14-es_1 / Высшая математика (РТФ) / умк_Пальчик_Теория вероятностей
.pdf12. Числовые характеристики выборки: среднее выборочное, выборочная дисперсия,
выборочное среднее квадратичное отклонение,
выборочная мода, выборочная медиана
Средним значением выборки или выборочным средним называется
число
|
|
|
|
|
|
1 |
n |
|
|
|
|
|
|
|
1 |
k |
|
|
|
|
|
º |
|
= |
× ∑ xi |
или |
|
в |
º |
|
= |
× ∑ m i xi , |
(12.1) |
||||
x |
в |
x |
x |
x |
||||||||||||||
|
n |
n |
||||||||||||||||
|
|
|
|
|
|
i = |
1 |
|
|
|
|
|
|
i =1 |
|
где k – число неповторяющихся вариант.
Выборочной дисперсией называется число
D*(x) ≡ s в2 = |
1 |
n |
|
|
|
) 2 |
или D*(x) ≡ s в2 |
|
1 |
k |
|
|
) 2 . (12.2) |
||||||
× ∑ ( xi |
- |
|
|
= |
× ∑ m i ( xi |
- |
|
||||||||||||
x |
x |
||||||||||||||||||
n |
n |
||||||||||||||||||
|
i =1 |
|
|
|
|
|
|
|
|
|
|
|
i =1 |
|
|
|
|||
Удобной для вычислений также является формула |
|
|
|
||||||||||||||||
|
|
|
|
|
1 |
|
k |
|
|
k |
|
|
|
||||||
D*(x) ≡ s в2 |
= |
× ∑ m i xi2 - |
|
|
2 , |
n = ∑mi . |
(12.3) |
||||||||||||
x |
|||||||||||||||||||
|
|||||||||||||||||||
|
|
|
|
|
n |
i =1 |
|
i=1 |
|
|
|
||||||||
Выборочным средним квадратичным отклонением называется число |
|||||||||||||||||||
|
|
|
|
|
|
|
|
σв = |
|
. |
|
|
|
|
|||||
|
|
|
|
|
|
|
|
D (x) |
|
|
|
(12.4) |
Выборочная медиана делит вариационный ряд на две равные части и вычисляется следующим образом: если n = 2m, то
Ме* = |
xm + xm +1 |
, если n = 2m + 1, Ме* = xm+1, |
(12.5) |
|
|||
2 |
|
|
где xm и xm+1 − элементы выборки. Выборочной модой называется элемент выборки, встречающийся с наибольшей частотой. Мода обозначается Мо*.
Смысл выборочных числовых характеристик рассмотрен в лек- ции 12.
191
12.1. Пример. Определить среднее, моду и медиану для выборки
7, 6, 9, 2, 3, 1, 1, 4.
О. Представим данные в виде вариационного ряда: 1, 1, 2, 3, 4, 6, 7, 9.
Выборочное среднее x = 1 (1 + 1 + 2 + 3 + 4 + 6 + 7) = 4,125 по формуле (12.1). 8
Все элементы входят в выборку по одному разу, кроме 1, следовательно, Мо* = 1.
Так как m = 8, то медиана Ме* = 1 ·(3 + 4) = 3,5 согласно формуле (12.5). Ä 2
12.2. Пример. В условиях примера 11.2 найти среднее выборочное, выборочную дисперсию, выборочное среднее квадратичное отклонение.
