i случайную величину, представляющую собой |
|||||
результат i − го испытания. |
Статистической оценкой неизвестного параметра |
||||
θг назовем произвольную |
|
~ |
|
|
~ |
функцию |
θ = ϕ(X1 , X 2 , ..., X n ) тем |
самым θ |
|||
|
|
~ |
, ..., x n ) при |
||
является случайной величиной. Значение этой функции θ = ϕ(x1 , x 2 |
|||||
|
= x i , i = |
|
будем рассматривать как |
||
полученных результатах испытаний X i |
1, n |
приближенное значение неизвестного параметра θг . Приведенное определение оценки отражает только самое общее требование, что оценка должна определяться по значениям выборки.
Оценки параметров подразделяются на точечные и интервальные. Точечной называется статистическая оценка генерального параметра θг ,
~
которая определяется одним числом θ .
Интервальной называется оценка генерального параметра θг , которая
~ ~
определяется двумя числами θ и θ - концами интервала, покрывающего оцениваемый генеральный параметр θг .
Для того, чтобы точечная оценка давала «хорошие» приближения оцениваемого параметра, она должна быть: несмещенной, эффективной, состоятельной.
~
Несмещенной называют такую точечную оценку θ , математическое ожидание которой равно оцениваемому генеральному параметру при любом объеме выборки, то есть
~ |
(1.4) |
M[θ]= θг . |
~
Если равенство (1.4) нарушается, то в этом случае оценка θ называется
смещенной.
~
Эффективной называется точечная оценка θ , которая (при заданном объеме выборки) имеет наименьшую возможную дисперсию, то есть
~ |
(1.4 а) |
D(θ)= min . |
~
Состоятельной называется точечная оценка θ , которая (с увеличением объема выборки) стремится по вероятности к оцениваемому параметру θг , то есть для любого достаточно малого δ > 0
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
lim P ( |
|
|
|
~ |
|
< δ) |
= 1. |
|
|
|
(1.4 б) |
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
θг − θ |
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n→∞ |
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
В качестве оценки математического ожидания m x |
СВ Х по выборке |
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
в − |
|
|||||||
x1 , x 2 ,K, x n |
|
|
|
|
используют |
|
выборочное |
среднее |
x |
выборочное |
|||||||||||||||||||
математическое ожидание. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
Выборочной средней |
x в |
называют среднее арифметическое значений |
||||||||||||||||||||||||||
выборки: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
1 |
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
x |
|
в = |
∑ x i . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(1.5 а) |
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
n i=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
x |
в = ∑ b j μ j . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(1.5 б) |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
j=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
_ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Как сказано выше |
x в |
можно рассматривать как значение случайной |
||||||||||||||||||||||||||
|
|
|
|
|
= |
1 |
(X1 + X |
2 + K + X n ), |
|
|
|
X1 , X 2 ,K, X n − |
|
||||||||||||||||
величины |
X |
|
|
где |
независимые |
||||||||||||||||||||||||
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
одинаково |
|
|
|
распределенные |
|
случайные |
величины, |
следовательно, |
|||||||||||||||||||||
M [Xi ] = m x , i = |
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
1, n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
Эта |
|
|
|
оценка |
является |
|
|
несмещенной, |
|
|
так |
как |
||||||||||||||||
M[X |
]= M |
1 |
(X1 + X 2 + K + X n ) |
= |
1 |
(M [X1 ] + M [X 2 ] + K + M [X n ]) = |
|
||||||||||||||||||||||
|
|
|
|||||||||||||||||||||||||||
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
=1 × n × m x = m x . n
Оценка состоятельна, так как по теореме Чебышева
|
|
|
|
|
|
1 |
|
n |
P |
|
||
|
|
X |
= |
∑ X i |
® m x . |
|||||||
|
|
n |
||||||||||
|
|
|
|
|
|
i=1 |
n→∞ |
|
||||
Эффективность данной оценки зависит от вида закона распределения. |
||||||||||||
Доказано, что если случайная величина X подчинена нормальному закону, |
||||||||||||
CBX − N (m x , D x ), то D [ |
|
]= |
1 |
D x |
|
минимально возможная, а |
||||||
X |
есть |
|||||||||||
|
||||||||||||
|
|
|
|
|
|
|
|
n |
|
|
||
следовательно оценка является эффективной. |
|
|||||||||||
В качестве оценки дисперсии Dг |
случайной величины X по выборке |
|||||||||||
x1 , x 2 ,K, x n |
возьмем выборочную дисперсию |
Dв . Выборочной дисперсией |
||||||||||
Dв называют |
среднее арифметическое квадратов отклонений наблюдаемых |
значений x i от среднего значения x в .
