
- •1. Задана выборка, требуется найти информацию Фишера.
- •3. Задана выбора, требуется построить оценку указанным методом (дополнительно выяснить свойства оценки: несмещенность, состоятельность и эффективность).
- •4. Задано наблюдение (не обязательно выборка) построить доверительный интервал.
- •5. Построить критерий хи-квадрат для проверки простой гипотезы о вероятностях.
- •6. Построить критерий хи-квадрат для проверки гипотезы о независимости признаков.
- •8. Задана выборка, построить наиболее мощный критерий (критерий Неймана-Пирсона) в задаче различения двух простых гипотез.
- •9. Задана выборка, построить «приближенный» критерий отношения вероятностей в задаче различения двух простых гипотез.
- •10. Построить метод Монте-Карло для вычисления функции распределения и оценить необходимое число испытаний.
- •11. Построить метод Монте-Карло для вычисления определенного интеграла и оценить необходимое количество испытаний
- •12. Построить метод Монте-Карло для вычисления несобственного интеграла (приведением к плотности вероятности нормального или показательного распределения) и оценить необходимое число испытаний.
8. Задана выборка, построить наиболее мощный критерий (критерий Неймана-Пирсона) в задаче различения двух простых гипотез.
Алгоритм:
1) Определить
плотности вероятностей для гипотез
и
2) Составим
область Г1 , такую что :
2.1) Взять ln от правой и левой частей неравенства.
2.2) Привести
неравенство к виду :
При
принимается
,
иначе принимается
.
3)Определить параметры распределения с.в. либо из условия задачи, либо через плотность распределения:
4)
5) Исходя из системы
находим n и
определяем значение порога
Пример
Пусть – выборка из распределения Лапласа
Построить
критерий Неймона-Пирсона для заданных
.
Решение
При
принимается
,
иначе
.
Тогда
.
9. Задана выборка, построить «приближенный» критерий отношения вероятностей в задаче различения двух простых гипотез.
Алгоритм:
1. Записать
отношение правдоподобия в виде
,
где
– плотности вероятностей.
2. Составляем неравенство:
3. Приведем
к виду:
4. Записываем формулу среднего числа наблюдений для
Вычисляем
при
Вычисляем
Находим
значение
,
подставив в него
.
Подставляем
в формулу для
.
5. Записываем формулу среднего числа наблюдений для
Аналогично
находим
в формулу для
.
Пример:
А и В
поменяны местами, т.к.
– убывает.
(1)
При
:
,
подставим
в (1).
(2)
При
:
,
подставим
в (2).
10. Построить метод Монте-Карло для вычисления функции распределения и оценить необходимое число испытаний.
Теория:
идея метода Монте-Карло:
подбирается случайная величина
такая, что
и известен метод получения величины ;
производится -кратное получение величины , результатом которого является вектор величин
, в котором все величины
имеют такое же распределение как и величина ;
вычисляется величина
, которая используется в качестве приближенного значения
.
Обычно
в задачах предполагают, что умеют
получать независимые реализации
случайной величины (например
,
равномерно распределенной на отрезке.
Метод
получения случайных величин с
распределением
.
,
где
Метод
получения случайных величин с
распределением
.
Пусть
,
тогда
,
Для
:
,
Метод получения случайной величины с заданной функцией распределения.
Пусть
,
требуется
получить случайную величину непрерывного
типа с функцией распределения
,
имеющей обратную функцию
,
образуем случайную величину
:
.
Функция
распределения
есть функция
.
,
.
Например, для показательного распределения: получить случайную величину
.
Ее функция распределения
x=
,
а обратная функция к
:
Тогда
=
Определения
числа испытаний n
для
достижения точности
:
Пусть
в задаче приближенного вычисления
неизвестной величины
по методу Монте-Карло со случайной
величиной
(
и вектором независимых случайных величин
ставится дополнительное условие о том,
что вычисленное значение должно
отличаться от
на малую величину
с вероятностью не меньше заданной
(близкой к 1). Каким образом следует
выбирать число
суммируемых величин для удовлетворения
дополнительного условия?
Формально дополнительное условие имеет вид:
.
Для оценки количества требуется вычислить вероятность в левой части неравенства, и для вычисления в некоторых случаях допустимо использовать независимость величин и асимптотическую нормальность суммы:
при
,
Получаем,
Задача (на семинаре): Определить функцию распределения случайной величины
,
где
-
независимы,
Построить
вычислительный процесс и определить
число n,
достаточное для достижения точности
с
Решение:
->
строим выборку
Будем
считать, что имеется способ построения
реализаций независимых случайных
величин
R[0,1]
Образуем
Функция
распределения
:
.
Необходимо найти обратную функцию
:
=>
=>
Необходимо
k
штук случайных величин
для
нахождения
,
(k+1)-я
- для
,
(к+2)-я для
Теперь
найдем число n,
достаточное для достижения точности
с
Из
условия:
(неравенство
Чебышева)
отсюда
Очевидно,
что
и
=>
(1-
=> n
n
для Pд=0,95,