
- •Глава 8. Числовые характеристики выборки
- •8.1. Средние величины как характеристики положения
- •8.2. Показатели вариации как характеристики рассеяния
- •Свойства дисперсии:
- •8.3. Упрощенный способ расчета средней арифметической и дисперсии
- •8.4. Начальные центральные моменты
- •Глава 9. Оценки параметров распределения и их свойства
- •9.1. Точечная оценка параметров распределения
- •9.1.1. Точечная оценка математического ожидания
- •9.1.2. Точечная оценка дисперсии
- •9.1.3. Частость как точечная оценка вероятности события
- •9.2. Методы оценки параметров распределения
- •9.2.1. Метод максимального правдоподобия (ммп)
- •9.2.2. Метод моментов
- •9.2.3. Метод наименьших квадратов (мнк)
- •9.3. Интервальная оценка параметров распределения
- •9.4. Построение доверительных интервалов
- •9.4.1. Доверительный интервал для оценки математического ожидания нормального распределения при известной дисперсии
- •9.4.2. Доверительный интервал для оценки математического ожидания нормального распределения при неизвестной дисперсии
- •9.4.3. Доверительные интервалы для оценки среднего квадратического отклонения нормального распределения
- •9.4.4. Доверительный интервал для вероятности
9.1. Точечная оценка параметров распределения
Точечная оценка предполагает нахождение единственной числовой величины, которая и принимается за значение параметра. Такую оценку целесообразно определять в тех случаях, когда объем ЭД достаточно велик. При малом объеме ЭД точечные оценки могут значительно отличаться от истинных значений параметров, что делает их непригодными для использования.
9.1.1. Точечная оценка математического ожидания
В качестве приближенного значения (статистической оценки) математического ожидания будем использовать выборочную среднюю .
Будем
рассматривать
как случайную величину
,
а х1,
х2,…,
хп
(значения исследуемой случайной величины,
составляющие выборку)
– как независимые, одинаково распределенные
случайные величины Х1,
Х2,…,
Хп,
имеющие математическое ожидание а.
Выясним состоятельность, несмещенность и эффективность выборочной средней как точечной оценки математического ожидания.
Несмещенность
Теорема. Пусть М(Х1)=…=М(Хn)=М(Х), тогда средняя арифметическая
является несмещенной оценкой математического ожидания М(Х).
Доказательство. Если М(Х1)=…=М(Хn)=М(Х), то при любом n имеет место следующее свойство математического ожидания
,
то
есть
.
Таким
образом, если
,
а
,
то
является несмещенной
оценкой
математического
ожидания
М(Х).
Выборочное среднее является не только несмещенной, но и состоятельной оценкой математического ожидания.
Состоятельность.
Теорема. Пусть результаты Х1,…, Хn наблюдений величины Х независимые случайные величины и М(Х1)=…=М(Хn)=М(Х), и дисперсии D(Х1)=…D(Хn) конечны. Тогда средняя – состоятельная оценка математического ожидания М(Х).
Если предположить, что Х1, Х2,…, Хп имеют ограниченные дисперсии, то из теоремы Чебышева следует, что их среднее арифметическое, то есть , при увеличении п стремится по вероятности к математическому ожиданию а каждой их величин, то есть к М(Х):
которое, учитывая условие М(Х1)=…=М(Хn)=М(Х), можно записать
.
Из определения состоятельности следует, что если , а , то выборочная средняя является состоятельной оценкой математического ожидания.
Эффективность.
Напомним, что свойство эффективности рассматривается только для несмещенных оценок. Докажем эффективность для случая, когда случайная величина Х имеет нормальный закон распределения.
Теорема. Пусть случайная величина Х имеет нормальный закон распределения и при этом результаты Х1,…, Хn ее наблюдений независимы, а так же выполняются условия: М(Х1)=…=М(Хn)=М(Х) и D(Х1)=…=D(Хn)=D(Х). Тогда средняя арифметическая – это несмещенная эффективная оценка математического ожидания М(Х).
Доказательство. Для доказательства эффективности докажем, что ее дисперсия совпадает с минимальной границей, равной в случае нормального распределения .
.
Таким образом, - несмещенная эффективная оценка математического ожидания М(Х).
9.1.2. Точечная оценка дисперсии
Наряду с выборочной дисперсией
в качестве приближенного значения (возможной оценки) генеральной дисперсии будем использовать величину
,
которая связана с s2 соотношением
Выясним их состоятельность, несмещенность и эффективность.
Состоятельность.
Теорема. Пусть результаты Х1,…, Хn наблюдений величины Х независимые случайные величины и М(Х1)=…=М(Хn)=М(Х), а дисперсии D(Х1)=…D(Хn)= D(Х) , а центральные моменты второго и третьего порядков величины Х конечны. Тогда при любом ε>0 имеет место равенство :
т.е. s2 – состоятельная оценка генеральной дисперсии D(Х) и
,
т.е.
–
состоятельная оценка генеральной
дисперсии
D(Х).
Несмещенность.
Покажем, что s2 является смещенной оценкой дисперсии D(Х), так как при n=2 М(s2)≠ D(Х).
но
.
Таким
образом,
– s2
является
смещенной оценкой дисперсии D(Х)
и смещение равно
.
Теорема. Пусть результаты Х1,…, Хn наблюдений величины Х независимы, а М(Х1)=…=М(Хn)=М(Х) и дисперсии D(Х1)=…D(Хn)= D(Х). Тогда – несмещенная оценка дисперсии D(Х).
Доказательство.
Найдем
:
.
Итак
при любом n
,
т.е. если
,
а
,
то
является несмещенной
оценкой
дисперсии
D(Х).
Эффективность.
Пусть случайная величина Х имеет нормальный закон распределения. Для доказательства эффективности докажем, что ее дисперсия совпадает с минимальной границей, равной в случае нормального распределения .
Предположим,
что результаты Х1,…,
Хn
наблюдений случайной величины Х
независимы и имеют тот же закон
распределения, что и случайная величина
Х.
При выполнении этих условий выполняется
соотношение:
.
Поэтому
.
Так
как
не совпадает с нижней границей, то
будучи
несмещенной оценкой дисперсии D(Х),
не является эффективной оценкой.