|
|
|
|
1 |
|
|
n |
|
|
_ |
2 |
|
|||
|
|
|
Dв |
= |
|
|
|
∑ |
|
|
|
|
(1.6 а) |
||
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
x i |
- x в . |
||||||||
|
|
|
|
|
n i=1 |
|
|
|
|
|
|||||
|
|
|
|
|
k |
|
x j |
|
_ |
2 |
|
||||
|
|
|
|
|
|
|
μ j , |
|
|||||||
|
|
|
Dв = ∑ |
− x в |
(1.6 б) |
||||||||||
|
|
|
|
|
j=1 |
|
|
|
|
|
|
||||
|
|
m j |
, j = |
|
. |
|
|
|
|
||||||
где m j |
= |
1, k |
|
|
|
|
|||||||||
|
|
|
|
|
|||||||||||
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
Формулы для вычисления дисперсии можно упростить. Покажем, это на
примере формулы (1.6 б):
Dв |
= |
1 ∑ m j x j − x в |
2 |
= 1 ∑ (x2j − 2 x j x |
в + x |
в2 )m j = |
|||||||||||||||
|
|
|
|
k |
|
|
|
_ |
|
|
|
|
k |
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
n j=1 |
|
|
|
|
n j=1 |
|
|
|
|
|
||||||||
|
1 |
k |
|
|
|
|
|
|
1 |
k |
|
|
|
|
k |
|
|
|
|
|
|
= |
∑ x 2j m j |
- 2 |
|
в |
× |
∑ x j m j + |
|
в2 ∑ m j |
= |
|
|
|
|||||||||
x |
x |
|
|
|
|||||||||||||||||
|
n |
|
|
|
|||||||||||||||||
|
n j=1 |
|
|
|
|
j=1 |
|
|
|
|
j=1 |
|
|
|
|
|
= M[x в2 ]- 2 x в x в + (x в )2 = M[x в2 ]- x в2 .
Итак, мы доказали теорему:
Теорема. Дисперсия Dв равна среднему квадратов значений вариант
минус квадрат общей средней:
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Dв |
= x в2 - |
|
в2 , |
|
|
|
|
|
|
|
|
|
|
(1.7) |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
1 |
|
k |
|
|
|
|
|
1 |
|
|
n |
|
|
|
|
|
|
|
1 |
|
k |
|
|
|
|
1 |
n |
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
где x в2 = |
∑ x 2j |
m j = |
|
∑ x i2 ; |
|
в |
= |
∑ x j m j |
= |
∑ x i . |
|
|
|
|
|
|||||||||||||||||||||||||||||
|
x |
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
n j=1 |
|
|
|
n i=1 |
|
|
|
|
|
n j=1 |
|
|
|
|
n i=1 |
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P |
|
|
|
Данная |
|
|
|
|
оценка |
|
|
является |
|
|
состоятельной, |
|
так |
как |
|
в |
® m x , |
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
x |
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n→∞ |
|
|
|
|
1 |
|
n |
|
|
|
|
|
|
|
P |
[X2 ] (по теореме Чебышева). |
|
|
|
|
|
|
|
||||||||||||||||||||||
Xв2 = |
∑ X |
2 |
→ M |
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||
|
i |
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||
|
|
|
|
n i=1 |
|
|
|
n→∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
Проверим является ли оценка так же несмещенной? Рассмотрим |
|||||||||||||||||||||||||||||||||||||||||
случайную величину |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
~ |
|
|
|
1 |
|
n |
2 |
|
1 |
n |
|
|
2 |
|
1 |
n |
2 |
1 |
n |
2 |
|
2 |
n |
|
||||||||||||||||||||
|
|
|
Dв |
= |
|
|
|
|
|
∑ Xi − |
|
|
∑Xi |
|
= |
|
|
|
∑ Xi − |
|
|
|
∑Xi |
− |
|
∑ Xi X j |
= |
|||||||||||||||||
|
|
|
|
n |
|
|
|
|
n |
|
n2 |
n2 |
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
i |
|
n |
i |
|
|
|
|
|
i |
|
|
|
i |
|
|
i< j |
|
|||||||||||||||||
|
|
|
|
|
|
n - 1 |
|
|
|
