- •ВИЩА МАТЕМАТИКА ДЛЯ ЕКОНОМІСТІВ
- •Видання містить короткі теоретичні відомості та формули, типові приклади задач і методику їх розв’язання, завдання для самостійної роботи, а також контрольні питання до кожної теми.
- •Призначене для студентів економічних спеціальностей вищих навчальних закладів.
- •ВСТУП
- •Питання для самоконтролю
- •Вправи
- •1.1.2. Елементи комбінаторики
- •Таблиця 1.1
- •Розв’язування комбінаторних задач
- •Питання для самоконтролю
- •Вправи
- •Питання для самоконтролю
- •Вправи
- •Питання для самоконтролю
- •Вправи
- •1.4. ФОРМУЛА ПОВНОЇ ЙМОВІРНОСТІ. ФОРМУЛА БАЙЄСА
- •Питання для самоконтролю
- •Вправи
- •1.5. ПОСЛІДОВНІ НЕЗАЛЕЖНІ ВИПРОБУВАННЯ
- •1.5.1. Формула Бернуллі
- •1.5.2. Формула Пуассона
- •1.5.3. Локальна теорема Муавра-Лапласа
- •1.5.4. Інтегральна теорема Муавра-Лапласа
- •Питання для самоконтролю
- •Вправи
- •2.1.1. Дискретні випадкові величини. Функція розподілу. Основні закони розподілу
- •Питання для самоконтролю
- •Вправи
- •2.2. ЧИСЛОВІ ХАРАКТЕРИСТИКИ ВИПАДКОВИХ ВЕЛИЧИН
- •Таблиця 2.1
- •Числові характеристики деяких розподілів
- •Питання для самоконтролю
- •Вправи
- •Питання для самоконтролю
- •Вправи
- •2.4.1. Лема Чебишова
- •2.4.2. Теорема Чебишова
- •2.4.3. Теорема Бернуллі
- •Питання для самоконтролю
- •Вправи
- •2.5. ДВОВИМІРНА ВИПАДКОВА ВЕЛИЧИНА
- •Таблиця 2.2
- •Таблиця 2.3
- •Таблиця 2.4
- •Питання для самоконтролю
- •Вправи
- •Таблиця 2.5
- •Числові характеристики двовимірної випадкової величини
- •Продовж. табл. 2.5
- •Питання для самоконтролю
- •Вправи
- •2.5.6. Умовні числові характеристики двовимірної випадкової величини. Регресія
- •Питання для самоконтролю
- •Вправи
- •3.1. ПРЕДМЕТ ТА ОСНОВНІ ЗАВДАННЯ МАТЕМАТИЧНОЇ СТАТИСТИКИ
- •Питання для самоконтролю
- •3.3. СТАТИСТИЧНИЙ РОЗПОДІЛ ВИБІРКИ
- •Таблиця 3.1
- •Таблиця 3.2
- •Таблиця 3.3
- •Таблиця 3.4
- •Таблиця 3.5
- •Таблиця 3.6
- •Питання для самоконтролю
- •Вправи
- •3.4. ГРАФІЧНЕ ЗОБРАЖЕННЯ СТАТИСТИЧНИХ РОЗПОДІЛІВ
- •Рис. 3.1. Гістограма частот за даними прикладу 3.1
- •Рис. 3.2. Полігон частот за даними таблиці 3.6
- •3.5. ЕМПІРИЧНА ФУНКЦІЯ РОЗПОДІЛУ. КУМУЛЯТА
- •Питання для самоконтролю
- •Вправи
- •Таблиця 3.8
- •Таблиця 3.9
- •Питання для самоконтролю
- •Вправи
- •3.7.1. Статистичні оцінки невідомих параметрів розподілу та їх властивості
- •3.7.2. Статистична оцінка математичного сподівання
- •Питання для самоконтролю
- •Вправи
- •3.8. ІНТЕРВАЛЬНІ ОЦІНКИ ПАРАМЕТРІВ РОЗПОДІЛУ
- •3.8.1. Надійність. Інтервал довіри
- •3.8.3. Розподіл Стьюдента
- •3.8.4. Розподіл Фішера-Снедекора
- •3.8.5. Інтервальні оцінки для математичного сподівання
- •Питання для самоконтролю
- •Вправи
- •3.9. ЕЛЕМЕНТИ ТЕОРІЇ КОРЕЛЯЦІЇ
- •Таблиця 3.10
- •Таблиця 3.10
- •Питання для самоконтролю
- •Вправи
- •3.9.3. Основні поняття і методи регресійного аналізу
- •3.9.4. Метод найменших квадратів
- •Рис. 3.3. Діаграма розсіювання точок
- •Питання для самоконтролю
- •Вправи
- •3.10. СТАТИСТИЧНА ПЕРЕВІРКА СТАТИСТИЧНИХ ГІПОТЕЗ
- •3.10.1. Статистичні гіпотези. Помилки першого та другого роду
- •3.10.2. Статистичний критерій перевірки нульової гіпотези
- •Питання для самоконтролю
- •Таблиця 3.12
- •Таблиця 3.13
- •Таблиця 3.14
- •Таблиця 3.15
- •3.10.4. Перевірка гіпотези про порівняння середнього значення ознаки генеральної сукупності зі стандартом
- •3.10.5. Перевірка гіпотези про рівність дисперсій двох незалежних випадкових величин
- •Питання для самоконтролю
- •Вправи
- •Додаток А
- •Таблиця значень функції
- •Додаток Б
- •Таблиця значень функції Лапласа
- •Додаток В
- •Додаток Г
- •Додаток Д
- •Критичні точки розподілу F Фішера-Снедекора
- •Додаток Е
- •Таблиця значень
- •Додаток Ж
- •Значення
Питання для самоконтролю
1.Що називається вибірковим середнім?
