Билеты по математической статистике с ответами / Вопросы по ТВиМС (15-21)
.doc15. Теорема Лемана. Минимаксность выборочного среднего, как оценки мат. ожидания нормального распределения.
Теорема.
Пусть - последовательность байесовских оценок по отношению к априорным распределениям {Qk} соответственно;
Если
Тогда - минимаксна.
Док-во
Оценка называется минимаксной, если она минимизирует максимальный риск, т.е.
:
Пусть - произвольная оценка. Тогда, поскольку Qk – вероятностная мера и поскольку - байесовская:
Переходим к пределу
- минимаксна.
Пример.
Пусть Х1 ,…,Хn – выборка из N(,) c известным и надо оценить .
Предположим, что параметр имеет нормальное расперделение: ~ N(0,k), kN
Получаем последовательность байесовских оценок:
и соответствующую последовательность байесовских рисков:
, где
,
т.е.
-оценка
- минимаксна
16.Метод моментов построения статистических оценок. Примеры.
Пусть Х1,…,Хn –выборка из распеределения с начальными r моментами i порядка:
Они являются функциями от неизвестных параметров .
Начальные выборочные моменты i порядка.
Тогда метод моменов состоит в приравнивании выборочных и теоретических моментов одного порядка:
, где r – выбирается сообразно тому, сколько нбх уравнений для существования и единственности решения,
обычно
Примеры.
1) распределение Бернулли
- теоретич. момент
- выборочный момент
Уравнение методом моментов:
- оценка методом моментов (ММ)
2) распределение Лапласа DE(a,b)
теор. момент 1 порядка
теор момент 2 порядка
выбор. моменты 1 и 2 порядка
Уравнение ММ:
Оценки ММ:
17.Метод максимального правдоподобия. Примеры.
Понятие правдоподобия позволяет сравнивать вероятносные шансы тех или иных исходов эксперимента при различных значениях параметра .
В рез-те эксперимента поступает более точная информация, тогда прикаждом фикс. Значении естественно сравнивать достоверности исходов через значение плотности ( или производной Радона-Никодима) относительно некоторой домин. меры.
Пусть - семейство вероятностных мер, доминирующих некоторой мерой .
(если величины имеют абс. непрер. распределение, то мера Лебега,
если дискретное – можно выбрать считающую меру на мн-ве возможных значений результата эксперимента)
- плотность распределения.
Функция правдоподобия является плотностью распределения случайного вектора :
Опр-е
Оценка - называется оценкой правдоподобия, если для каждого из выборочного пространства
Пусть Х1,…,Хn - выборка из одномерного семейства <<
- плотность
Выбираем , т.е.
и
функция правдоподобия
Идея метода макс. правдоподобия состоит в отыскании значения , максимизирующее правдоподобие, т.е.
В силу монотонности логарифма задача сводиться к максимизации логарифма правдоподобия.
И далее нахождения max:
Примеры.
1) распределение Бернулли
Х1,…,Хn ~ Bi(1,p)
- считающая мера на Z
Функция правд-я
- оценка макс. правдоподобия
2)нормальное распределение
Х1,…,Хn ~ N(a,b),
решаем уравнение
- ОМП
18.Достаточные статистики. Примеры.
Пусть (P), где - статистический эксперимент.
Т()- статистика. Статистика Т называется достаточной для семейства Р, если условное распределение вектора при условии Т не зависит от значения параметра , т.е
Знание того, где находиться на поверхности , не несет никакой дополнительной информации о теоретическом распределении, а следовательно, вся информация об исходном распределении содержится в Т().
Примеры.
1) Х1,…, Хn – выборка из функции распределения F, а F- любая функция распределения.
Можно показать, что НОРВС набор порядковых статистик в этом семействе
(х(1), …,х(n)) – достаточная статистика.
Действительно,
Пусть , , тогда
Если перестановки i1,…,in:
(окружить хi таким множеством, что в нем только tj и нет других)
(для домин. семейств это следует из определения)
2) Х1,…, Хn -выборка из распределения Бернулли, т.е.
(последовательность испытаний Бернулли)
Покажем, что - достаточная статистика
не зависит от пар-ра - достаточная статистика для сем-ва распр-я Бернулли
20.Теорема факторизации Неймана-Фишера.
Лемма Хэлмоша-Сэвиджа
-конечна, то
такой, что Р доминируется линейной комбинацией :
Теорема
Р<<, -конечна
Для того чтобы статистика Т()была достаточной для , необходимо и достаточно, чтобы функция правдоподобия имела вид:
Док-во
а) не зависит от
, где
- плотность относительно меры
- плотность относительно меры
т.к. - доминирование мерой существует плотность по т.Радона-Никодима
в дальнейшем покажем: ,
б)Докажем, что
?
Т- измер. случ.величина
в силу единств. усл. мат. ожид. мы получаем:
в)рассмотрим сужение
тогда , (если на большой доминированна, то на маленькой и тем более)
(мы ее так опред)
Покажем, что на всякой сигма-алгебре F
Для этого надо показать, что
(известно, что )
тогда по теореме Радона-Никодимаполучаем (единст-ть):
на F
возвращаясь к началу, мы получаем
не зависит от
доказали в одну сторону
Обратное утверждение:
Пусть
т.е.
Пусть , тогда
г)Покажем, что
, т.е
- не зависит от Т- дост. статистика
Рассмотрим
В силу единственности условного мат.ожид
(доказали).
21.Примеры нахождения достаточных статистик.
По теореме факторизации
1.
a)Пусть Х1,…,Хn – выборка из нормального распределения N(a,)
данная мера - мера Лебега в Rn
Плотность совместного распределения
b) известно
2.Распределение Пуассона