Добавил:

Studfiles2 Опубликованный материал нарушает ваши авторские права? Сообщите нам.

Вуз:

Уфимский Государственный Авиационный Технический Университет

Предмет:

Статистика

Файл:

Чернова Н.И. Лекции по математической статистике

.pdf

Скачиваний:

Добавлен:

02.05.2014

Размер:

1.29 Mб

Скачать

☆

<<< < Предыдущая 1 2 3 4 5 6 78 / 188 9 10 11 12 13 14 15 16 17 18 > Следующая >>>

Оглавление

JJ II

J I

На стр. ... из 179

Во весь экран

Уйти

Стр. 71

Упражнение. Проверить, что в качестве этой «выдающейся» из неравенства Рао — Крамера оценки можно брать, скажем, смещенную оценку X(n) или несмещенную оцен-

ку	n + 1	X(n) K0.
	n

4.4.Неравенство Рао — Крамера и эффективность оценок

Сформулируем очевидное следствие из неравенства Рао — Крамера.

Следствие 1. Если семейство распределений Fθ удовлетворяет условиям регулярности (R) и (RR), и оценка θ Kb(θ) такова, что в неравенстве Рао — Крамера достигается равенство:

Eθ (θ − θ)2 =	(1 + b0(θ))2	+ b2(θ)	или Dθ θ =	(1 + b0(θ))2	,
	nI(θ)			nI(θ)

то оценка θ эффективна в классе Kb(θ).

Оценку, для которой в неравенстве Рао — Крамера достигается равенство, иногда называют R-эффективной оценкой. Следствие 1 можно сформулировать так: если оценка R-эффективна, то она эффективна в соответствующем классе.

Пример 18. Для выборки X1, . . . , Xn из распределения Бернулли Bp несмещенная оценка p = X эффективна, так как для нее достигается равенство в неравенстве Рао — Крамера (см. [3], пример 13.20, с. 67).

Оглавление

JJ II

J I

На стр. ... из 179

Во весь экран

Уйти

Стр. 72

Пример 19. Пусть X1, . . . , Xn — выборка объема n из нормального распределе-

ния Na,σ2 , где a IR, σ > 0. Проверим, является ли оценка a = X K0 эффективной (см. также [3], пример 13.6, с. 64).

Найдем информацию Фишера относительно параметра a (считая, что имеется один неизвестный параметр — a).

f(a,σ2)(X1) = √2πσ2 exp −

12σ2

! ,

− a)2

(X1 − a)2

ln f(a,σ2)(X1) = − ln(2πσ2)1/2

−

2σ2

∂

(X1 − a)

ln f(a,σ2)(X1) =

σ2

∂a

∂

)

− a)2

I(a) = E(a,σ2)

ln f(a,σ2)(X1)

(a,σ

∂a

σ4

Итак, I(a) = 1/σ2. Найдем дисперсию оценки X.

= D(a,σ2)X1 = 1 .

σ4 σ2


	1			σ2
D(a,σ2)X =		D(a,σ2)X1	=			.
D(a,σ2)X =		D(a,σ2)X1	=			.
	n				n

Далее, сравнивая левую и правую части в неравенстве Рао — Крамера, получаем

равенство:	σ2
			1
D(a,σ2)X =		=		.

	n		nI(a)

То есть оценка a = X эффективна (обладает наименьшей дисперсией среди несмещенных оценок).

Оглавление

JJ II

J I

На стр. ... из 179

Во весь экран

Уйти

Стр. 73

Пример 20. Пусть X1, . . . , Xn — выборка объема n из нормального распреде-

ления N0,σ2 , где σ > 0. Проверим, является ли оценка σ2	1		n

	=		Xi2 = X2 K0
		n
эффективной.			=
			iP1

Упражнение. Получить эту оценку методом моментов и методом максимального правдоподобия.

Найдем информацию Фишера относительно параметра σ2.

fσ2 (X1) = √2πσ2

exp

− 2σ12

! ,

ln fσ2 (X1) = − ln(2π)1/2

ln σ2 −

−

2σ2

∂

ln fσ2 (X1) = −

∂σ2

2σ2

2σ4

2σ2 !

I(σ2) = Eσ2 ∂σ2 ln fσ2

(X1) = Eσ2

2σ14 −

∂

2 (X2

− σ2)2 =

2 X2.

4σ8

Осталось найти Dσ2 X21 = Eσ2 X41 − (Eσ2 X21)2 = Eσ2 X41 − σ4. Для тех, кто помнит некоторые формулы вероятности: величина ξ = X1/σ имеет стандартное нормальное

распределение, и для нее

E ξ2k = (2k − 1)!! = (2k − 1)(2k − 3) · . . . · 3 · 1,

Тогда X1 = ξ · σ и

EX41 = E ξ4 · σ4 = 3σ4.