2.Що називається розмахом вибірки, коефіцієнтом варіації?
3.Що називається початковим емпіричним моментомs-го порядку?
4.Що називається вибірковою дисперсією?
5.Що називається центральним емпіричним моментомs-го порядку?
6.Що називається модою, медіаною?
7.Як знайти моду й медіану для дискретного(інтервального) ряду?
9.Що називається асиметрією, ексцесом?
|
|
|
|
|
|
|
|
|
|
|
Вправи |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
1. |
У результаті валютних торгів протягом п’яти днів був встановле- |
||||||||||||||||||||||||||||||
|
ний такий курс американського долара у гривнях: 6,02; 6,05; 6,03; |
||||||||||||||||||||||||||||||
|
6,08; 6,07. Знайти вибіркову середню, вибіркову дисперсію, коефі- |
||||||||||||||||||||||||||||||
|
цієнт варіації курсу долара. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
2. |
Для дослідження розподілу маси новонароджених зважили1 000 ма- |
||||||||||||||||||||||||||||||
|
люків і побудували інтервальний статистичний розподіл: |
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
ai -1 -ai |
|
1,0 – 1,5 |
1,5 – 2,0 |
|
2,0 – 2,5 |
|
2,5 – 3,0 |
|
3,0 – 3,5 |
|
3,5 – 4,0 |
|
4,0 – 4,5 |
4,5 – 5,0 |
|
||||||||||||||||
|
ni |
|
20 |
80 |
|
|
100 |
|
300 |
|
|
250 |
|
|
|
|
190 |
|
50 |
|
|
10 |
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
Побудувати гістограму частот, визначити моду; побудувати кумуля- |
||||||||||||||||||||||||||||||
|
ту, графічно визначити медіану; обчислити |
x |
, |
s B . |
|
|
|
|
|
|
|
||||||||||||||||||||
3. |
Прибуток P |
мегамаркету відповідно по місяцях набув таких зна- |
|||||||||||||||||||||||||||||
|
чень (млрд. грн.): |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
Місяць |
|
1 |
2 |
3 |
|
|
4 |
5 |
|
6 |
|
|
7 |
|
8 |
|
9 |
|
10 |
|
11 |
12 |
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
P |
|
0,2 |
0,5 |
0,4 |
|
0,2 |
0,4 |
|
0,5 |
|
|
0,2 |
|
0,2 |
|
0,4 |
|
0,5 |
|
0,4 |
0,2 |
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
Знайти вибіркове середнє та вибіркове середньоквадратичне відхи- |
||||||||||||||||||||||||||||||
|
лення. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
4. |
Знайти вибіркове середнє за даним розподілом вибірки: |
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
xi |
|
|
|
|
1 450 |
|
|
|
|
|
1 480 |
|
|
|
|
|
|
|
|
1 490 |
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
ni |
|
|
|
|
3 |
|
|
|
|
|
5 |
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|||||
|
|
|
|
|
|
|
|||||||||||||||||||||||||
5. |
Знайти вибіркову дисперсію за даним розподілом вибірки: |
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
xi |
|
|
|
|
0,02 |
|
|
|
|
|
0,05 |
|
|
|
|
|
|
|
|
0,08 |
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
ni |
|
|
|
|
3 |
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
5 |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ДВНЗ “Українська академія банківської справи НБУ”
105
3.7. СТАТИСТИЧНІ ОЦІНКИ ПАРАМЕТРІВ ГЕНЕРАЛЬНОЇ СУКУПНОСТІ
Вивчаючи певну ознаку X генеральної сукупності, ми можемо знати характер розподілу випадкової величини X, але параметри цього закону залишаються невідомими. Тоді постає подальше завдання: на основі одержаної вибірки визначити наближені числові значення невідомих параметрів розподілу – точкові статистичні оцінки або просто статистичні оцінки.
