Значение
С помощью линейного преобразования приводится к равномерному распределению на отрезке [0,1]. Равномерное распределение является непрерывным аналогом распределений классической теории вероятностей, описывающих случайные эксперименты с равновероятными исходами.
Погрешность, происходящая от округления числа, удовлетворительно описывается равномерным распределением на отрезке [ − 1 / 2,1 / 2].
Если случайная величина ζ имеет непрерывную функцию распределения , то случайная величина имеет равномерное распределение на отрезке [0,1]. Этим объясняется широкое использование равномерного распределения в статистическом моделировании (методы Монте-Карло).
Моделирование
Обозначим буквой случайную величину с равномерным распределением на отрезке . Для этой случайной величины функция распределения и плотность распределения вероятностей соответственно имеют вид:
Если , то вероятность
Моделировать случайную величину можно многими способами.
Мы рассмотрим метод псевдослучайных последовательностей, который наиболее просто реализуется в компьютере. Для получения псевдослучайной последовательности используем алгоритм, который называется методом середины квадратов. Поясним его на примере. Возьмем некоторое число . Пусть Возведем его в квадрат: .Выберем четыре средние цифры этого числа и положим . Затем возводим в квадрат: и снова выбираем четыре средние цифры. Получаем . Далее находим и т. д. Последовательность чисел принимают за последовательность значений случайной величины , имеющей равномерное распределение на отрезке . Для оценки степени приближения последовательности к последовательности случайных чисел с равномерным распределением используют статистические критерии.
Метод обратных функций.
Пусть случайная величина имеет монотонно возрастающую функцию распределения . Известно, что , значит, случайная величина с монотонно возрастающей функцией распределения связана со случайной величиной соотношением:
Отсюда следует, что значение случайной величины является решением уравнения:
где значение случайной величины , то есть:
Последовательности значений случайной величины соответствует последовательность значений случайной величины с функцией распределения .
Моделирование случайной величины с равномерным распределением на отрезке
Пусть случайная величина имеет равномерное распределение на отрезке . Тогда её функция распределения имеет описанный выше вид. Тогда по методу обратных функций получаем:
Составляем уравнение , откуда
Последовательности значений случайной величины соответствует последовательность значений: случайной величины , равномерно распределённой на отрезке .
Порядковые статистики.
Случайная величина , которая при каждой реализации выборки принимает значение , называется k-ой порядковой статистикой.
Для случая распределения порядковых статистик имеют вид:
При этом:
А также:
Если же , то плотность совместного распределения экстремальных значений выборки и имеет вид:
А также:
Отметим далее, что если и - независимые равномерно распределённые величины на отрезке [0,1], то величины - независимы и нормально распределены с параметрами (0,1).
Оценивание параметров в равномерном распределении.
Введём статистический аналог теоретического математического ожидания случайной величины :
- выборочное среднее.
Введём статистический аналог теоретической дисперсии случайной величины :
- выборочная дисперсия.
Любая измеримая функция от выборки называется статистикой.
Статистика называется несмещённой оценкой для заданной параметрической функции если она удовлетворяет условию:
Статистика для заданной параметрической функции называется состоятельной, если
То есть для любого при для любого .
-
Возьмём выборку из распределения и оценим параметр θ. Рассмотрим класс оценок вида
Оптимальной несмещённой оценкой θ в данном классе оценок является:
Её дисперсия:
.
-
Оценим теперь параметр θ равномерного распределения по выборке Тогда:
Статистики и - несмещённые.
Кроме того, имеем: то есть оценка точнее. Более того, при то есть оценка состоятельная. Оценка же не обладает этим свойством.
-
Пусть теперь - выборка из . Тогда статистики и несмещённые и состоятельные оценки функций и соответственно.