|
|
|
О. Добавив в табл. 2 примера 11.2 середины интервалов |
ˆ |
получим |
|||||||||||||||||||||
|
|
|
X , |
|||||||||||||||||||||||
табл. 1. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Таблица 1 |
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
X |
|
|
– 0,14 |
– 0,12 |
– 0,10 |
– 0,08 |
|
– 0,06 |
|
– 0,04 |
|
– 0,02 |
|
|
|
|
||||||||
|
|
|
|
– 0,12 |
– 0,10 |
– 0,08 |
– 0,06 |
|
– 0,04 |
|
– 0,02 |
|
– 0,00 |
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m |
|
|
4 |
8 |
10 |
14 |
|
6 |
|
|
|
|
5 |
|
|
3 |
∑mi |
= 50 |
||||||
|
|
ˆ |
|
|
– 0,13 |
– 0,11 |
– 0,09 |
– 0,07 |
|
– 0,05 |
|
– 0,03 |
|
– 0,01 |
|
|
|
|
||||||||
|
|
X |
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
k |
|
ˆ |
|
|
|
, k = 7 |
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Выборочное среднее найдем по формуле |
|
|
= |
|
× ∑ xi |
(n = ∑mi |
|
|
); |
|||||||||||||||||
x |
|
|
|
|||||||||||||||||||||||
|
n |
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i =1 |
|
|
|
|
|
|
|
||||
|
|
= − |
|
1 |
(4·0,13 + 8·,011 + 10·0,09 + 14·0,07 + 6·0,05 + 5·0,03 + 3·0,01) = |
|||||||||||||||||||||
|
x |
|||||||||||||||||||||||||
|
50 |
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
k |
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
* |
|
|
|
|
|
ˆ 2 |
|
|
2 |
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
= − 0,0752. Выборочная дисперсия равна D (x) = |
× |
|
|
- x |
|
= |
||||||||||||||||||||
∑ m i × xi |
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
i =1 |
|
|
|
|
= 1 (4·(– 0,13) 2 + 8·(– 0,11) 2 + 10·(– 0,09) 2 + 14·(– 0,07) 2 + 6·(– 0,05) 2 + 5·(– 0,03) 2 + 50
+ 3·(– 0,01) 2) − (– 0,0752) 2 = 0,0067 − 0,0057 = 0,001.
Выборочное среднее квадратичное отклонение равно σв = D (x) = 0,0316. Ä
12.3. Пример. Произведено несколько измерений расстояния. Результаты измерений xi (i = 1,…15) в метрах представлены в виде
ряда (табл. 2).
192
Таблица 2
1235,6 |
1238,5 |
1234,5 |
1234,3 |
1236,2 |
|
|
|
|
|
1237,5 |
1234,2 |
1236,8 |
1237,5 |
1233,3 |
|
|
|
|
|
1232,9 |
1235,9 |
1237,6 |
1235,6 |
1233,3 |
|
|
|
|
|
Вычислить числовые характеристики выборки: x , D*(x) и σв.
О. Введем условные варианты ui = xi − a, где в качестве a возьмем число 1235, примерно среднее значение выборки. В результате получим таблицу условных вариант (табл. 3).
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Таблица 3 |
|
|
|
|
|
|
|
|
0,6 |
|
|
3,5 |
|
|
|
|
– 0,5 |
|
– 0,7 |
|
1,2 |
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2,5 |
|
|
– 0,8 |
|
|
1,8 |
|
2,5 |
|
– 1,7 |
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
– 2,1 |
|
|
0,9 |
|
|
|
2,6 |
|
0,4 |
|
– 1,9 |
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
Выборочное |
среднее |
в |
|
|
этом случае вычисляется |
|
по формуле |
||||||||||||||||
|
|
|
|
1 |
|
n |
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
= a + |
× ∑ ui = 1235 + |
(0,6 + 3,5 + (– 0,5) + (– 0,7) + 1,2 + 2,5 + (– 0,8 ) + |
|||||||||||||||||||||
x |
|||||||||||||||||||||||||
|
n |
|
|||||||||||||||||||||||
|
|
|
|
i =1 |
15 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
+ 1,8 + 2,5 + (– 1,7) + (– 2,1) + 0,9 + 2,6 + 0,4 + |
(– 1,9)) = 1235 + |
|
1 |
(16 − 7,7) = |
|||||||||||||||||||||
15 |
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
= 1235 + 0,55 = 1235,55. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
Выборочная дисперсия вычисляется по формуле |
|
|
|
|
|
||||||||||||||||||
D*(x) = |
1 |
× ∑ u i2 - ( |
|
- a ) 2 |
= |
|
1 |
((0,6)2 + (3,5)2 + (– 0,5) 2 + (– 0,7) 2 + |
|||||||||||||||||
x |
|||||||||||||||||||||||||
|
15 |
||||||||||||||||||||||||
|
|
|
n |
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
+(1,2)2 + (2,5)2 + (– 0,8) 2 + (1,8)2 + (2,5)2 + (– 1,7) 2 + (– 2,1) 2 + (0,9)2 +
+(2,6)2 + (0,4)2 + (– 1,9) 2) − (0,55) 2 = 3,321 − 0,3025 = 3,018.