3.7.1. СТАТИСТИЧНІ ОЦІНКИ НЕВІДОМИХ ПАРАМЕТРІВ РОЗПОДІЛУ ТА ЇХ ВЛАСТИВОСТІ
Статистичною оцінкою невідомого параметра q теоретичного розподілу називається будь-яка однозначна функція від випадкових ве-
личин, які спостерігаються: qn* = f (x1 , x2 , ... , xn ).
Для того, щоб оцінка qn* мала практичну цінність, вона мусить задовольняти певні умови. Статистична оцінка є сама випадковою величиною.
Статистична оцінка qn* = f (x1, x2 , ... , xn ) невідомого параметра розподілу q випадкової величини X називається незміщеною, якщо її математичне сподівання дорівнює точному значенню цього параметра:
M (qn*) =q.
Якщо оцінка не задовольняє цієї умови, то вона називається змі-
щеною.
Статистична оцінка qn* = f (x1, x2 , ..., xn ) невідомого параметра розподілу q випадкової величини X називається ефективною, якщо вона має найменшу дисперсію серед усіх незміщених оцінок параметра q, обчислених за вибірками одного й того ж обсягу.
Під час розглядання вибірок великого обсягу до статистичних оцінок додається вимога слушності (або змістовності, або конзистентності).
Статистична оцінка q* = f (x , x , ..., x |
n |
) невідомого параметра |
||
n |
1 |
2 |
|
|
розподілу q випадкової величини X |
називається слушною (або змістов- |
|||
ною, або конзистентною), якщо qn* |
збігається за ймовірністю до |
оцінюваного параметра при необмеженому зростанні обсягу вибірки, тобто виконується така рівність: для "e > 0
lim P{ |
|
qn * -q |
|
< e } =1, |
(3.26) |
n®¥ |
|
|
|
|
|
|
|
|
|||
де e > 0 – яке завгодно мале число. |
|
ДВНЗ “Українська академія банківської справи НБУ”
106
3.7.2. СТАТИСТИЧНА ОЦІНКА МАТЕМАТИЧНОГО СПОДІВАННЯ
Припустимо, що x1, x2 , ..., xn - вибірка, отримана в результаті n незалежних випробувань над випадковою величиноюX – деякою ознакою генеральної сукупності, яка має математичне сподівання
M ( X ) = a.
За статистичну оцінку |
математичного |
сподівання a = M ( X ) |
|||||
приймають вибіркове середнє: |
|
|
|
|
|
|
|
|
|
|
|
1 |
n |
|
|
an* = |
|
= |
åxi . |
(3.27) |
|||
x |
|||||||
|
|||||||
|
|
|
|
n i=1 |
|
Оцінка an* = x є незміщеною, тобто M (x) = a.
Припустимо додатково, що випадкова величина X має скінченну дисперсію D( X ) = s 2. Тоді оцінка an* = x є слушною для параметра a.
Твердження. Якщо випадкова величина X нормально розподілена з параметрами M (x) = a і D( X ) = s 2 , то оцінка x має у класі всіх не-
зміщених оцінок математичного сподівання a |
мінімальну дисперсію, |
||||
|
s 2 |
|
|
|
|
|
|
|
|||
яка дорівнює |
|
, тому x є ефективною оцінкою параметра a. |
|||
|
|||||
|
n |
|
|||
|
3.7.3. СТАТИСТИЧНА ОЦІНКА ДИСПЕРСІЇ. |
||||
|
|
ВИПРАВЛЕНА ДИСПЕРСІЯ |
|||
Якщо випадкова вибірка x1, x2 , ..., xn складається з n незалежних |
|||||
випробувань |
над випадковою величиною X |
із математичним споді- |
ванням M ( X ) = a та дисперсією D( X ) = s 2 , то за статистичну оцінку дисперсії беруть вибіркову дисперсію
|
|
1 |
n |
|
|
|
|
|
|
||
DB = |
å(xk - |
|
)2 , |
(3.28) |
|||||||
x |
|||||||||||
|
|||||||||||
|
|
n k =1 |
|
||||||||
яка є зміщеною оцінкою параметра D( X ) = s 2 ; |
|
||||||||||
або виправлену вибіркову дисперсію |
|
|
|
|
|
|
|||||
|
1 |
|
n |
|
|||||||
s2 = |
|
(xk - |
x |
)2 , |
(3.29) |
||||||
n -1 |
|||||||||||
|
åk =1 |
|
яка є незміщеною оцінкою параметра D( X ) = s 2.