1 |
|
n |
|
|
|
2 |
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
= |
× |
|
∑ X i2 |
- |
|
∑ X i |
X j |
|
|
которая при данных значениях |
выборки |
||||||||||||||||||||||||||||||
|
|
|
|
|
|
n 2 |
|
|
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
n |
|
|
|
|
|
n |
i |
|
|
|
i< j |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
x1 , x 2 ,K, x n |
дает оценку Dг . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Перенесем начало координат в точку m x (значение дисперсии не зависит
от выбора начала координат) и найдем математическое ожидание:
~ |
|
|
n −1 |
|
1 |
0 2 |
|
|
2 |
|
|
|
|
|
|
|
0 0 |
|
|
|
|
|
|
|
|
|||||||||||||||
M [D]= |
|
|
|
|
M |
|
|
X i |
− |
|
|
|
∑ M X i X j |
= |
|
|
|
|
|
|
||||||||||||||||||||
n |
|
|
|
|
|
n |
2 |
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
i<j |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
= |
n −1 |
Dг − |
|
2 |
K Xi X j |
= |
n −1 |
|
D г |
, |
|
|
так |
как |
K Xi X j = 0 при |
i ¹ j |
в |
силу |
||||||||||||||||||||||
|
|
|
|
|
||||||||||||||||||||||||||||||||||||
|
n |
|
|
|
|
|
|
n 2 |
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
= Dг . |
|
|
|
|
|
|
|
|
|
||||||
независимости испытаний, |
M |
|
Xi2 |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
~ |
|
|
|
|
n −1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Окончательно имеем M [D]= |
|
|
|
|
|
|
Dг |
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Выборочную дисперсию можно легко исправить так, чтобы получить |
||||||||||||||||||||||||||||||||||||||||
несмещенную оценку. В качестве несмещенной оценки дисперсии Dг |
||||||||||||||||||||||||||||||||||||||||
используют исправленную дисперсию s 2 : |
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
s 2 = |
|
|
|
n |
|
D |
|
. |
|
|
|
(1.8) |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n - |
|
в |
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
||||||
Действительно, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
2 |
|
|
|
|
n |
~ |
|
|
n |
|
|
|
|
|
~ |
|
|
|
|
|
n |
|
|
n -1 |
|
|
|
|
||||||||||
M [s |
|
]= M |
|
|
|
|
|
D |
|
= |
|
|
|
|
M [D]= |
|
|
|
|
× |
|
|
|
Dг . |
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
n - 1 |
|
|
|
n - 1 |
|
|
|
|
|
|
|
|
n - 1 n |
|
|
|
|
|
|
|||||||||||||||
Исправленная дисперсия s 2 |
остается состоятельной, так как |
lim |
n |
|
= 1 |
|||||||||||||||||||||||||||||||||||
|
|
|||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
N→∞ n - 1 |
|||
и множитель |
n |
|
|
|
не влияет на состоятельность оценки. При больших объемах |
|||||||||||||||||||||||||||||||||||
|
|
|
|
|||||||||||||||||||||||||||||||||||||
|
|
|
|
|
n -1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
выборки n различие между D |
г |
|
и s 2 |
становится незначительным, а при малых |
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n в качестве характеристики рассеивания надо использовать исправленную
дисперсию.
