Savelova_Metod_Monte-Karlo_2011
.pdfТаким образом, данные не приводят к выводу, что апельсино-
вый сок дает большее прибавление в весе, чем молоко.
Задания на самостоятельную работу
Задание 1. Смещенность, эффективность и состоятельность оценок. ММ и ММП получения оценок
1. Случайная величина имеет неизвестные математическое
|
|
|
|
|
|
|
|
1 |
n |
|
ожидание а и дисперсию ζ2 . Для а предложена оценка x |
xi , |
|||||||||
|
||||||||||
|
|
|
|
|
|
|
|
n i 1 |
||
для ζ2 – оценки |
|
|
|
|
|
|
|
|
|
|
|
1 |
n |
|
|
1 |
|
n |
|
|
|
s12 |
(xi x )2 |
, |
s02 |
|
(xi x )2 . |
|
|
|||
n |
n 1 |
|
|
|||||||
|
i 1 |
|
|
i 1 |
|
|
||||
|
|
|
|
|
|
|
|
Какие из предложенных оценок смещенные, несмещенные?
2.Доказать, что если две случайные величины ξ1 , ξ2 имеют
Mξ1 Mξ2 , |
Dξ1 Dξ2 |
и коэффициент корреляции r 1, то |
||
P ξ1 ξ2 1. |
|
|||
3. Для |
случайной |
величины с функцией распределения |
||
1 |
|
|
|
|
|
|
|||
F x,θ x |
θ |
, |
0 x 1, θ найти несмещенную эффектив- |
ную оценку параметра .
4.Случайная величина имеет Mξ a , а ее дисперсия ζ2 не-
известна. По независимой выборке x1,..., xn для ζ2 предложена
51
|
1 |
n |
|
|
оценка s12 |
(xi a)2 |
. Предположив, что обладает централь- |
||
|
||||
|
n i 1 |
|
ным моментом 4-го порядка M ξ a 4 , доказать, состоятельность
оценки s12 .
5.Доказать, что выборочный момент порядка
|
1 |
n |
|
|
mν |
xiν , |
ν 1, 2,... |
||
|
||||
|
n i 1 |
|
есть несмещенная и состоятельная оценка момента mν Mξν .
6.Доказать, что выборочный момент порядка асимптотиче-
ски нормален.
7. Доказать, что оценка математического ожидания нормально распределенной случайной величины, полученной ММП, эффек-
тивна.
8. Доказать, что оценка дисперсии нормально распределенной случайной величины, полученной ММП, будучи неэффективной,
эффективна асимптотически.
9.Для распределения Пуассона
P ξ i |
λi |
e λ , λ 0 , i 0,1,... |
|
i! |
|||
|
|
найти оценку ММП для параметра . Доказать, что полученная оценка несмещенная, состоятельная и эффективная.
10. Произведено n независимых испытаний, каждое из которых может иметь своим исходом событие А с неизвестной вероятно-
стью p. Найти для p оценку ММП.
52
11. Случайная величина распределена с плотностью
|
2C |
|
C |
|
|
|
|
|
|
||
pξ x |
1 |
exp |
1 |
|
x μ |
|
, |
|
x |
|
, C 0 . |
|
|
|
|||||||||
|
|
|
|
|
|
Параметр задан, для С требуется найти оценку ММП.
12. Случайная величина распределена по биномиальному за-
кону с параметрами N и p, т.е.
P ξ k CNk pk 1 p N k , k 0,1,..., N
(N известно, p неизвестно). Найти для p оценку ММП. Доказать,
что такая оценка несмещенная, эффективная и состоятельная.
13. Неотрицательная случайная величина имеет «двойное пу-
ассоновское распределение», т.е.
P ξ k |
1 |
e λ1 |
λ1k |
|
1 |
e λ2 |
λ2k |
, k 0,1,... |
|
2 |
k! |
2 |
k! |
||||||
|
|
|
|
|
Независимые измерения дали значения k1,..., kn . Найти для λ1 и λ2
оценки методом моментов.
14. Неотрицательная случайная величина имеет «гамма-
распределение», т.е. плотность
pξ x |
α p |
x p 1e αx , x 0 , α 0 . |
|
p |
|||
|
|
Параметр p задан, параметр неизвестен. Указать оценку ММП для .