Той факт, що DB є зміщеною оцінкою для D( X ) , випливає із рів-
ності: |
|
|
|
|
M (D |
)= |
n -1 |
s 2 , |
(3.30) |
|
||||
B |
|
n |
|
|
|
|
|
ДВНЗ “Українська академія банківської справи НБУ”
107
Враховуючи співвідношення s2 |
= |
|
n |
|
|
DB , отримуємо: |
|
|||||
n - |
|
|
|
|||||||||
|
|
|
|
|
1 |
|
|
|||||
M (s 2 ) = |
n |
|
M (DB ) = |
n |
|
× |
n -1 |
s 2 = D( X ), |
(3.31) |
|||
n -1 |
|
|
|
|
||||||||
|
|
n -1 |
|
|
n |
|
тобто виправлена дисперсія s 2 є незміщеною оцінкою для дисперсії
D( X ) = s 2.
Відповідно незміщеною точковою оцінкою середнього квадратичного відхилення є число – виправлене середнє квадратичне відхилення:
s = s2 .
Дріб |
n |
|
називають поправкою Бесселя. Для малих n |
поправка |
|
n -1 |
|||||
|
|
|
|||
Бесселя значно відрізняється від одиниці. Для n > 50 DB та s 2 |
різнять- |
ся мало. На практиці користуються виправленою дисперсією, якщо обсяг n < 30 .
Оцінки DB та s 2 є слушними і не є ефективними.
У випадку, якщо математичне сподівання a відоме і випадкова величина X розподілена нормально, то незміщеною, слушною та ефективною оцінкою дисперсії D( X ) = s 2 є:
1 ån (xk - a)2 . n k =1
Приклад 3.4. У результаті дослідження отримано статистичний ряд: 3,2; 4,4; 8,1; 8,1; 6,7; 4,4; 4,4; 3,2; 5,0; 6,7; 6,7; 7,5; 3,2; 4,4; 6,7; 6,7; 5,0; 5,0; 4,4; 8,1. Обчислити статистичну оцінку математичного сподівання, незміщену оцінку дисперсії та виправлене середнє квадратичне відхилення.
Розв’язання. Для обчислення статистичних оцінок побудуємо дискретний варіаційний ряд:
xi |
3,2 |
4,4 |
5,0 |
6,7 |
7,5 |
8,1 |
|
|
|
|
|
|
|
ni |
3 |
5 |
3 |
5 |
1 |
3 |
Обчислимо статистичну оцінку математичного сподівання:
x = 3,2 × 3 + 4,5 × 5 + 5,0 × 3 + 6,7 × 5 + 7,5 ×1 + 8,1× 3 = 5,595. 20
ДВНЗ “Українська академія банківської справи НБУ”
108
Оскільки обсяг вибірки n = 20 < 30, обчислимо незміщену оцінку дисперсії та виправлене середнє квадратичне відхилення:
s 2 = (3,2 - 5,595)2 × 3 + ... + (8,1 - 5,595)2 × 3 = 2,84; 19
s= s 2 = 2,84 =1,65.
3.7.4.МЕТОД МОМЕНТІВ СТАТИСТИЧНОГО ОЦІНЮВАННЯ
ПАРАМЕТРІВ РОЗПОДІЛУ
На підставі даних вибірки x1, x2 , ..., xn , отриманої внаслідок спостережень над випадковою величиною X , потрібно оцінити невідомий параметр q = (q1,q2 ,K,qm ). Припустимо, що закон розподілу випадкової
величини X відомий із точністю до параметраq і визначається за допомогою функції f (x, q), яка у випадку дискретної випадкової величини X задає ймовірність події X = xi , а у випадку неперервної випадкової величини X – щільність її розподілу. Тоді всі моменти випадкової величини X є функціями від q:
M (X s )= vs (q1,q2 ,K,qm ),
де vs (q1,q2 ,K,qm ) = åxis f (xi ,q1,q2 ,K,qm ), якщо X – дискретна ви-
i
падкова величина, а xi – можливі значення X; і vs (q1,q2 ,K,qm ) =
¥
= ò xis f (xi ,q1,q2 ,K,qm ) dx, якщо X – неперервна випадкова величина.