Среднее квадратичное отклонение равно σв = D (x) = 1,737. Ä
12.4. Пример. Вычислить среднее значение и дисперсию группиро- ванной выборки (табл. 4), перейдя к условным вариантам по формуле:
|
1 |
ˆ |
|
Мо* |
|
|
ui = |
− |
), |
||||
( xi |
|
|||||
|
h |
|
|
|
|
где h − длина интервала.
193
|
|
|
|
|
|
|
|
Таблица 4 |
|
|
X |
144 − 148 |
148 |
− 152 |
152 − 156 |
156 − 160 |
160 − 164 |
164 − 168 |
|
|
|
|
|
|
|
|
|
|
|
|
mi |
1 |
|
3 |
15 |
18 |
14 |
2 |
|
|
|
О. Длина интервала h = 4, объем выборки n = ∑mi = 53, значение |
|||||||
середины интервала, |
встречающееся |
с наибольшей частотой, – мода |
Мо* = 158. Таким образом, преобразование последовательности середин интервалов выполняется по формуле
|
|
|
|
1 |
ˆ |
|
|
|
|
|
|
|
|
|
ui = |
− 158), i = 1,2,...6. |
|
|
|
||||
|
|
|
( xi |
|
|
|
|||||
|
|
|
|
h |
|
|
|
|
|
|
|
|
Результаты расчетов приведены в табл. 5. |
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
Таблица 5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
xi |
ui |
|
|
mi |
|
ui mi |
ui2 mi2 |
|
|
1 |
|
146 |
– 3 |
|
|
1 |
|
– 3 |
9 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
150 |
– 2 |
|
|
3 |
|
– 6 |
12 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3 |
|
154 |
– 1 |
|
|
15 |
|
– 15 |
15 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4 |
|
158 |
0 |
|
|
18 |
|
0 |
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
5 |
|
162 |
1 |
|
|
14 |
|
14 |
14 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
6 |
|
166 |
2 |
|
|
2 |
|
4 |
8 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
∑ |
|
|
|
|
|
|
53 |
|
– 6 |
58 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Вычисляем среднее и выборочную дисперсию по формулам:
|
|
h |
n |
|
|
|
|
+ Мо* = |
|
4 |
|
|
|||
|
= |
× ∑ui × mi |
|
·(−6) + 158 = 157,546. |
|||||||||||
x |
|||||||||||||||
|
|
|
|
||||||||||||
|
|
n |
i=1 |
|
|
|
|
|
|
53 |
|
||||
|
|
D*(x) = ( |
1 |
× ∑uimi - |
1 |
× (∑uimi )2 ) × h2 = |
|||||||||
|
|
|
2 |
||||||||||||
|
|
|
|
|
|
n |
i |
|
|
n |
i |
||||
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
= |
58 |
|
− |
1 |
·(−6) |
2)·42 = 17,728. Ä |
||||||
|
|
|
|
|
|
||||||||||
|
|
|
53 |
|
532 |
194
Задачи для самостоятельного решения
1.Вычислить среднее, дисперсию, моду и медиану следующих вы-
борок: а) 1, 2, 3, 4, 5, 5, 9; б) 1, 2, 3, 4, 5, 5, 12.
Сравнить полученные числовые результаты для выборок а) и б).