53
Задание 2. Доверительные интервалы. Эмпирическая функция распределения. χ 2 – критерий проверки гипотез
ораспределении
1)Пусть x1,..., xn – независимая нормально распределенная
выборка с неизвестными Mξ a и Dξ ζ2 , а C cij |
, 1 i, j n – |
|||||||||
ортогональная матрица, для которой c |
|
c |
... c |
|
1 |
. |
||||
|
|
|||||||||
|
|
|
n1 |
n2 |
nm |
|
|
n |
||
|
|
|
|
|
|
|
|
|
||
Доказать: |
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
1а) M yk yl ζ2δkl , где yk |
cki |
xi a ; |
|
|
|
|
||||
|
|
|
i 1 |
|
|
|
|
|
|
|
n |
n |
|
|
|
|
|
|
|
|
|
1б) yk2 |
(xi a)2 ; |
|
|
|
|
|
|
|
|
|
k 1 |
i 1 |
|
|
|
|
|
|
|
|
|
n |
|
n 1 |
|
|
|
|
|
|
|
|
1в) ns2 (xi x )2 yk2 . |
|
|
|
|
|
|
|
|||
i 1 |
k 1 |
|
|
|
|
|
|
|
|
2)Имеется выборка объема 8 из совокупности нормально рас-
пределенных величин с параметрами θ a , θ |
2 |
ζ2 |
: |
|||
|
|
|
1 |
|
|
|
|
|
|
2,4,2,6,4,8,4,10 |
|
|
(*) |
Построить доверительный интервал: |
|
|
|
|||
2а) для θ |
|
с уровнем доверия β 0,9 , если ζ2 4 |
; |
|||
1 |
|
|
|
|
|
|
2б) для θ1 |
с уровнем доверия β 0,95 , если θ2 неизвестно; |
|||||
2в) для θ |
2 |
ζ2 |
с уровнем доверия β 0,9 , |
если a 5 ; |
||
|
|
|
|
|
|
|
2г) для θ |
2 |
ζ2 |
с уровнем доверия β 0,95 , если |
θ неизвестно. |
||
|
|
|
|
|
1 |
|
|
|
|
54 |
|
|
|
3)Для выборки (*) построить эмпирическую функцию рас-
пределения. Найти оценку Mξ и Dξ .
4)Дана выборка:
03 |
99 |
11 |
04 |
61 |
93 |
71 |
68 |
94 |
08 |
32 |
46 |
53 |
84 |
60 |
95 |
82 |
32 |
88 |
61 |
81 |
91 |
61 |
38 |
55 |
59 |
55 |
54 |
32 |
88 |
80 |
08 |
35 |
56 |
60 |
04 |
73 |
54 |
77 |
62 |
71 |
29 |
92 |
38 |
53 |
17 |
29 |
13 |
Проверить гипотезу о равномерном распределении с помощью критерия χ 2 .
5)Доказать, что эмпирическая функция распределения явля-
ется несмещенной и состоятельной оценкой функции распределе-
ния.
6)Доказать, что сумма двух независимых, распределенных по нормальному закону случайных величин, распределена нормально.
7)Доказать, что сумма двух независимых, распределенных по
закону χ 2 распределений, распределена также по закону χ 2 , при-
чем число степеней свободы складывается. |
|
|
8) При n 4040 бросаниях |
монеты |
Бюффон получил |
h1 1992 выпадения «решетки» и |
h2 2048 |
выпадения «герба». |
Требуется проверить совместимость этих данных с гипотезой о том, что монета является симметричной, т.е. вероятности выпаде-
ния «герба» и «решетки» равны:
p1 p 12 ; p2 q 1 p 12 .
9)Построить доверительный интервал для разности матема-
тических ожиданий двух нормально распределенных случайных
55
величин : N a1,ζ12 , : N a2 ,ζ22 с неизвестными математиче-
скими ожиданиями a1 , a2 и известными дисперсиями ζ12 , ζ22 по выборкам
: x1,..., xm , : y1,..., yn .
10) Та же задача, что и 9, неизвестные a1 , a2 , также выполнено
ζ12 ζ22 ζ2 .
56
… Одним из простейших механических приборов для получения случайных чисел является… рулетка. Стоит ответить на часто задаваемый вопрос: «Помогает ли
метод Монте-Карло выигрывать в рулетку?»
Нет, не помогает. И даже не занимается этим.
И.М. Соболь
Глава 2. Статистическое моделирование случайных величин
2.1. Введение в численные методы Монте-Карло
Метод Монте-Карло определяется как метод статистического моделирования случайных величин с целью вычисления характе-
ристик их распределений. Как правило, предполагается, что моде-
лирование осуществляется с помощью компьютерных программ.
