1 курс / 1 курс 2 семестр / Теория_вероятностей_15_22_лекц_1К
.pdfТеория вероятностей и математическая статистика
Учитывая, что вероятность р неизвестна, решим это неравенство относительно р. Допустим, что w > р. Тогда
− < (1 − )/.
Обе части неравенства положительны; возведя их в квадрат, получим равносильное квадратное неравенство относительно р:
[(t2/n) + 1)]р2 - 2[w + (t2/n)]р + w2 < 0.
51
Теория вероятностей и математическая статистика
Дискриминант трехчлена положительный, поэтому его корни действительные и различные:
меньший корень
= |
|
+ |
2 |
− |
(1− ) |
+ |
|
2 |
||
|
|
|
|
|
, (***) |
|||||
2+ |
2 |
|
2 |
|||||||
1 |
|
|
|
|
больший корень
|
|
|
|
2 |
|
(1− ) |
|
|
2 |
||
|
= |
|
+ |
|
+ |
|
|
+ |
|
. (****) |
|
2+ |
2 |
|
2 |
||||||||
2 |
|
|
|
|
|
Итак, искомый доверительный интервал p1 < p < p2, где p1 и p2 находят по формулам (***) и (****).
При выводе предполагалось, что w > p. Тот же результат получается при w < p.
52
Теория вероятностей и математическая статистика
Пример. Производят независимые испытания с одинаковой, но неизвестной вероятностью р появления события А в каждом испытании. Найти доверительный интервал для оценки вероятности р с надежностью 0,95, если в 80 испытаниях событие А появилось 16 раз.
Решение. По условию, n = 80, m = 16, = 0,95. Найдем относительную частоту появления события A:
w = m/n = 16/80 = 0,2.
Найдем t из соотношения Ф(t) = /2 = 0,95/2 = 0,475; по таблице функции Лапласа (Приложение 2) находим t=1,96. Подставив n = 80, w = 0,2. t = 1,96 в формулы (***)
и (****), получим соответственно р1 = 0,128, р2 = 0,299.
Итак, искомый доверительный интервал
0,128 < р < 0,299.
53
Теория вероятностей и математическая статистика
Замечание 1. При больших значениях n (порядка сотен) слагаемые t2/(2n) и (t/(2n))2 очень малы и множитель n/(t2 + n) 1,
поэтому можно принять в качестве приближенных границ доверительного интервала
p1 = w — t ( − )/ и p2 = w + t ( − )/.
Замечание 2. Чтобы избежать расчетов концов доверительных интервалов, можно использовать таблицу 28 книги: Янко Я. Математико-статистические таблицы / Пер. с чешского А.Ф. Маслова; Под ред. А.М. Длина. - Москва : Госстатиздат, 1961. - 243 с.
54
Теория вероятностей и математическая статистика
14.18. Метод моментов для точечной оценки параметров распределения
Можно доказать, что начальные и центральные эмпирические моменты являются состоятельными оценками соответственно начальных и центральных теоретических моментов того же порядка. На этом основан метод моментов, предложенный К. Пирсоном.
Достоинство метода — сравнительная его простота.
55
Теория вероятностей и математическая статистика
Метод моментов точечной оценки неизвестных параметров заданного распределения состоит в
приравнивании |
теоретических |
моментов |
рассматриваемого |
|
распределения |
соответствующим эмпирическим моментам того же порядка.
56
Теория вероятностей и математическая статистика
А. Оценка одного параметра. Пусть задан вид плотности распределения f(х, ), определяемой одним неизвестным параметром . Требуется найти точечную оценку параметра .
Для оценки одного параметра достаточно иметь одно уравнение относительно этого параметра.
Следуя методу моментов, приравняем, например, начальный теоретический момент первого порядка начальному эмпирическому моменту первого порядка:
1 = M1.
57
Теория вероятностей и математическая статистика
Учитывая, что 1 = M1(Х) (см. раздел 7.4, лекции 8) и что M1 = хВ, получим
M(Х) = хВ. (*)
Математическое ожидание М(Х), как видно из
соотношения
∞
= |
; = , |
−∞
есть функция от , поэтому выражение (*) можно рассматривать как уравнение с одним неизвестным .
58
Теория вероятностей и математическая статистика
Решив уравнение M(Х) = хВ (*) относительно параметра, тем самым найдем его точечную оценку *, которая является функцией от выборочной средней, следовательно, и от вариант выборки:
* = (х1, х2, …, хn).
59
Теория вероятностей и математическая статистика
Пример 1. Найти методом моментов по выборке х1, х2, …, хn точечную оценку неизвестного параметра , показательного распределения, плотность распределения которого = − (x 0).
Решение. Приравняем начальный теоретический момент первого порядка начальному эмпирическому моменту первого порядка: 1 = M1 . Учитывая, что 1 = M(X), M1 = хВ , получим
M(Х) = хВ.
60