2.Определить x , Мо*, Ме*, D*(x) группированной выборки:
X |
5 – 7 |
7 – 9 |
9 – 11 |
11 – 13 |
13 – 15 |
15 – 17 |
|
|
|
|
|
|
|
m |
8 |
14 |
40 |
26 |
6 |
4 |
|
|
|
|
|
|
|
3. Для приведенной ниже выборки выполнить следующие задания:
1)вычислить среднее и дисперсию негруппированной выборки, вве- дя условные варианты по формуле: ui = xi − a;
2)вычислить среднее и дисперсию, предварительно проведя группи- ровку выборки с заданной длиной интервала h = 2 и преобразовав данные по формуле:
|
1 |
ˆ |
|
* |
|
|
ui = |
− |
Мо |
). |
|||
( xi |
||||||
|
h |
|
|
|
|
Положительные отклонения размера от номинала у партии деталей
(в мм):
17 |
21 |
8 |
20 |
23 |
18 |
22 |
20 |
17 |
12 |
20 |
11 |
9 |
19 |
20 |
9 |
19 |
17 |
21 |
13 |
17 |
22 |
22 |
10 |
20 |
20 |
15 |
19 |
20 |
20 |
13 |
21 |
21 |
9 |
14 |
11 |
19 |
18 |
23 |
19. |
4. На телефонной станции производились наблюдения за числом не- правильных соединений в минуту. Наблюдения в течение часа дали сле- дующие результаты:
3, |
1, |
3, |
4, |
2, |
1, |
1, |
3, |
2, |
7, |
2, |
0, |
1, |
2, |
1, |
2, |
4, |
0, |
3, |
0, |
2, |
0, |
1, |
3, |
3, |
1, |
2, |
0, |
3, |
4, |
2, |
0, |
2, |
1, |
4, |
3, |
4, |
2, |
0, |
2, |
3, |
1, |
1, |
2, |
2, |
3, |
1, |
4, |
2, |
2, |
1, |
2, |
5, |
1, |
1, |
0, |
1, |
1, |
1, |
5. |
Записать вариационный статистический ряд, оценить среднее и дис- персию числа неправильных соединений.
195
13. Точечные оценки параметров распределения. Несмещенность, состоятельность и эффективность.
Метод максимального правдоподобия
Статистической оценкой неизвестного параметра генеральной со- вокупности называется функция от наблюдавшихся случайных значений этого параметра, образующих выборку. Статистические оценки делятся на точечные и интервальные. Статистическая оценка, определяемая одним числом, называется точечной.
Качество оценок характеризуется следующими свойствами:
1. Н е с м е щ е н н о с т ь. Оценка θ * называется несмещенной
оценкой параметра θ , если М( θ *) = θ . Разность М( θ *) − |
θ называется сме- |
||||||
щением. |
|
|
|
|
|
|
|
2. |
С о с т о я т е л ь н о с т ь. |
Оценка θ *= θ n* называется состоя- |
|||||
тельной |
оценкой параметра θ , если |
lim P( |
|
θ − θ |
|
< |
ε) = 1 или если |
|
|
||||||
|
|
n→∞ |
|
|
|
|
|
M( θ n*) → θ и D( θ n*) → 0 при n → ∞. |
|
|
|
|
|
|
|
3. |
Э ф ф е к т и в н о с т ь. Оценка θ * называется эффективной, ес- |
ли при заданном объеме выборки она имеет наименьшую возможную дисперсию.
Оценка математического ожидания M(x) генеральной совокупности – выборочная средняя x является несмещенной, состоятельной и эффективной.
Оценка генеральной дисперсии D(x), вычисленная по формуле
2 n *
S = n − 1 ·D (x), (13.1)
называется исправленной выборочной дисперсией. Оценка S2 является не- смещенной, а оценка D*(x) − состоятельной для генеральной дисперсии D(x).
Свойства точечных оценок рассмотрены в лекции 12.
