- •Комбинаторика
- •Комбинаторный принцип умножения
- •Размещения
- •Перестановки
- •Сочетания
- •Размещения с повторениями
- •Алгебра событий
- •Предмет теории вероятностей
- •Классификация событий
- •Действия над событиями
- •Вероятность события
- •Относительная частота события и ее свойства
- •Статистическое определение вероятности
- •Аксиоматическое определение вероятности
- •Классическое определение вероятности
- •Геометрическое определение вероятности
- •Алгебра вероятностей
- •Условная вероятность
- •Правило умножения вероятностей
- •Независимость двух событий
- •Независимость n событий
- •Правила сложения вероятностей
- •Формулы полной вероятности и Байеса
- •Формула полной вероятности
- •Формула Байеса
- •Схема Бернулли проведения независимых испытаний. Биномиальная вероятность
- •Приближенная формула Пуассона для вычисления биномиальной вероятности
- •Локальная и интегральная формулы Муавра-Лапласа
- •Одномерная случайная величина
- •Определение случайной величины
- •Дискретная случайная величина
- •Числовые характеристики дискретной случайной величины
- •Понятие числовой характеристики случайной величины
- •Математическое ожидание
- •Дисперсия
- •Мода
- •Начальные и центральные моменты
- •Биномиальное, Пуассона, геометрическое распределения
- •Биномиальное распределение
- •Распределение Пуассона
- •Геометрическое распределение
- •Непрерывная случайная величина
- •Числовые характеристики непрерывной случайной величины
- •Нормальное, показательное, равномерное распределения
- •Нормальное распределение (закон Гаусса)
- •Показательное распределение
- •Равномерное распределение
- •Двумерная случайная величина
- •Двумерная случайная величина, ее функция распределения
- •Дискретная двумерная случайная величина, ее таблица распределения
- •Непрерывная двумерная случайная величина. Плотность вероятности
- •Примеры двумерных непрерывных распределений
- •Равномерное распределение
- •Нормальное распределение
- •Зависимость и независимость двух случайных величин
- •Условные законы распределения. Числовые характеристики двумерной случайной величины. Связь между случайными величинами
- •Условные законы распределения
- •Числовые характеристики
- •Корреляционные момент и коэффициент корреляции
- •Предельные теоремы
- •Неравенства Маркова и Чебышёва
- •Неравенство А.А. Маркова
- •Неравенство П.Л. Чебышёва
- •Теоремы Чебышёва и Бернулли
- •Центральная предельная теорема для случая одинаково распределенных слагаемых
- •Цепи Маркова. Понятие случайного процесса
- •Введение в математическую статистику
- •Предмет математической статистики
- •Описательная статистика
- •Генеральная совокупность. Выборка. Выбор
- •Вариационный и статистический ряды
- •Выборочная функция распределения
- •Выборочные числовые характеристики
- •Основные оценки
- •Группированный статистический ряд. Гистограмма
- •Группированный статистический ряд
- •Оценивание генеральных числовых характеристик с помощью интервального статистического ряда
- •Гистограмма
- •Точечное оценивание числовых характеристик и параметров распределения генеральной совокупности
- •Понятие точечной статистической оценки. Требования к оценкам
- •Свойства выборочного среднего и выборочной дисперсии
- •Свойства
- •Свойства моментов
- •Метод моментов получения оценок параметров генерального распределения
- •Метод максимального правдоподобия получения оценок параметров генерального распределения
- •Интервальное оценивание числовых характеристик и параметров распределения генеральной совокупности
- •Доверительный интервал. Точность и надежность оценки
- •Доверительный интервал для математического ожидания нормальной генеральной совокупности
- •Доверительный интервал для среднего квадратического отклонения любой генеральной совокупности при большом объеме выборки
- •Проверка статистических гипотез
- •Виды статистических гипотез
- •Критерий значимости. Общая схема проверки статистических гипотез
- •Ошибки первого и второго рода. Односторонний и двусторонний критерий
- •Ошибки первого и второго рода
- •Односторонний и двусторонний критерии
- •Проверка гипотезы о равенстве дисперсий двух нормальных генеральных совокупностей
- •Проверка гипотезы о равенстве математических ожиданий двух генеральных совокупностей
- •Проверка гипотезы о законе распределения генеральной совокупности
- •Общие вопросы
- •Параметры проверяемого закона полностью известны
- •Параметры проверяемого закона неизвестны
- •Критерий Колмогорова
10.3Метод моментов получения оценок параметров генерального распределения
Пусть известен вид генерального закона распределения, а параметры θ1, θ2, ..., θn, в него входящие, неизвестны. Возникает задача их статистического оценивания. Один из методов получения таких оценок - метод моментов.
