
- •Математическая статистика Введение в математическую статистику
- •Предмет математической статистики
- •Возникновение и развитие математической статистики
- •Приложения математической статистики
- •Общая статистическая модель
- •Параметрические и непараметрические задачи
- •Случайные величины и статистики
- •Достаточные статистики
- •Критерий факторизации.
- •Выборка и эмпирическая мера
- •Выбор статистической модели
- •Классическая статистическая модель.
- •Эмпирическая функция распределения
- •Выборочные характеристики
- •Свойства выборочных характеристик
- •Моделирование выборок на компьютере
- •Датчик случайных чисел
- •Моделирование дискретных распределений
- •Моделирование непрерывных распределений
- •Метод максимального правдоподобия
- •Байесовский подход
- •Допустимость байесовских оценок
- •Теорема об апостериорном риске
- •Вычисление байесовских оценок при квадратичной функции потерь
- •Минимаксный подход
- •Минимаксность байесовских решений
- •Проверка статистических гипотез
- •Основные понятия теории проверки статистических гипотез
- •Проверка двух простых гипотез
- •Байесовский подход
- •Наиболее мощный критерий. Лемма Неймана- Пирсона
- •Проверка непараметрических гипотез. Критерии согласия
- •Критерий знаков
- •Состоятельность критерия
- •Критерий Колмогорова
- •Критерий хи-квадрат
- •Асимптотические доверительные интервалы
- •Доверительные интервалы для параметров нормального распределения
Метод максимального правдоподобия
Определение.
Оценкой максимального правдоподобия называется величина
Плотность
рассматриваемая при фиксированном
как функция
называется функция
правдоподобия и
обозначается
.
Т.е.
Оценки, построенные по методу максимального правдоподобия, обладают рядом важных свойств.
Например, используя критерий факторизации, легко доказать, что оценка максимального правдоподобия является функцией любой достаточной статистики.
Так же очевидно,
что если
- взаимно однозначная функция, то оценки
максимального правдоподобия для
и
связаны соотношением
.
Асимптотические свойства оценок максимального правдоподобия изложены в дальнейшем.
Улучшение оценок
Наличие достаточной статистики позволяет улучшать оценки, не являющиеся функцией этой статистики.
Теорема Рао-Блэкуэлла-Колмогорова
Теорема.
Пусть
- несмещенная оценка и
- достаточная статистика.
Тогда
-
Случайная величина
является несмещенной оценкой
-
Теория статистических решений
Методы классической статистики не учитывают последствий, которые могут произойти из-за неправильного выбора оценки или неправильного определения параметра. Для учета этих последствий и выбора решения, минимизирующего в некотором смысле возможные потери от неизбежных ошибок используется теория статистических решений.
Основные понятия теории статистических решений
Пусть
- статистическая модель. Предположим
на основе данных
необходимо принять решение
.
В случае, если принятое решение не
совпадает с правильным решением
возникают потери
.
Задача состоит в том, чтобы определить
такое правило
принятия решения
, при котором средние потери
были бы минимальны.
Дадим формальные определения.
Определение.
Множество решений
- произвольное множество. Для того чтобы
можно было рассматривать решение как
функцию данных, т.е. случайную величину,
это множество снабжают сигма-алгеброй
.
Определение.
Измеримое отображение
называется решающим правилом или
функцией.
Определение.
Действительная,
измеримая по паре переменных, функция
называется функцией потерь, если
Определение.
Значение
называют риском решающего правила при
распределении
Определение.
Если семейство
- параметрическое, множество
,
и правильным решением является
(задача оценивания)
, то функцию ( по
)
называют функцией риска.
В дальнейшем, в основном, рассматривается лишь задача оценивания, хотя многие утверждения легко могут быть переформулированы для общего случая.
Разумным кажется следующее определение.
Определение.
Решающее правило
называется недопустимым, если существует
лучшее правило
,
т.е.
и хотя бы для одного значения
Определение.
Правило называется допустимым, если оно не недопустимо.
Смысл введения данного определения в том, чтобы при поиске хороших (в том или ином смысле) решений не рассматривать заведомо недопустимые решения. Описание класса допустимых решений в задаче оценивания приведено в дальнейшем.
Так как абсолютно наилучшего решения (единственного допустимого) обычно не существует, используют компромиссные подходы к построению решения задачи оценивания. Первым из них рассмотрим байесовский подход.