Professional Documents
Culture Documents
{
m
1 x (1 )+ x( n) x +x ,n парне
¿
X́ = ∑ x i ,θ ( X́ n ) =
n i=1 2
( )
; θ́ ( x́ n )= 2 ( n2 ) ( n2 +1) (13.2.1)
x n +1 , n−непарне
2
lim ¿ ¿ (13.2.2)
n→∞
або
→
θ^ n → ∞ P θ (13.2.3)
M ( θ^ ( X́ n) ) =θ (13.2.4)
Величина M θ−
^ θ^ називається зсувом (або систематичною похибкою оцінки θ ).
Очевидно, що θ^ є незсуненою оцінкою параметра θ тоді й тільки тоді, коли зсув
дорівнює нулю.
^
θ=θ+b+ ξ (13.2.5)
2
lim ¿ ¿ (13.2.6)
n→∞
~
Припустимо, що маємо дві незсунені оцінки θ^ ( x́ n ) , θ ( x´n )параметру θ. Якщо
~
дисперсії D θ^ ( X́ n ) і D θ ( X́ n )задовольняють умові:
~
D θ^ ( X́ n ) ≤ D θ ( X́ n ) (13.2.7)
то треба обрати оцінку θ^ ( X́ n ), так як розсіювання статистики θ^ ( X́ n ) біля параметру θ
~
менше, ніж у статистикиθ ( X́ n ).
Означення. Якщо в деякому класі незсунених оцінок параметра θ, що мають
скінченну дисперсію, існує така оцінка θ́ ( X́ n ), що нерівність (13.2.7) виконується для
~
всіх оцінок θ ( X́ n ) цього класу, то оцінка θ́ ( X́ n ) є ефективною в даному класі оцінок.
∂L
{
=2 α i + λ=0 , i=1´,n
∂αi
n
∂L
=∑ α i−1=0
∂ λ i =1
1
Розв’язуючи цю систему, знаходимо α 1 ,=α 2=α n= n .
Означення. Статистика
n
S ( X́ n) =
1
√ ∑ (X − X́ )2
n−1 i=1 i
(13.4.3)
n ^2
S2 ( X́ n ) = σ ( X́ n ) (13.4.4)
n−1
4
Нехай маємо вибірку X́ n=( X 1 , X 2 , … , X n ) із генеральної сукупності X́ зі щільністю
p X ( x , ϴ), де ϴ=¿ , … , ϴn ¿ невідомий вектор параметрів.
Треба знайти оцінку ϴ по виборці X́ n. Нехай для випадкової величини X існують
перші r моментів mk =MX k µk =M ( X− X́)k k=1 , r . Величини mk , µk є функціями невідомого
вектора параметрів ϴ , тобто mk =mk ( ϴ ) , µk =µk ( ϴ ) , k=1 , r .
Відомо, що вибіркові моменти :
^ k ( X n) і ^µk ( X n ) є конзистеційними оцінками відповідних теоретичних величин,
m
тому при великому об’єму вибірки, теоретичні моменти заміняють їх статистичними
аналогами.
^ k =mk ( ϴ ) , k=1 , r
m (13.5.1)
або
{
f (x,λ,α)¿ Г ( α )
e ,∧x >0
0 ,∧x ≤ 0
)
λ, α – невідомі параметри.
Г(α) = ∫ t α −1 e−t dt
0
Г ( α + 1 )=α Г (α )
2 2 2 α +(α +1) α 2 α
DХ = MX −(MX ) =m2−m1= = 2= 2
λ2 λ λ
Нехай X n=( X 1 , … , X n ) – вибірка із генеральної сукупності X. По вибірці знаходимо
n n
^ 1 ( X n )= X= 1 ∑ X i , ϴ
m ^2 ( X́ ) = 1
n ∑ ( X ¿¿ i−X )2 ¿
n i=1 n i=1
MX= X
Згідно з методом моментів : DX =σ^2 (X )
n
{
5
α
{ λ
=m
α ^2
λ2
^1
=σ
X X 2
Звідки λ= ^2 , α =
σ σ ( )
Оцінками невідомих параметрів будуть
X X 2
^λ ( X n )=
δ^2( X n )
; α^ ( X n )= ( σ^ ( X n ) )
Приклад: Нехай випадкова величина X розподілена за законом Пуассона з
невідомим параметром λ .
