- •Вариационный ряд
- •Распределение выборки
- •Несмещенные оценки дисперсии
- •Замечание
- •Состоятельность
- •Теорема Бореля
- •Замечание
- •Теорема Гливенко - Кантелли
- •Замечание
- •Гистограмма
- •Построение гистограммы
- •Замечание
- •Эффективность
- •Замечание
- •Метод моментов Пирсона
- •Достаточное условие состоятельности оценки, найденной по методу Пирсона
- •Метод максимального правдоподобия Фишера
- •Ди для математического ожидания (генеральной средней) µ при известной дисперсии σ2
- •Пример простой статистической гипотезы
- •Пример сложной статистической гипотезы
- •Замечание
- •Замечание
- •Минимаксный критерий
- •Критерий Бейеса
- •Регрессионный анализ
- •Замечание
- •Задачи регрессионного анализа
- •Аддитивная модель регрессии
- •Замечание
- •Уравнение множественной линейной регрессии
- •Проверка значимости уравнения множественной линейной регрессии
- •Несмещенная точечная оценка остаточной дисперсии
Замечание
Доказано, что в классе всех возможных оценок, не совпадающих тождественно (т.е. для любого ) с неизвестным параметром θ, оценки, наилучшей в смысле среднеквадратического подхода, не существует.
Эффективность
Несмещенная точечная оценка параметра θ называется эффективной, если она имеет наименьшую дисперсию среди всех возможных несмещенных оценок данного параметра, вычисленных по выборкам одного и того же объема n.
Замечание
Сравнение произвольных несмещенных оценок θ*, θ** параметра θ "в среднеквадратичном" сводится к сопоставлению дисперсий данных оценок, так как в этом случае θ=Мθ*=Мθ**, следовательно, определяющее неравенство эквивалентно соотношению Dθ*≤Dθ**. Поэтому эффективная оценка является наилучшей при сравнении в смысле среднеквадратического подхода.
В классе несмещенных точечных оценок параметра θ существует его эффективная оценка. Если θ*, θ** — эффективные оценки этого параметра, то с вероятностью, равной единице, они совпадают: .
Метод моментов К.Пирсона определения точечных оценок неизвестных параметров распределения.
Метод моментов Пирсона
Для всякой случайной величины, закон распределения вероятностей которой полностью обусловливается некоторым параметром θ=(θ1, θ2,…, θq), любой (начальный или центральный) теоретический момент произвольного порядка, согласно соответствующей формулировке, функционально зависит от компонент θ1, θ2,…, θq этого параметра.
Точечная оценка неизвестного векторного параметра θ по методу К. Пирсона осуществляется с помощью q теоретических моментов различных порядков, выбираемых в зависимости от постановки задачи (начальных, либо центральных, возможно, тех и других одновременно).
В качестве точечной оценки параметра θ=(θ1, θ2,…, θq) принимается такой вектор , при котором каждый из используемых теоретических моментов совпадает с соответствующим выборочным моментом, вычисленным по имеющимся эмпирическим данным x1, x2,…, xn.
Таким образом, для нахождения искомых приближенных компонент строится система q уравнений вида
или
,
в которых x1, x2,…, xn рассматриваются как фиксированные величины.
В случае принципиальной разрешимости данной, вообще говоря, нелинейной системы уравнений относительно переменных результатом аналитического (или же численного) решения станут определяемые по выборке q функций (либо q конкретных чисел):
,
,
,
составляющих точечную оценку (или же реализацию точечной оценки) неизвестного векторного параметра по методу моментов.
Достаточное условие состоятельности оценки, найденной по методу Пирсона
Если полученные с помощью метода моментов функции непрерывно зависят от переменных x1, x2,…, xn, то точечная оценка параметра θ=(θ1, θ2,…, θq) состоятельная.
Пример
Пусть (x1, x2,…, xn) - выборка объема n из генеральной совокупности с распределением, подчиненным нормальному закону с неизвестными параметрами µ, σ.
Принимая во внимание теоретико-вероятностный смысл параметров нормального распределения, точечные оценки µ*, σ* находятся по первому начальному и второму центральному моментам:
,
.
Очевидно, что данная система уравнений может быть представлена следующим образом:
,
или
.
Метод максимального правдоподобия Р.Фишера нахождения точечных оценок неизвестных параметров распределения.