Предполагается, что имеется выборка (x1, . . . , xn) из исследуемой генеральной совокупности. На ее основе вычисляются m начальных моментов a1, . . . , am. Так как вид генерального закона известен, то, следовательно, можно найти m первых начальных генеральных моментов α1(θ1, . . . , θm), ..., αm(θ1, . . . , θm), которые выражаются через неизвестные параметры. Выборочные и генеральные моменты одинакового порядка сравниваются:
α1(θ1, . . . , θm) = a1,
...
|
|
|
αm(θ1, . . . , θm) = am. |
|
, ..., |
|
. Решение |
||
|
Получили систему m |
уравнений |
с |
неизвестными величинами |
|
|
|||
ˆ |
|
|
ˆ |
ˆ |
θ1 |
|
θm |
|
|
ˆ |
|
|
|
|
|
|
|||
(θ1 |
, . . . , θm) этой системы дает оценки |
θi = θi(x1, . . . , xn) неизвестных параметров θi(i = 1, . . . , m). |
|||||||
При выполнении достаточно общих условий полученные оценки состоятельные: |
|||||||||
|
|
ˆ |
P |
(i = 1, . . . , m). |
|
|
|
|
|
|
|
θi → θi |
|
|
|
|
Среднее значение такой оценки отличается от истинного значения параметра на величину порядка 1/n. В общем случае они - смещенные и не являются эффективными.
Замечание. Вместо начальных моментов можно использовать центральные. Пример. Для показательного закона с плотностью
f(x) = |
λe−λx, x ≥ 0 |
||||
|
0, |
x < 0; |
|
||
|
|
|
|
Xi |
|
известно, что α1 = MX = 1/λ. Так как a1 = x¯ = |
1 n |
xi, то система для моментов в этом |
|||
n |
|||||
|
|
|
|
=1 |
|
случае сводится к одному уравнению 1/λ = x¯, из которого находим |
|||||
|
ˆ |
1 |
|
|
|
|
λ = |
x¯ |
. |
|
|
Пример. Для нормального закона N(m, σ) известно, что α1 = MX = m; µ2 = M[(X − mX )2] = Для этого случая удобно взять первый начальный и второй центральный моменты. Получаем систему из двух уравнений:
α1 |
= a1, |
|
m = x,¯ |
µ2 = m2 |
σ2 = DB. |
Находим оценки двух параметров по методу моментов:
m¯ = x¯; σ¯ = σB.
72
10.4Метод максимального правдоподобия получения оценок параметров генерального распределения
Метод максимального правдоподобия является достаточно универсальным и плодотворным методом оценивания.
Пусть имеется выборка (x1, . . . , xn) из генеральной совокупности с плотностью вероятности f(x, θ), содержащей один неизвестный параметр θ.
Выборка является n-мерной случайной величиной, компоненты xi которой взаимно независимы, одинаково распределены с плотностью f(x, θ). Тогда плотность распределения n-мерной случайной величины (x1, x2, . . . , xn) будет равна
L(x1, x2, . . . , xn; θ) = f(x1, θ)f(x2, θ) . . . f(xn, θ).
Эта функция называется функцией правдоподобия для рассматриваемой выборки. Будем считать θ переменной неслучайной величиной, а элементы x1, x2, ..., xn выборки
фиксированными, так как выборка фактически осуществлена. Если придавать θ различные значения, то естественно ожидать, что плотность L(x1, x2, . . . , xn; θ) примет максимальное значение в случае, когда θ окажется равным истинному его значению, так как при других значениях θ менее вероятно за один раз получить именно данную выборку.
Эти интуитивные соображения приводят к тому, что за оценку θ берут такое значение
¯, при котором функция правдоподобия достигает максимума.
θ
Технически (так как L состоит из произведений) удобнее искать max ln L (точка, даю-
щая максимум , дает и максимум ). Итак, для отыскания ˆ имеем уравнение ln L L θ
∂ln L = 0, ∂θ
ˆ |
, x2 |
, . . . , xn), завися- |
которое называется уравнением правдоподобия, а его решение θ(x1 |
||
щее от элементов выборки, оценкой максимального правдоподобия. |
|
При выполнении достаточно общих условий оценки максимального правдоподобия являются состоятельными и асимптотически эффективными. В общем случае они являются смещенными.