Выборочным средним квадратическим отклонением называют число σв
равное
sв = Dв .
Стандартным отклонением s называют корень квадратный из
исправленной дисперсии.
При выборке малого объема (n < 30) точечная оценка может значительно отличаться от оцениваемого генерального параметра, то есть приводить к
грубым ошибкам. Поэтому при небольшом объеме выборки следует пользоваться интервальными оценками.
|
|
|
|
Пусть |
найденная |
(по данным |
|
|
|
~ |
||
|
|
|
|
выборки) статистическая оценка θ |
||||||||
является оценкой неизвестного генерального параметра θг . |
~ |
|||||||||||
Ясно, что θ тем |
||||||||||||
точнее определяет θг , чем меньше значение разности |
|
θг |
~ |
|
|
|||||||
|
|
|||||||||||
|
− θ |
|
. То есть при |
|||||||||
|
|
~ |
|
< δ |
(δ > 0) |
|
δ, тем оценка |
|
θг |
точнее. Значит, |
||
|
|
|
|
|||||||||
|
|
θг − θ |
|
чем меньше |
|
положительное число δ характеризует точность оценки.
~
Надежностью (доверительной вероятностью) оценки θ называется
~
вероятность γ, с которой осуществляется событие θг − θ < δ, то есть
γ = P(θ |
~ |
(1.9) |
г − θ < δ). |
Обычно надежность оценки (доверительная вероятность γ) задается. Причем в качестве γ берут число, близкое к единице (0,95; 0,99; 0,999).
Доверительным называется интервал, который с заданной надежностью γ покрывает оцениваемый генеральный параметр. В соотношении (1.9), если
раскрыть модуль, получается P(− δ < θг |
~ |
~ |
~ |
|
− θ < δ)= γ или P(θ − δ < θг |
< θ + δ)= γ. |
|||
~ |
~ |
доверительный |
интервал. |
Из общих |
Тогда интервал (θ |
− δ; θ + δ) и есть |
соображений ясно, что длина доверительного интервала будет зависеть от объема выборки n и доверительной вероятности γ.
|
|
|
|
Построение доверительного интервала для оценки математического |
||||||||||||||||||||||||||||||||||||||||||
ожидания при известном σ. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
Пусть случайная величина X распределена нормально, где σ − известно. |
||||||||||||||||||||||||||||||||||||||||||
Требуется |
по выборке x1 , x 2 ,K, x n оценить |
неизвестное математическое |
||||||||||||||||||||||||||||||||||||||||||||
ожидание. |
|
Наилучшей |
|
|
оценкой |
математического |
ожидания |
является |
||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
выборочное среднее X = |
|
|
|
∑X i . |
Известно, |
что |
|
Х |
имеет |
нормальное |
||||||||||||||||||||||||||||||||||||
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n i=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
распределение с M [X]= m, D[X]= σ2 |
, σ |
|
|
= |
|
σ |
. |
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
X |
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P ( |
|
|
X − m |
|
|
< l)= 2 Φ |
l |
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
Заменив в формуле |
|
|
|
|
X на |
X , l |
на |
δ, σ на |
||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
σ |
|||||||||||||||||||||||||||||||||||||||
σ |
|
|
= |
σ |
, |
получим: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P ( |
|
|
|
< δ) |
|
|
|
|
|
|
|
|
δ |
|
|
|
|
|
|
|
Φ (Zγ ), |