Оглавление

JJ II

J I

На стр. ... из 179

Во весь экран

Уйти

Стр. 74

Те, кто не помнит, считаем заново:

Eσ2 X14 =

∞ y4

dy = 2σ4 ∞ y 4

1 e

−

d y =

2σ2

−

√2πσ

√2π

∞

= 2σ4

∞t4

√

e− 2

dt = −2σ4

√

∞t3 de− t2 = −2σ4

√

t3 e− t2

∞

− ∞e−

dt3 =

2π

= 2σ4

3 ∞t2 e− t2

dt = 3σ4

∞

t2 e− 2

dt = 3σ4

D ξ = 3σ4

√2π

0−∞

где ξ имеет стандартное нормальное распределение.

Итак, D

2 X2

= E

2 X4 − σ4

= 2σ4,

I(σ2) =

2 X2

2σ4 =

4σ8

2σ4

Найдем дисперсию оценки σ2 =

Xi2

Dσ2 X12

2σ4

Dσ2 X2 =

Dσ2

Оглавление

JJ II

J I

На стр. ... из 179

Во весь экран

Уйти

Стр. 75

Сравнивая левую и правую части в неравенстве Рао — Крамера, получаем равенство:

D			2σ4		1
	2 X2
		=		=		.

σ			n		nI(σ2)

Таким образом, оценка σ2 = X2 эффективна.

Упражнение. Пусть X1, . . . , Xn — выборка объема n из нормального распре-

деления Na,σ2 , где a известно, σ > 0. Проверить, является ли эффективной оценка

σ2 =	1	n (Xi − a)2 = (X − a)2. Принадлежит ли эта оценка классу K0? Какими

	n i=1

методами получена? Является ли состоятельной и асимптотически нормальной?

Пример 21. Пусть X1, . . . , Xn — выборка объема n из показательного распределения E1/α с параметром 1/α, где α > 0. Проверим, является ли оценка α = X K0 (оценка для параметра α!) эффективной.

Найдем информацию Фишера относительно параметра α

	∂	2
I(α) = Eα	∂	ln fα(X1) .

	∂α

Плотность данного показательного распределения имеет вид:

		1	e−	y
fα(y) =				α , если y > 0,
		α
				если y 6 0.
	0,

Оглавление

JJ II

J I

На стр. ... из 179

Во весь экран

Уйти

Стр. 76

Тогда

fα(X1) =

e−

ln fα(X1) = − ln α −

∂

ln fα(X1) = −

(X1 − α),

α2

∂α

α2

∂

Eα(X1 − α)2

I(α) = Eα

ln fα(X1)

∂p

α4

Итак, I(α) = 1/α2. Найдем дисперсию оценки

α2

DαX =

DαX1

Xα1 ,

=DαX1 = α2 = 1 . α4 α4 α2

Подставив дисперсию и информацию Фишера в неравенство Рао — Крамера, получаем равенство:

	α2		1
DαX =		=		.

	n		nI(α)

То есть оценка α = X — эффективная оценка параметра α.

Упражнение. Получить эту оценку методом моментов и методом максимального правдоподобия. Она действительно несмещенная? А еще какими свойствами обладает?

Упражнение. Проверьте, что для несмещенной оценки α = X1 равенство в неравенстве Рао — Крамера не достигается. Объясните, почему, исходя только из этого, нельзя сделать вывод о ее неэффективности в классе K0. Сделайте этот вывод на основании того, что оценки α = X и α = X1 принадлежат классу оценок с одинаковым смещением, и одна из них эффективна. Используйте теорему 5.

Оглавление

JJ II

J I

На стр. ... из 179

Во весь экран

Уйти

Стр. 77

Отсутствие равенства в неравенстве Рао — Крамера вовсе не означает неэффективность оценки. Приведем пример оценки, которая является эффективной, но для которой не достигается равенство в неравенстве Рао — Крамера. В эффективности оценки из этого примера мы хотели бы, но не сможем убедиться.

Пример 22. Пусть X1, . . . , Xn — выборка объема n из показательного распределения Eα с параметром α, где α > 0. Возьмем чуть поправленную оценку метода моментов

α =

n − 1

i=1

Убедимся,

что это — несмещенная оценка.PСогласно свойству устойчивости по

суммированию для Г-распределения, сумма

Xi случайных величин с распределением

= Г

имеет распределение Г

i=1

α,1

α,n

с плотностью

αn

yn−1 e−αy,

y > 0,

γα,n(y) =

Г(n)

y 6 0.

Напомним, что Г(n) = (n − 1)! Вычислим математическое ожидание

Eαα = Eα

n − 1

= (n − 1)

∞

1 αn

yn−1 e−αy dy =

y (n − 1)!

=	(n − 1)	·	α	·	∞(αy)n−2 e−αy d(αy) =	α	·	Г(n − 1) = α.
=	(n − 1)!		α		∞(αy)n−2 e−αy d(αy) =	(n − 2)!		Г(n − 1) = α.
	(n − 1)!				Z	(n − 2)!
					0

Оглавление

JJ II

J I

На стр. ... из 179

Во весь экран

Уйти

Стр. 78

Итак, оценка α принадлежит классу K0. Найдем информацию Фишера относительно параметра α:

fα(X1) = α e−αX1 , ln fα(X1) = ln α − αX1,				∂		ln fα(X1) =		1	− X1,
fα(X1) = α e−αX1 , ln fα(X1) = ln α − αX1,				∂α		ln fα(X1) =		α	− X1,
				∂α				α
	∂	2			1
I(α) = Eα	∂	ln fα(X1) = Eα(X1	− α)2 = DαX1	=	1		.