В случае, когда генеральная плотность вероятности f(x, θ1, . . . , θk) содержит k параметров, вместо одного уравнения правдоподобия решается система уравнений
|
∂ ln L |
= 0, . . . , |
|
∂ ln L |
= 0. |
|
|
|
||||||
|
|
|
|
|
|
|
||||||||
|
∂θ1 |
|
|
|
∂θk |
|
|
|
|
|
|
|
||
Пример. Рассмотрим показательный закон с плотностью |
|
|||||||||||||
|
f(x, λ) = |
λe−λx, |
x≥0. |
|
|
|
||||||||
|
|
|
0, |
|
x < 0, |
|
|
|
||||||
Функция правдоподобия при x > 0 имеет вид |
|
|
|
|
|
|
|
|||||||
L(x1, . . . , xn, λ) = λne−λx1 . . . e−λxn = λn exp |
n |
xi ; |
||||||||||||
− λ i=1 |
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
|
|
n |
|
∂ ln L |
|
|
n |
|
n |
|
||||
|
X |
|
|
|
Xi |
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
||||
ln L = n ln λ − λ xi; |
∂λ = λ − xi = 0. |
|||||||||||||
|
|
i=1 |
|
|
|
|
|
|
|
|
|
|
=1 |
|
73
|
1 |
|
|
|
Xi |
|
|
|
Отсюда |
λ |
= |
n |
=1 |
xi = x¯; |
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
ˆ |
|
|
|
|
|
|
|
|
λ = |
x¯ |
. |
Оценка максимального правдоподобия и метода моментов параметра показательного закона совпадают.
Пример. Для нормального закона N(m, σ) плотность вероятности имеет вид
f(x, m, σ2) = |
1 |
e− |
(x−m)2 |
||
σ√ |
|
2σ2 |
. |
||
2π |
Удобно считать, что здесь два параметра m и σ2. Следовательно, функция правдоподобия равна
L = |
1 |
|
n |
(x1−m)2 |
(xn−m)2 |
|
|||||||||
σ√ |
|
|
e− |
2σ2 |
−...− |
2σ2 |
. |
|
|||||||
2π |
|
||||||||||||||
Тогда |
|
|
|
|
|
|
|
|
|
n |
|
||||
n |
|
|
|
n |
1 |
|
|||||||||
|
|
|
Xi |
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
ln L = −2 ln(2π) − 2 ln(σ2) − 2σ2 |
− m)2. |
||||||||||||||
(xi |
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
=1 |
|
|
Далее, дифференцируя ln L по m и σ2, получаем систему уравнений правдоподобия
|
∂ ln L |
1 |
|
|
|
|
n |
|
|
|
|
|||||||
|
|
|
|
i=1 (xi − m) = 0, |
|
|||||||||||||
|
= |
|
|
|
|
|
|
|
|
|||||||||
∂m |
|
|
σ2 |
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
X |
|
|
n |
|
|||||
|
∂ ln L |
|
|
|
|
|
|
n |
|
|
|
|
1 |
|
2 |
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
= − |
|
|
|
+ |
|
(xi − m) = 0. |
||||||||||
∂σ2 |
2σ2 |
2σ4 |
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Xi |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Из первого уравнения находим |
=1 |
|
xi − mn = 0. Отсюда |
|||||||||||||||
|
|
|
Xi |
|
|
|
|
|
|
n |
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|||
|
|
|
|
|
mˆ = |
|
|
xi = x¯. |
|
|||||||||
|
|
|
|
|
n |
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
=1 |
|
|
Из второго уравнения: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Xi |
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
||
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
(xi |
− x¯)2 = n; |
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
σ2 |
|
=1 |
|
|||||||||||
|
|
|
|
|
|
|
|
|
Xi |
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
n |
|
|
|
|
|
(ˆσ2) = |
|
|
X(xi − x¯)2 = σB2 . |
|
|||||||||||||
|
n |
|
i=1
Эти оценки были получены ранее методом моментов.
Замечание. В случае дискретного закона распределения P (X = xi) = p(xi, θ) функция правдоподобия определяется формулой
n
Y
L = p(xi, θ).
i=1
Замечание. Существуют и другие методы получения оценок генеральной совокупности, например, методы квантилей, минимум хи-квадрат, наименьших квадратов, наименьших абсолютных отклонений, минимакса.
74