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
X − m |
= |
|
2 Φ |
|
|
|
n |
= 2 |
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
σ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
δ |
|
|
|
|
|
|
|
|
|
Z γ σ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
где Z γ = |
|
n , откуда δ = |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(**) |
|||||||||||||||||||||
σ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Задаваясь уровнем |
значимости |
|
α из |
формулы 2 Φ (Z γ )= γ =1 − α по |
|||||||||||||||||||||||||||||||||||
таблице функции Лапласа можно найти значение Z γ . Подставляя Z γ в формулу |
|||||||||||||||||||||||||||||||||||||||
(**), найдем δ. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
σ |
|
|
|
|
|
|
|
|
σ |
|
|||||||||||||
|
|
|
- |
|
|
|
< d |
Û |
|
|
|
|
- |
|
Zγ |
< m < |
|
+ |
Zγ |
. |
|||||||||||||||||||
|
|
|
|
|
|||||||||||||||||||||||||||||||||||
X |
X |
X |
|||||||||||||||||||||||||||||||||||||
Тогда |
|
X |
г |
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
n |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
По выборке находим оценку X и записываем доверительный интервал: |
|||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
Z |
γ s |
|
|
|
|
|
|
Z γ s |
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
x |
в |
- |
|
|
|
|
|
, x |
в |
+ |
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
в - t × |
σ |
г |
|
< m < |
|
в + t × |
σ |
г |
|
, |
(1.10) |
||||
|
|
|
|
|
x |
x |
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
n |
|
|
|
||||
где t × |
s |
г |
|
= d - точность оценки; n - |
объем выборки; t - |
такое значение |
|||||||||||||||
|
|
|
|||||||||||||||||||
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
||||||||
аргумента функции Лапласа Ф(t) (приложение 1), при котором Ф(t)= |
γ |
. |
|||||||||||||||||||
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
Построение доверительного интервала для оценки математического |
|||||||||||||||||||||
ожидания при неизвестном σ. |
|
|
|
|
|
|
|
|
|
|
|
||||||||||
Пусть СВ Х - N (m, σ), где m и σ - неизвестны. |
|
|
|
||||||||||||||||||
Требуется по выборке x1 , |
x 2 , … , |
x n |
построить интервальную оценку |
||||||||||||||||||
неизвестного математического |
ожидания. |
Найдем точечные |
несмещенные |
|
|
|
|
|
1 n |
|
|
|
|
1 |
|
|
|
оценки m и σ: |
x |
|
в |
= |
|
∑ |
x |
i |
, |
s = |
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
n i=1 |
|
|
|
|
n −1 |
|||
можно построить |
|
случайную |
величину |
|
|||||||||
распределение Стьюдента |
S(t, n) с k = n −1 |
n |
|
2 |
|
2 |
|
∑ |
x |
− nx |
. |
||
|
i |
|
в |
|
|
i=1 |
|
|
|
|
|
= x − m T
s
По данным выборки
n , которое имеет
степенями свободы. Распределение
Стьюдента зависит только от объема выборки n и при n → ∞ переходит в нормированное нормальное распределение N(0,1). На практике при n > 30 t - распределение можно заменять распределением N(0,1). На рис.1.1 представлен график t - распределения.
S(t, n)
− t γ |
t γ |
t |
|
Рис. 1.1 |
|
Доверительный интервал для СВ Т определяется равенством
P(T < t γ ) = 2t∫γ S(t, n)dt = g .