Для нахождения точечных оценок неизвестных параметров распре- деления используются различные методы, в частности, метод максималь-
ного правдоподобия.
Функцией правдоподобия случайной величины Х называется функция аргумента θ :
а) для дискретной СВ
L(x1, x2, …, xn; θ ) = P(x1, θ )·P(x2, θ )·… P(xn, θ ), |
(13.2) |
196
б) для непрерывной СВ
L(x1, |
x2, …, |
xn; θ ) = f(x1, θ )·f(x2, θ )·… f(xn, θ ), |
(13.3) |
где x1, x2, …, |
xn − |
элементы выборки. |
|
В качестве точечной оценки параметра θ принимают θ *, при кото- ром функция правдоподобия достигает максимума.
На практике удобнее пользоваться функцией ln L, максимум которой находится следующим образом:
1) найти производную d ln L ; dθ
2) приравнять производную к нулю и найти критическую точку;
3) найти вторую производную |
d 2 ln L |
; если вторая производная при |
dθ2 |
θ = θ * отрицательна, то θ * − точка максимума.
Найденную точку максимума θ * принимают в качестве оценки мак- симального правдоподобия (МП-оценки) параметра θ .
Замечание. Метод максимального правдоподобия можно применять,
когда θ = ( θ 1, , θ m) − многомерный параметр. Функция максимального правдоподобия будет достигать максимума в той точке θ , в которой все частные производные по θ k , k = 1, 2,…, m, равны нулю.
Основные методы нахождения точечных оценок рассмотрены в лекции 13.
13.1. Пример. Для определения точности измерительного прибора, систематическая ошибка которого равна нулю, было произведено 5 неза- висимых измерений, результаты которых представлены в табл. 1.
|
|
|
|
|
Таблица 1 |
|
Номер |
1 |
2 |
3 |
4 |
5 |
|
измерения |
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
xi |
3781 |
3836 |
3807 |
3763 |
3858 |
|
Определить несмещенную оценку дисперсии ошибок измерительно- го прибора, если значение измеряемой величины M(x)
а) известно и равно 3800 м; б) неизвестно.
197
О. а) так как M(x) = 3800, то несмещенная оценка дисперсии опреде- ляется по формуле
|
|
|
|
S2 = |
|
1 |
|
|
n |
|
- M (x))2 |
|
|
6439 |
= 1609,75 м2; |
|
||||
|
|
|
|
|
|
× ∑(x |
|
= |
|
|||||||||||
|
|
|
|
n -1 |
i |
|
|
|
||||||||||||
|
|
|
|
|
i =1 |
|
|
|
4 |
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
б) значение измеряемой величины неизвестно, поэтому ее оценка |
|||||||||||||||||
|
|
1 |
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
x |
= |
|
∑xi = 3809 и несмещенная оценка дисперсии равна |
|
|||||||||||||||
|
|
|
||||||||||||||||||
|
|
|
n i=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
S2 = |
|
1 |
5 |
|
|
|
)2 = |
|
6034 |
= 1508,5 м2. |
|
|||||
|
|
|
|
|
× ∑(xi - |
|
|
Ä. |
||||||||||||
|
|
|
|
|
x |
|||||||||||||||
|
|
|
|
|
|
|
|
4 |
||||||||||||
|
|
|
|
|
|
|
n -1 i =1 |
|
|
|
|
|
|
|
13.2. Пример. Пусть x1 = 64, x2 = 56, x3 = 69 − число автолюбителей, заправившихся на данной станции с 8-ми до 11-ти часов утра соответст- венно в 1-й, 2-ой и 3-й дни. Предположим, что число автолюбителей, подъезжающих на заправку, есть случайная величина X, имеющая распре- деление Пуассона с параметром q = 3λ, где λ − ожидаемое число заправ- ляющихся автолюбителей в течение одного часа. Найти МП-оценку пара- метра λ. Показать, что полученная оценка является несмещенной, состоя- тельной и эффективной.