-¥
Схема статистичного оцінювання параметрів q1 , q2 , ..., qm за мето-
дом моментів:
1) обчислюємо m теоретичних початкових моментів:
n1(q1,q2 ,...,qm ),n2 (q1,q2 ,...,qm ),...,nm (q1,q2 ,...,qm ), де n s = M ( X s );
2)на підставі вибірки x1 , x2 , ..., xn обчислюємо m відповідних вибіркових початкових моментів.
Увипадку, якщо вибірка задана вихідним статистичним рядом, це будуть емпіричні моменти:
|
|
|
|
1 |
n |
|||
|
|
|
, ..., qm ) = |
åxi s , s = |
|
. |
||
n s |
(q1 , q2 |
1, m |
||||||
|
||||||||
|
|
|
|
n i=1 |
ДВНЗ “Українська академія банківської справи НБУ”
109
У випадку, якщо вибірка задана згрупованим варіаційним рядом, це будуть емпіричні моменти:
|
|
|
|
1 |
k |
k |
|||
|
|
|
, ..., qm ) = |
åni xi s , |
åni = n, s = |
|
; |
||
n s |
(q1 , q2 |
1, m |
|||||||
|
|||||||||
|
|
|
|
n i=1 |
i=1 |
3)прирівнюємо теоретичні та відповідні емпіричні моменти і отримуємо систему рівнянь відносно компонентq1,q2 ,K,qm оцінюваного параметра:
{n s (q1, q2 , ... , qm ) =n s (q1 , q2 , ... , qm ), s =1, m;
4)розв’язуючи отриману систему рівнянь(точно або наближено), знаходимо шукані оцінки (q1*, q2* , ...qm* ). Ці оцінки, очевидно, є функціями від вибіркових значень x1, x2 , ..., xn .
Необхідно зауважити, що:
·схема у разі вибору центральних або початкових і центральних -мо ментів у сукупності залишається без змін;
·теоретичним обґрунтуванням методу моментів є закон великих чисел;
·методом моментів отримують слушні статистичні оцінки параметрів розподілу, які, однак, умови незміщеності взагалі не задовольняють;
·прирівнюючи функції від теоретичних та емпіричних моментів, можна дістати статистичні оцінки для характеристик випадкової величини, які є функціями від теоретичних моментів.
Приклад 3.5. Знайти методом моментів за вибіркоюx1, x2 , ..., xn
статистичні оцінки невідомих |
параметрів a і s нормального роз- |
||||||
поділу: |
|
|
|
|
|
|
|
|
|
1 |
|
- |
( x -a )2 |
|
|
f (x) = |
|
e |
2s 2 |
. |
|||
|
|
||||||
|
|
|
|
|
|||
s |
|
2p |
|
|
|
|
Розв’язання. Прирівняємо початкові теоретичні й емпіричні моменти першого порядку, а також центральні й емпіричні моменти другого порядку: n1 = M1, m2 = m2 . Враховуючи, що
|
n1 = M (X ), m2 = D(X ), M1 = x, m2 = DB , |
|||
|
ìM (X ) = |
x |
, |
|
отримаємо: |
ï |
)= D . |
||
íD(X |
||||
|
ï |
|
B |
|
|
î |
|
|
|
ДВНЗ “Українська академія банківської справи НБУ”
110
Беручи до уваги, що математичне сподівання нормального розподілу дорівнює параметру a , дисперсія дорівнює s 2 , маємо:
a = x, s 2 = DB .
Таким чином, шукані статистичні оцінки параметрів нормального розподілу:
a* = x, s * = DB .
3.7.5. МЕТОД МАКСИМУМУ ПРАВДОПОДІБНОСТІ СТАТИСТИЧНОГО ОЦІНЮВАННЯ ПАРАМЕТРІВ РОЗПОДІЛУ
На підставі даних вибірки x1, x2 , ..., xn , отриманої внаслідок спостережень над випадковою величиною X, потрібно оцінити невідомий
параметр q = (q1, q2 , K, qm ). Припустимо, |
що |
закон |
розподілу |
випад- |
кової величини X відомий із точністю до параметраq і визначаєть- |
||||
ся за допомогою функціїf (x, q ), |
яка |
у |
випадку |
дискретної |
випадкової величини X задає ймовірність події X = xi , а у випадку неперервної випадкової величини X – щільність її розподілу.
