- •Математическая статистика Введение в математическую статистику
- •Предмет математической статистики
- •Возникновение и развитие математической статистики
- •Приложения математической статистики
- •Общая статистическая модель
- •Параметрические и непараметрические задачи
- •Случайные величины и статистики
- •Достаточные статистики
- •Критерий факторизации.
- •Полная достаточная статистика
- •Выборка и эмпирическая мера
- •Выбор статистической модели
- •Классическая статистическая модель.
- •Эмпирическая функция распределения
- •Выборочные характеристики
- •Свойства выборочных характеристик
- •Моделирование выборок на компьютере
- •Датчик случайных чисел
- •Моделирование дискретных распределений
- •Моделирование непрерывных распределений
- •Теория оценивания
- •Определение оценки и критерии качества оценок
- •Общие методы построения оценок
- •Метод подстановки и метод моментов
- •Метод максимального правдоподобия
- •Улучшение оценок
- •Теорема Рао-Блэкуэлла-Колмогорова
- •Построение оптимальных оценок
- •Несмещенные оценки с минимальной дисперсией
- •Эффективные оценки
- •Состоятельность и асимптотическая нормальность оценок
- •Асимптотическая нормальность оценок, полученных методом подстановки
- •Состоятельность и асимптотическая нормальность оценок, полученных методом максимального правдоподобия
- •Теория статистических решений
- •Основные понятия теории статистических решений
- •Байесовский подход
- •Допустимость байесовских оценок
- •Проверка двух простых гипотез
- •Байесовский подход
- •Наиболее мощный критерий. Лемма Неймана- Пирсона
- •Проверка сложных гипотез
- •Равномерно наиболее мощный критерий.
- •Проверка непараметрических гипотез. Критерии согласия
- •Критерий знаков
- •Состоятельность критерия
- •Критерий Колмогорова
- •Критерий хи-квадрат
- •Построение доверительных множеств и интервалов Постановка задачи
- •Методы построения доверительных множеств и интервалов
- •Случайные величины, свободные от распределения
- •Асимптотические доверительные интервалы
- •Доверительные интервалы для параметров нормального распределения
- •Примеры решения статистических задач в общей статистической модели.
- •Линейная регрессионная модель
- •Оценка матрицы переходных вероятностей конечной цепи Маркова
- •Оценка параметра пуассоновского процесса
Выборочные характеристики
Следующие функции от выборки называются выборочными характеристиками. Это
Выборочное среднее

Выборочная дисперсия

Несмещенная выборочная дисперсия

Минимальная порядковая статистика

Максимальная порядковая статистика

-тая
порядковая статистика
Медиана

Вариационный ряд выборки

Эти характеристики позволяют компактно представить часть информации, содержащейся в выборке, и часто естественным образом возникают при решении статистических задач.
Свойства выборочных характеристик
Пользуясь методами
теории вероятностей (свойства
математического ожидания и дисперсии,
закон больших чисел и центральная
предельная теорема), нетрудно получить
(в априорном предположении о существовании
достаточного числа моментов у случайной
величины
)
следующие свойства выборочных
характеристик.







Если функция распределения данных
непрерывна, то при
где
- так называемая
-
квантиль, т. е. корень уравнения
Моделирование выборок на компьютере
Моделирование числовых выборок на компьютере позволяет проиллюстрировать основные теоремы и методы классической статистики и рассчитать те характеристики статистических процедур, теоретический расчет которых затруднителен или невозможен.
Основная задача
моделирования в этом случае – моделирование
последовательности независимых значений
некоторой числовой случайной величины
(моделирование конкретного распределения).
Обычно эту задачу разбивают на два
этапа. Сначала моделируют последовательность
значений базовой случайной величины,
обычно равномерно распределенной на
отрезке
,
затем преобразуют эту последовательность.
Датчик случайных чисел
Датчиком случайных
чисел обычно называют программу,
подпрограмму или функцию, которая
обеспечивает построение последовательности
чисел, моделирующих выборку из
равномерного распределения на отрезке
.
В языках программирования эти функции
обычно называются так: rand(), random() и т.п.
Теория построения таких функций изложена,
например, в книге Кнута «Искусство
программирования для ЭВМ», том 2.
Последовательность
независимых равномерно распределенных
чисел на отрезке
будем
обозначать
![]()
Моделирование дискретных распределений
Моделирование конкретного распределения можно производить различными способами. Если распределение дискретно, то можно использовать, например, следующий прием.
Пусть
- разбиение отрезка
,
тогда последовательность
![]()
является последовательностью
независимых дискретных случайных
величин, принимающих значения
с вероятностями
.
Например, для
моделирования распределения
достаточно разбить отрезок
на две части длиной
и
,
соответственно. Для моделирования
распределения
применять предложенный метод нерационально,
так как придется вычислять вероятности
вида
.
Гораздо проще для
моделирования
сложить
смоделированных величин
.
Заметим, что для моделирования одной
величины
в этом случае потребуется
членов последовательности![]()
Моделирование непрерывных распределений
Моделирование конкретного распределения можно производить различными способами. Если распределение непрерывно, то можно использовать, например, следующий прием.
Пусть
-
непрерывная функция распределения,
тогда последовательность
![]()
является последовательностью
независимых случайных величин, принимающих
значения с функцией распределения
.
Для доказательства
достаточно вычислить функцию распределения
случайной величины
.
Например, для
моделирования распределения
достаточно положить
![]()
Для моделирования
распределения
применять предложенный метод нерационально,
так как придется вычислять обратную
функцию к функции вида
.
Гораздо проще для
моделирования
сложить
смоделированных величин
.
Заметим, что для моделирования одной
величины
в этом случае потребуется
членов последовательности![]()
Моделирование нормального распределения.
Для моделирования стандартного нормального распределения можно использовать следующее утверждение.
Утверждение.
Случайные величины
![]()
![]()
независимы и стандартно нормально распределены.
Доказательство этого утверждения представляет собой упражнение из математического анализа на замену переменных в двумерном интеграле (переход к полярным координатам).