|
|
О. Для распределения Пуассона P(x, q ) = qx |
·e−θ , и функция прав- |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x! |
|
|
доподобия L(x1, x2, x3; q ) = P(x1, q )·P(x2, q )·P(x3, q ) = |
||||||||||||||||
= qx1 |
e−θ · qx2 |
e−θ · qx3 |
e−θ = e−3θ · q64+56 + 69 |
= e−3θ · |
q189 |
. |
||||||||||
|
||||||||||||||||
|
x1! |
x2! |
|
x3! |
|
|
|
|
64!×56!×69! |
|
|
|
64!×56!×69! |
|||
|
|
Логарифмическая функция правдоподобия равна |
||||||||||||||
|
|
|
|
ln L = − 3 q + 189·ln q − ln(64!56!69!). |
||||||||||||
|
|
Находим производную |
d ln L |
и приравниваем ее к нулю: |
||||||||||||
|
|
dq |
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
d ln L |
= − 3 + |
189 |
= 0; |
|
3 q = 189; |
q = 63. |
Так как q = 3λ, то λ = 21. |
||||||||
|
dq |
|
||||||||||||||
|
|
q |
|
|
|
|
|
|
|
|
|
|
||||
|
|
При этом 21 = |
1 |
· |
1 |
·(64 + 56 + 69) = |
|
|
(среднее число заправляю- |
|||||||
|
|
x |
||||||||||||||
|
|
|
|
|||||||||||||
|
|
|
3 |
3 |
|
|
|
|
|
|
|
щихся автолюбителей в течение одного часа). Таким образом, МП-оценка параметра λ равна x , следовательно, она является несмещенной, состоя- тельной и эффективной. Ä.
198
13.3. Пример. По выборке x1 = 5,10; x2 = 5,15; x3 = 5,15; x4 = 5,20
объема n = 4 найти МП-оценку неизвестного параметра θ нормального распределения N(a,1) ( θ = a; σ = 1). Показать, что полученная оценка яв-
ляется несмещенной и состоятельной.
О. Так как для нормального распределения N(a, 1)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
− |
( x−a)2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
f( x, a, 1) = |
|
× |
e |
|
|
|
, то функция правдоподобия равна |
|
|
|
|
|||||||||||||||||||||||||||||||||||||||
|
|
2π |
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||
L(x1, x2, x3, x4, a, 1) = f(x1, a, 1)·f(x2, a, 1)·f(x3, a, 1)·f( x4, a, 1) = |
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
− |
( x −a)2 |
|
|
|
|
|
|
|
|
− |
( x −a)2 |
|
|
|
|
|
|
− |
( x −a)2 |
|
|
|
|
|
− |
( x −a)2 |
|
||||||||||||
|
|
1 |
|
|
|
|
|
|
1 |
|
|
|
|
|
|
1 |
|
|
|
|
2 |
|
|
1 |
|
|
|
3 |
|
|
|
1 |
|
|
4 |
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
e |
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
e |
|
|
2 |
|
|
|
e |
|
|
2 |
|
|
|
e |
|
|
2 |
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
= |
|
|
2π × |
|
|
|
|
|
|
|
|
· |
|
|
2π × |
|
|
|
· |
|
2π × |
|
|
|
· |
|
2π × |
|
|
|
= |
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
− |
( x −a)2 |
+( x −a)2 +( x −a)2 +( x −a)2 |
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
1 |
|
|
|
|
|
|
|
1 |
|
|
|
|
|
2 |
|
|
|
|
3 |
|
|
|
|
4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
= |
|
|
|
|
× e |
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
= |
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
( 2π )4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
1 |
|
|
|
|
− |
(5,10−a)2 +2(5,15−a)2 +(5,20−a)2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
= |
|
|
|
·e |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
4π 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
Логарифмическая функция правдоподобия равна |
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
ln L = – ln(2π)2 − |
1 |
[(5,10− a)2 + 2(5,15− a)2 + (5,20− a)2], отсюда |
|
||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
d ln L |
= |
1 |
[2(5,10− a) + 4(5,15− a) + 2(5,20− a)] = 0; |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||
|
|
da |
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
5,10 − |
|
|
a + 10,30 − 2 a + 5,20 − a = 0; |
|
4a = 20,60; |
a = 5,15. |
|
|
|
|
|
Таким образом, МП-оценка неизвестного параметра a равна 5,15.