Функцією правдоподібності називають функцію
L (x1, x2 , ..., xn , q ) = f (x1,q )× f (x2 ,q )L f (xn ,q ),
яка зображує сумісний розподіл випадкового вектора з незалежними компонентами, кожна з яких має той самий розподіл, що й випадкова величина X.
Ідея методу максимуму правдоподібності: за статистичну оці-
нку невідомого параметра q приймають таке його значення q*, для якого функція правдоподібності L(x1 , x2 , .., xn , q), що розглядається як функція від q при фіксованих значеннях x1, x2 , ..., xn досягає максимуму.
Схема статистичного оцінювання параметраq методом максиму-
му правдоподібності:
1)досліджуємо функцію правдоподібності L( x1 , x2 , ..., xn , q ) на максимум за допомогою методів диференціального числення: знаходимо критичні точки q * = (q1*, q2* , ..., qm* ) із системи рівнянь:
ì¶L(x |
, x |
2 |
, ... , x |
n |
, q , q |
2 |
, ... , q |
m |
) |
|
|
|
|
|
|
|
|
|
|||||||||||
í |
1 |
|
|
1 |
|
|
, |
i =1, m; |
||||||
|
|
|
¶qi |
|
|
|
|
|||||||
î |
|
|
|
|
|
|
|
|
|
|
|
ДВНЗ “Українська академія банківської справи НБУ”
111
|
|
Для спрощення обчислень зручно замість функції L(x1 |
, x2 , .., xn , q), |
|||||||||||||||||||
розглядати логарифмічну функцію правдоподібності ln L(x1 |
, x2 , .., xn , q), |
|||||||||||||||||||||
оскільки |
точки |
екстремуму для |
функційL |
|
і |
ln L збігаються, бо |
||||||||||||||||
|
¶ |
ln L = |
1 |
|
¶L |
. |
Знаходимо |
критичні |
|
точки |
функціїln L із системи |
|||||||||||
|
|
|
|
|
||||||||||||||||||
|
¶qi |
L ¶qi |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
рівнянь: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
ì¶ ln L(x , x |
2 |
, ... , x |
n |
, q , q |
2 |
, ... , q |
m |
) |
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
í |
1 |
|
|
1 |
|
|
|
, |
i =1, m; |
|
|||||||||
|
|
|
|
|
|
¶qi |
|
|
|
|
|
|
|
|||||||||
|
|
|
î |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
розв’язки якої (q1*, q2* , ..., qm* );
2)використовуючи достатні умови екстремуму функції, знаходимо точку максимуму.
Метод максимуму правдоподібності статистичного оцінювання
параметрів розподілу має низку важливих переваг:
·вони слушні, асимптотично нормально розподілені (при великому обсязі вибірки n їх розподіл близький до нормального) і мають найменшу дисперсію в порівнянні з іншими асимптотично нормальними оцінками;
·найбільш повно використовуються дані вибірки для оцінки параметрів, тому цей метод особливо корисний за малих обсягів вибірки.
Недолік методу в тому, що він часто вимагає складних обчислень. Найчастіше цей метод використовується при біноміальному, по-
казниковому розподілах і розподілі Пуассона.
|
У |
випадку |
біноміального розподілу функція правдоподібності |
|
має вигляд: L(x1 , x2 , .., xn , q ) = Pr (x1, p) × Pr (x2 , p) ××× Pr (xn , p), |
||||
де |
P |
(x |
, p) = C xi pxi |
qr-xi . |
|
r |
i |
r |
|
Після логарифмування та прирівнювання до нуля похідної відln L отримуємо вираз для оцінки параметра p:
|
|
|
* |
|
n x |
|||
|
p |
|
= å |
|
i |
. |
||
|
|
|
|
|||||
|
|
|
|
i=1 nr |
||||
У випадку, якщо варіанта xi |
має частоту ni , то оцінка параметра p |
|||||||
така: |
|
|
|
|
|
|
|
|
|
* |
|
|
k x n |
||||
p |
|
= |
å |
i i |
, |
|||
|
|
|||||||
|
|
|
|
i=1 nr |
де n = n1 + n2 + ... + nk – кількість дослідів по r випробувань у кожному.
ДВНЗ “Українська академія банківської справи НБУ”
112