Идея метода статистических испытаний известна давно. Напри-
мер, с 1873 г. известен способ вычисления числа с помощью слу-
чайных бросаний иглы на разграфленную параллельными линиями бумагу [14, 30]. Считается, что систематически метод Монте-Карло стал изучаться начиная с работы Метрополиса и Улама [33]
(1949 г.).
Первоначально метод Монте-Карло использовался в основном для решения задач нейтронной физики (где традиционные числен-
ные методы оказались малопригодными). Затем для решения ши-
рокого класса задач статистической физики. Метод Монте-Карло очень быстро завоевал популярность в решении различных при-
57
кладных задач, в первую очередь – задач теории массового обслу-
живания, теории игр, математической экономики, теории передачи информации при наличии помех и т.д. [14, 24, 25].
Метод Монте-Карло используется не только для решения мате-
матических задач, имеющих вероятностную постановку, но и за-
дач численного интегрирования, а также систем алгебраических уравнений, задач оптимизации, особенно систем нелинейных урав-
нений [4].
В настоящее время круг задач, решаемых методом статистиче-
ских испытаний, очень широк и постоянно растет. Этот метод ис-
пользуется для решения прикладных задач из большого количест-
ва областей науки и техники, и соответствующие работы, выпол-
ненные на разном уровне, разбросаны по многочисленным источ-
никам информации.
В зарубежной литературе процесс моделирования прикладных задач с целью дальнейшего их решения методом статистических испытаний принято называть имитацией (simulation).
Особенностью метода Монте-Карло является оценка точности по вероятности. Для этого может быть использован закон больших чисел. Пусть ξ1,...,ξn независимые одинаково распределенные слу-
чайные величины, для которых Mξi a, Dξi ζ2 , i 1,..., n . Тогда для любого h 0 имеет место неравенство Чебышева:
P ηn a h ζ22 , nh
58
|
1 |
n |
|
где ηn |
ξi . |
||
|
|||
|
n i 1 |
Есть другие усиленные варианты закона больших чисел [14].
Для оценки точности используется также центральная предель-
ная теорема (см. раздел 1.1). При этом погрешность имеет вид
|
|
Dξ |
|
, где n – число испытаний, |
Dξ – дисперсия разыгрываемой |
|
n |
||||||
|
|
|
|
|
при моделировании случайной величины . Из формулы для оцен-
ки точности видно, что для увеличения точности в 10 раз число ис-
пытаний нужно увеличить в 100 раз. Поэтому методом Монте-
Карло, как правило, решают задачи, где не требуется получение высокой (5–10 %) точности. Помимо этого часто удается решать задачу различными способами метода Монте-Карло и можно найти случайную величину с меньшей дисперсией Dξ (этот прием ис-
пользуется в главе 3 при вычислении определенных интегралов методом Монте-Карло).
Таким образом, суть метода Монте-Карло заключается в сле-
дующем. Нужно вычислить величину a. Следует придумать слу-
чайную величину , математическое ожидание которой равно a,
|
1 |
n |
|
Mξ a . Пусть ξ1,...,ξn – независимая выборка. Тогда |
ξi есть |
||
|
|||
|
n i 1 |
несмещенная и состоятельная оценка величины a.
Задача 1. Как придумать случайную величину ?
Задача 2. Как моделировать случайную величину ?
59
В последующих параграфах данной главы рассмотрим решение
задачи 2.
2.2. Статистическое моделирование независимых равномерно распределенных случайных величин
Пусть случайное число равномерно распределено в интервале
(0,1). Запишем это число в виде десятичной дроби
γ 0,ε1ε2...εk ...
или
|
|
γ εk 10 k |
(2.1) |
k 1
Случайная цифра – это дискретная случайная величина, имею-
щая закон распределения в десятичной системе представления
|
0 |
1 |
2 |
... |
9 |
|
|
|
|
|
|
|
|
|
0,1 |
0,1 |
0,1 |
... |
0,1 |
|
P ξ k 0,1, k 0,1,...,9 |
||||||
или в двоичной системе кодировки |
|
|
||||
|
|
|
0 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
0,5 |
0,5 |
|
|
P ξ r 0,5, |
r 0,1. |
Теорема 2.1. Если – случайное равномерно распределенное число (2.1), то ε1,...,εk ,... – независимые случайные цифры. Верно и обратное утверждение: если ε1,...,εk ,... – независимые случайные цифры, то формула (2.1) определяет случайное число.
60