	∂p					α2

Итак, I(α) = 1/α2. Найдем второй момент и дисперсию оценки α .

Eα(α )2	= Eα	(n − 1)2
			= (n
		(PXi)2

=(n − 1)2 · α2 · ∞Z (αy)n−3 (n − 1)!

− 1)2

∞

αn

yn−1 e−αy dy =

(n − 1)!

e−αy d(αy) =

(n − 1)

· α2

· Г(n − 2) =

n − 1

α2.

(n − 2)!

n − 2

0
Тогда				α2
Dαα = Eα(α )2 − (Eαα )2 =	n − 1	α2 − α2	=		.
	n − 2
				n − 2

Подставив дисперсию и информацию Фишера в неравенство Рао — Крамера, получаем, что при любом n есть строгое неравенство:

Dαα		α2		α2		1
	=		>		=		.

	n − 2			n		nI(α)

Тем не менее, оценка α является эффективной, но доказывать мы это не будем.

Оглавление

JJ II

J I

На стр. ... из 179

Во весь экран

Уйти

Стр. 79

4.5.Наилучшие линейные несмещенные оценки

Вплане подготовки к курсу «Эконометрика» полезно заметить следующее: в практической статистике часто рассматривают оценки, являющиеся линейными (и по воз-

можности несмещенными) функциями от выборки, то есть оценки вида θ = Pn aiXi.

i=1

В классе таких оценок наилучшая в смысле среднеквадратического подхода оценка обычно находится и без неравенства Рао — Крамера (что особенно полезно для нере-

гулярных семейств) — достаточно минимизировать						ai2 при заданной			ai. Такую
оценку принято называть «наилучшей линейной					несмещенной оценкой», или, по ан-
оценку принято называть «наилучшей линейной					X				X
глийски, BLUE (“best linear unbiased estimate”).

Так, скажем, для распределения U0,θ оценка θ0 = 2X							является BLUE, так как
ее дисперсия	найти! или вспомнить пример 11			не больше		доказать!		дисперсии любой оценки
iP1		iP1
n		n
вида θ =	aiXi, где	ai = 2.	почему это гарантирует несмещенность?
=		=

Справедливости ради следует добавить (см. пример 11), что оценка θ0 = 2X, хоть и является BLUE, не может конкурировать в среднеквадратичном смысле с нелинейной

оценкой	^	n+1	X(n)	(которая является эффективной в классе несмещенных оценок,
	θ =	n

но этого мы доказывать не станем).

4.6. Вопросы и упражнения

1.Проверить эффективность ОМП для следующих распределений:

а) Bp, б) Пλ, в) Na,1, г) Bm,p (биномиальное), 0 < p < 1, при известном m.

2.Выполнить все упражнения, содержащиеся в тексте главы 4.

Оглавление

JJ II

J I

На стр. ... из 179

Во весь экран

Уйти

Стр. 80

5. Интервальное оценивание

Пусть, как обычно, имеется выборка X = (X1, . . . , Xn) из распределения Fθ с неизвестным параметром θ Θ IR. До сих пор мы занимались «точечным оцениванием» неизвестного параметра — находили число («оценку»), способную, в некотором смысле, заменить параметр.

Существует другой подход к оцениванию, при котором мы указываем интервал, накрывающий параметр с заданной наперед вероятностью. Такой подход называется «интервальным оцениванием». Сразу заметим: чем больше уверенность в том, что параметр лежит в интервале, тем шире интервал. Так что мечтать найти диапазон, в котором θ лежит с вероятностью 1, бессмысленно — это вся область Θ.

Определение 13. Пусть 0<ε<1. Интервал (θ−, θ+) = (θ−(X, ε), θ+(X, ε))

называется доверительным интервалом для параметра θ уровня доверия 1 − ε, если

для любого θ Θ

Pθ θ− < θ < θ+ > 1 − ε.

Определение 14. Пусть 0<ε<1. Интервал (θ−, θ+) = (θ−(X, ε), θ+(X, ε))

называется асимптотическим доверительным интервалом для параметра θ (асимптотического) уровня доверия 1 − ε, если для любого θ Θ

lim inf Pθ θ− < θ < θ+ > 1 − ε.

n→∞

<<< < Предыдущая 1 2 3 4 5 6 78 / 188 9 10 11 12 13 14 15 16 17 18 > Следующая >>>

Соседние файлы в предмете Статистика

#
02.05.2014741.89 Кб74Лабораторная работа.pdf
#
02.05.20141.75 Mб113Лекции по статистике [Фляжникова].DOC
#
02.05.20142.18 Mб126Лекции по статистике.doc
#
02.05.201472.19 Кб31Рабочая тетрадь №1.doc
#
02.05.2014635.39 Кб153Решенные задачи по статистике.doc
#
02.05.20141.29 Mб71Чернова Н.И. Лекции по математической статистике.pdf
#
02.05.2014731.65 Кб139Шпора по матстатистике.doc