Но 5,15 = 1 (5,10 + 5,15 + 5,15 + 5,20) = x . 4
Следовательно, эта оценка является несмещенной и состоятельной. Ä.
199
13.4. Пример. Методом максимального правдоподобия найти оценки
|
|
|
|
|
− |
( x−a)2 |
||
|
1 |
|
× e |
2σ |
2 |
|
||
|
|
|
|
|||||
параметров |
|
|
|
|
|
, |
||
s |
|
|
|
|
||||
2p |
|
|
если в результате n испытаний величина X приняла значения x1, x2,..., xn.
О. Составим функцию правдоподобия, учитывая, что θ 1 = a, θ 2 = σ:
L = |
1 |
|
e |
− (∑ ( xi − a) |
2 / 2σ 2 ) |
. |
|
σ n ( |
|
)n |
|
|
|||
2π |
|
|
Найдем логарифмическую функцию правдоподобия:
|
|
|
|
|
|
1 |
|
− |
∑(x |
i |
− a)2 |
|
||||
ln L = − n ln σ + ln |
|
|
|
|
|
|
|
. |
||||||||
( |
|
)n |
|
|
2σ2 |
|||||||||||
2π |
|
|
||||||||||||||
Найдем частные производные по a и по σ: |
|
|
|
|
||||||||||||
∂ ln L ∑x |
i |
− na |
|
∂ ln L |
|
|
n ∑(x − a)2 |
|||||||||
∂a |
= |
|
|
; |
|
∂σ |
= − |
|
+ |
|
|
i |
. |
|||
σ2 |
|
σ |
|
|
σ3 |
Приравняв частные производные к нулю и решив полученную сис- тему двух уравнений относительно a и σ2, получим:
a = ∑ xi / n = x ; σ2 = (∑(xi − x )2) / n = Dв .
Таким образом, a* = x , σ* = Dв .
Найдем частные производные второго порядка и убедимся в том, что
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
∂ 2 ln L |
|
|
= − |
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
они отрицательны при a = a* и σ = σ*: |
∂a2 |
|
|
|
|
|
|
|
< 0 для любого |
|
||||||||||||||||||||||||||||||||
|
|
σ2 |
|
|
||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
∂ 2 ln L |
|
|
n |
|
3∑x |
i |
|
− a)2 |
|
|
|
|
nσ2 − 3∑(x − a)2 |
|
|||||||||||||||||||
значения параметра a; |
|
∂σ2 |
= |
|
− |
|
|
|
|
|
|
|
|
|
|
|
= |
|
|
|
|
|
|
|
|
i |
; |
|||||||||||||||
|
σ2 |
|
|
σ4 |
|
|
|
|
|
|
|
|
|
σ4 |
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
∂ 2 ln L |
|
|
∑(xi - |
|
) |
2 - 3∑(xi |
- |
|
) |
2 |
|
|||||||||||||||||
|
|
|
|
|
|
|
2 |
|
|
|
2 |
|
|
|
|
x |
x |
|
||||||||||||||||||||||||
при a = x и σ |
= (∑(xi − |
|
) / n |
= |
= |
|
||||||||||||||||||||||||||||||||||||
|
x ) |
|
∂σ2 |
|
|
|
|
(∑(xi |
- |
|
)2 )2 / n2 |
|
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|||||||||||||||||||
|
- 2n2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
* |
|
|
|
|
|
|
|
|
* |
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
= |
< 0. Отсюда следует, что при a |
= x , |
σ |
= D |
функция |
|
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||
|
∑(x - |
|
)2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
в |
|
|
|
|
|
|||
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
i |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
200