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
По таблице распределения Стьюдента по γ и k = n − 1 можно найти t γ . |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Преобразуем неравенство: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t γ × s |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
- m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
T |
< t γ Û |
|
|
|
|
|
|
|
n |
|
< t γ Û |
x - m |
< |
|
Û |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
s |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
t |
γ × s |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
γ × s |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
x - |
< m < x + |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
n |
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
Откуда |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
t |
γ |
|
|
× s |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
|
γ |
× s |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
P |
x |
|
- |
|
|
|
|
|
|
|
|
|
|
|
< m |
|
|
< |
x |
+ |
|
|
|
|
|
|
|
|
= g = 1 |
- a . |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
Тем самым по выборке, пользуясь распределением Стьюдента, можно |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
построить доверительный интервал |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t γ × s |
|
|
|
|
|
|
t γ × s |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
в |
- |
|
|
|
|
|
|
|
|
|
|
; x |
в |
+ |
|
|
|
|
, |
|
(1.11) |
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
покрывающий неизвестный параметр m с надежностью γ . |
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
ПРИМЕР 1.2. Построить доверительный интервал для оценки |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
неизвестного математического ожидания |
m |
при n = 9 , γ = 0,95 , |
|
в = 6 , |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
x |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
s = 3. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
Решение. Построим доверительный интервал по формуле (1.10), положив |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
σ = s : 2Φ = 0,95 t = 1,96 ; |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
− s |
× t |
< m < |
|
|
|
|
|
+ s |
× t |
|
|
6 − |
3 × |
|
1,96 |
< m < 6 + |
3 ×1,96 |
|
4,04 < m < 7,96 . |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
x |
в |
x |
в |
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
9 |
|
|
|
|
|
|
|
|
|
|
|
|
9 |
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
Построим доверительный интервал по формуле (1.11): |
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
t0, 95 |
= 2, 31 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
t γ × s |
|
|
|
|
|
|
|
|
|
|
t γ × s |
|
6 - |
3 × 2,31 |
|
|
|
|
|
|
|
|
|
3 × 2,31 |
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||
|
xв |
- |
|
|
|
|
|
|
|
|
|
|
|
; xв + |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
< m < 6 + |
|
|
|
|
|
|
|
Û 3,69 < m |
< 8,31. |
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
n |
|
|
|
|
|
|
n |
|
|
|
9 |
|
|
|
|
9 |
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
Использование |
|
|
|
t |
- |
распределения |
при |
|
малых n |
дает более |
широкий |
доверительный интервал, чем при использовании нормального распределения, что является более оправданным, так как нет информации о параметре σ .
На практике часто приходится по результатам n независимых равноточных измерений x1 , x 2 , ..., x n оценивать истинное значение измеряемой величины. Алгоритм решения этой задачи:
|
|
|
|
1 |
n |
|
1. Находим выборочное среднее |
|
|
= |
∑ x i |
||
x |
в |
|||||
|
||||||
|
|
|
|
n i=1 |
|
1 |
|
n |
2 |
|
|
2 |
|
|
|
|
|
|||||
2. Вычисляем стандартное отклонение s = |
|
|
∑ xi |
- nx |
|
|
||
n -1 |
|
|||||||
|
i=1 |
|
|
|
|
|
3. Задаемся доверительной вероятностью γ и строим доверительный интервал
|
|
|
|
t γ × s |
|
|
|
|
t γ × s |
|||||
x |
в |
- |
|
|
|
; x |
в |
+ |
|
|
|
|
||
|
|
|
|
|
|
|||||||||
|
|
|
|
|
||||||||||
|
|
|
n |
|
|
|
|
n |
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
4. Записываем ответ.
ПРИМЕР 1.3. По данным 9 независимых равноточных измерений
физической величины найдены |
|
в = 42,319 |
и s = 5,0 . Требуется оценить |
||||||||
x |
|||||||||||
истинное значение измеряемой величины m с надежностью g = 0,95 . |
|||||||||||
Решение. По таблице S(t, n) находим t0, 95 |
= 2,31. |
||||||||||
Точность оценки e = t γ × |
s |
|
= 2,31× |
5 |
|
= 3,85. |
|||||
|
|
|
|
|
|
||||||
n |
9 |
|
|
||||||||
|
|
|
|
|
|||||||
Доверительный интервал: (x − ε; x + ε) (36,469; 46,169). |
|||||||||||
Ответ: С надежностью |
|
g = 0,95 истинное значение измеряемой величины |
|||||||||
попадает в доверительный интервал (36,469 < m < 46,169). |
|||||||||||
Запись: 42,319 ± 3,85 , |
|
g = 0,95 . |
|
Аналогично могут быть построены интервальные оценки для дисперсии, коэффициента корреляции и других параметров.
Метод моментов
Снова возвратимся к точечным оценкам. Были сформулированы основные свойства оценок, но ничего не было сказано о способах их получения. Одним из первых методов оценивания параметров был метод моментов, разработанный К.Пирсоном. Достоинство метода – его простота. Метод моментов точечной оценки неизвестных параметров распределения состоит в приравнивании теоретических моментов рассматриваемого распределения соответствующим выборочным моментам того же порядка.
