- •Введение в математическую статистику.
- •15) Лемма Неймана-Пирсона (рэндомизированный и нерэндомизированный вариант).
- •21) Проверка независимости признаков.
- •Пример:
- •24) Общая задача дисперсионного анализа.
- •25) Однофакторный, двуфакторный дисперсионный анализ. Однофакторный дисперсионный анализ
- •Двуфакторный дисперсионный анализ
- •26) Байесовская классификация.
- •27) Общая постановка задачи оценивания.
- •1) Минимаксный подход.
- •2) Байесовский подход
- •28) Достаточные статистики. Критерий факторизации. Достаточные статистики
- •Критерий факторизации
- •29) Условное матожидание, его своиства.
- •30) Теорема о ковариации.
- •31) Теорема Леммана Шафе. Алгоритм построения эффективных оценок.
- •Алгоритм нахождения эффективных оценок
- •32) Примеры вывода полноты.
- •33) Доверительный интервал и примеры. Доверительный интервал.
- •Примеры
- •34) Неравенство Рао-Крамера. Теорема Рао-Крамера
- •Пример 1.
- •Пример 2.
- •Пример 3.
Пример 1.
Пусть R(0,) – ПДС , статистика T=maxi<nxi, но она смещенная.
Пусть T1=-несмещенная
D(T1)= DT=,нарушено условие регулярности для равномерного распределения, т.к. область зависит от , тогда нельзя говорить о дифференцируемости p/
Т.е. такие распределения не очень хороши для оценивания
Такое явление, когда дисперсия убывает быстрее, чем 1/n, называется суперэффективным
Не всегда существует оценка : в неравенстве Рао-Крамера достигается равенство.
Рассмотрим ситуацию : D>(g’())2/I()
но k-мерный =(1,…,k)
Будем понимать под g’() – градиент из частных производных.
g'()=)
под I() понимаем : I()=
I()=
im,n=,тогда дисперсия DT>1/ng'()I-1()(g'())T
Пример 2.
N(m,2)
Пусть существует выборка из нормального распределения оценивать надо скалярные величины, будем оценивать m,2
Надо посчитать информацию матрицы Фишера
p(x,)=
ln p(x,)=
==
=====
т.е.
i12=i21=E((=0,т.к. перемножаются либо 1, либо 3 моменты.
I=, I-1=,т.е. по Неравенству Рао-Крамера
DT>22/n
g'()=(0,1)
DT>g'()I-1()g()/n
Всегда ли достигается равенство
Пусть существует эффективная оценка S2=
Посчитаем дисперсию оценки:
DS2=
Границы не совпадают
=> этом примере ни при каких n не достигается равенство в неравенстве Рао-Крамера
Если какой-то параметр знаем, то равенство достигается
Пример 3.
Пусть m известно
Можно показать, что дисперсия такая же
S2=, дисперсия этой S2
DS2=
Пусть Распределение Пуассона
P(X=k) =k=0,1,2…
I1()======
Получается дисперсия любой оценки DT>/n
Dx=/n, т.е. равенство достигается.
Для печати шпор
2,4,6,8,10,12,14,16,18,20,22,24,26,27,30,36,32,33,36,36
5,36,9,7,13,11,17,15,21,19,25,23,28,29,36,31,34,35,36,36