Пусть СВ Х – задана плотностью f (x, θ), где q неизвестный параметр. Надо найти его точечную оценку. Для оценки одного параметра достаточно иметь одно уравнение, содержащее этот параметр. Приравняем первые
|
|
|
|
|
|
|
|
|
∞ |
|
|
~ |
|
|
|
|
|
где |
M[Х] = ∫ xf (x, q)dx = j(q). |
||
|
|
|
|
|||||||
начальные моменты: α1 = α1 M[X] = x в , |
||||||||||
Имеем уравнение: |
ϕ(θ) = |
|
в , |
решив которое, |
−∞ |
найти оценку q |
||||
|
можно |
|||||||||
x |
||||||||||
|
~ |
|
|
, x 2 , ..., x n ) |
|
|
|
|
||
неизвестного параметра: q = y(x1 |
|
|
|
|
||||||
ПРИМЕР 1.4. |
По выборке x1 , x 2 , |
..., |
x n |
методом |
моментов найти |
|||||
точечную оценку неизвестного |
параметра |
l |
показательного распределения |
|||||||
f (x) = l × e−λx , x ³ 0 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
n |
|
|||
Решение. |
Приравняем M[Х] = |
|
в = |
|
∑ x i . |
Для показательного |
||||||||||||||
x |
||||||||||||||||||||
|
||||||||||||||||||||
распределения: |
|
|
|
|
|
|
|
n i=1 |
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
1 |
|
|
~ |
|
1 |
|
|
||||||
|
|
|
|
|
|
M[Х] = |
|
= |
x |
в λ = |
|
|
|
|
; |
|
||||
|
|
|
|
|
|
λ |
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x в |
|
||||
~ |
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Ответ: λ = |
|
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
x |
в |
|
|
|
|
|
|
|
|
|
|
|
|
|
f (x, θ1 , θ2 ) с двумя |
|||
Пусть |
|
СВ |
Х имеет плотность |
распределения |
неизвестными параметрами. Для отыскания оценок двух параметров надо иметь
|
|
|
|
|
|
|
|
|
|
|
|
|
~ |
и |
μ1 |
~ |
два уравнения относительно этих параметров. Приравняем α1 = α1 |
= μ 2 , |
|||||||||||||||
|
|
|
|
|
|
~ |
|
|
~ |
= Dв . Имеем систему: |
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|||||
где α1 = M[X] , α1 = x в , μ 2 = D , |
μ 2 |
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
∫ xf (x, θ1 , θ |
2 )dx = |
|
в |
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
||||
M[X] = x |
|
|
|
|
|
|
|
|
||||||||
в |
|
|
−∞ |
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
D[X] |
= D в |
|
∞∫ (x − m x )2 f (x, θ1 , θ2 )dx = Dв |
|
|
|
|
|||||||||
|
|
|
|
|
|
−∞ |
~ |
~ |
= ψ 2 (x1 , x 2 |
,..., x n ). |
||||||
|
|
|
|
|
систему, найдем |
|||||||||||
Решив |
θ1 |
= ψ1 (x1 , x 2 , ..., x n ), θ2 |
||||||||||||||
Метод моментов дает состоятельные оценки. |
|
|
|
|
||||||||||||
ПРИМЕР |
1.5. По выборке |
x1 , x 2 , ..., x n методом моментов |
найти |
оценки неизвестных параметров m
Решение. Имеем
m = x в
Ответ:
σ = D в
M[X] = x в=D[X] D в
.
и σ нормального распределения.
m = x в .σ 2 = Dв
Метод наибольшего правдоподобия
Основным методом получения точечных оценок неизвестных параметров распределения является метод наибольшего правдоподобия. Рассмотрим основную идею метода.
Пусть по результатам выборки требуется оценить неизвестный параметр
θ СВ Х с законом распределения f (x, q). |
|
|
|
|
Функция L = f (x1 , q)× f (x 2 , q)× ...× f (x n , q) |
|
|
(1.12) |
|
называется функцией правдоподобия. |
|
|
|
|
Для ДСВ функция правдоподобия имеет вид |
|
|
|
|
L = P(x1 , q) × P(x 2 , q)× ...× P(x n , q) где |
P(X k = x k ) = P(x к , q). |
|
|
|
При фиксированных x1 , x 2 , ..., |
x n функцию L будем рассматривать как |
|||
функцию от параметра θ . По методу наибольшего правдоподобия |
за оценку |
|||
параметра θ принимают значение |
~ ~ |
, x 2 |
, ..., |
x n ), при |
аргумента θ = θ(x1 |
котором L имеет максимальное значение. Поскольку ln L при фиксированных
достигает максимума при том же значении параметра θ , что и
L , то для нахождения оценки решают уравнение правдоподобия: |
|
||
|
∂ ln L |
= 0 |
(1.13) |
|
|
||
|
¶q |
|
Если закон распределения СВ Х зависит от двух параметров f (x, q1 , q2 ), то функция правдоподобия L = f (X1 , q1 , q2 )× f (X 2 , q1 , q2 )×...× f (X n , q1 , q2 ), а
уравнения правдоподобия имеют вид: |
∂ ln L = 0, |
∂ ln L = 0 . |
|
¶Q1 |
¶Q 2 |
ПРИМЕР 1.6. Методом наибольшего правдоподобия найти оценку параметра λ распределения Пуассона.
Решение. Распределение Пуассона: Pn (m) = lm e −λ . Составим функцию m!
правдоподобия:
L = P(x1 , l)× P(x 2 , l) × ...× P(x n , l) = lx1 |
e −λ × lx 2 |
e −λ × |
... × lx n |
||||||
|
|
|
x1! |
|
|
x 2 ! |
|
x n ! |
|
n |
× ln l - nl - ln(x1!× x 2 !×...× x n !). |
|
|
|
|
||||
ln L = ∑ x i |
|
|
|
|
|||||
i=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
d ln L |
|
|
∑ x i |
|
|
||
Уравнение правдоподобия |
= 0 |
i=1 |
|
- n = 0 l = |
|||||
|
l |
|
|||||||
|
|
dl |
|
|
|
|
|
e −λ ;
1 ∑n x i = x в
n i=1
|
d 2 ln L |
|
|
1 |
|
n |
ˆ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
т.к. |
dl2 |
= - |
|
|
∑ x i < 0 , то l = x в |
- точка максимума. |
|
|
|
|
|
|
|
|||||||
|
|
l2 i=1 |
|
|
|
ˆ |
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
Ответ: оценка наибольшего правдоподобия l = x в . |
|
|
|
|
|
|
|
||||||||||||
|
ПРИМЕР |
1.7. |
Методом наибольшего правдоподобия |
|
|
найти |
оценки |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
распределения: f (x) = |
|
1 |
|
|
− (x −m)2 |
|
||||
параметров |
m и σ |
нормального |
|
|
|
e |
2σ2 |
по |
||||||||||||
s |
|
|
|
|
|
|||||||||||||||
|
2p |
|
выборке x1 , x 2 , ..., x n .
Решение. Функция правдоподобия
|
1 |
|
|
|
|
− |
(x1 −m)2 |
1 |
|
|
− |
(x 2 −m)2 |
1 |
|
|
− |
(x n −m)2 |
|
||||||
|
|
|
|
|
|
2σ2 |
|
|
|
|
|
2σ2 |
|
|
|
2σ2 |
|
|||||||
L = |
|
|
|
|
|
e |
|
|
× |
|
|
|
|
e |
|
|
× ...× |
|
|
|
e |
|
|
|
s |
|
|
|
|
|
s |
|
|
|
|
|
s |
|
|
|
|
||||||||
2p |
|
|
2p |
|
|
2p |
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
n |
(xi −m)2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
L = |
1 |
|
|
|
|
− ∑ |
|
2σ2 |
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
e i=1 |
|
|
; |
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
(σ |
|
|
|
)n |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
2π |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
∑n (x i - m)2
ln L = -n ln s + ln 1 - i=1 ;
(2p)n 2s2