λ k −λ
P ( X=k )= e , k=0,1,2 , …
k!
Методом моментів, оцінити параметр λ.
{ 2
= X́
(b−a)2 ^2
12
=σ ( Xn)
Звідки a^ ( X n )= X−√ 3 σ^ ( X n ) , b^ ( X n )= X+ √ 3 σ^ ( X n )
6
Якщо функція L(X n , ϴ) диференційована, як функція аргумента θ , то максимум
L(X n , ϴ) досягається в точці, яка задовольняє рівнянню
∂ L( X n ,ϴ) ∂ ln L( X n ,ϴ)
=0 або =0 (13.6.3)
∂ϴ ∂ϴ
А максимум L(X n , θ) (коли θ=(θ1 , … , θn) )
∂ L( X n ,θ)
∂ θk
=0 , k =1 ,r (13.6.4)
Рівняння (13.6.3) або (13.6.4) називаються рівняннями правдоподібності.
Для найбільш важливих сімейств розподілів p(x,θ) рівняння правдоподібності
мають єдине рішення.
Приклад: Нехай випадкова величина X – час роботи прибору до відказу, яка
підкоряється експоненціальному розподілу з невідомим параметром λ. Оцінити його
методом максимальної правдоподібності.
Розв’язання: Відомо, що
−λx
p X ( x )= λe , x ≥ 0
{0 , x <0
Функція правдоподібності має вигляд n
n −λ ∑ X i
−λ X i n
L ( X 1 , … , X n , λ )=∏ λe =λ e i=1
i=1
n
lnL ( X 1 , … , X n , λ ) =nlnλ−λ ∑ X i
i=1
{ ∂θ 1 θ22 ∑
=
∂ lnL −n 1
∂θ 2
=
i=1
( X i−θ 1 )=0
n
+ 3 ∑ (X i−θ 1)2=0
θ2 θ2 i=1
Розв’язуючи систему, отримаємо:
n n
1 1
θ^1= ∑ X i= X , θ^2= ∑ ( X i− X)2= σ^2 ( x n)
n i=1 n i=1
7
Контрольні запитання
1. Постановка задачі оцінки невідомих параметрів генеральної сукупності.
2. Що називають точковою оцінкою невідомих параметрів?
3. Яку точкову оцінку називають незсуненою, асимптотично незсуненою?
4. Яку точкову оцінку називають конзистеційною?
5. Яка точкова оцінка є незсуненою, конзистеційною і ефективною в класі
лінійних оцінок для математичного сподівання?
6. Яка точкова оцінка для дисперсії генеральної сукупності є: а) зсуненою; б)
незсуненою? Чи є ці оцінки конзистеційними?
7. Опишіть метод моментів оцінки невідомих параметрів (ММ)
8. Опишіть метод максимальної правдоподібності (МП) оцінки невідомих
параметрів. Запишіть функцію максимальної правдоподібності. Запишіть
рівняння максимальної правдоподібності
ni 40 32 28 24 20 18 16 12 8
8
Визначити точкові незсунені статистичні оцінки для МX i DX,σ .
10.Маємо такі дані про розміри основних фондів (у млн грн.) на 30-ти випадково
вибраних підприємствах: 4,2; 2,4; 4,9; 6,7; 4,5; 2,7; 3,9; 2,1; 5,8; 4,0; 2,8; 7,8;
4,4; 6,6; 2,0; 6,2; 7,0; 8,1; 0,7,; 6,8; 9,4; 7,6; 6,3; 8,8; 6,5; 1,4; 4,6; 2,0; 7,2; 9,1.
Побудувати інтервальний статистичний розподіл із довжиною кроку h=2 млн
грн. Знайти точкові незсунені статистичні оцінки для МX, DX, σ .
11.Дана вибірка: 3,7; 6,2; 5,2; 5,7; 6,2; 6,4; 4,7; 4,2; 6,7; 7,2; 5,2; 6,2; 4,7; 7,2; 5,2;
4,7; 5,7; 5,2; 4,7; 5,2; 5,7.
Знайти точкові незсунені статистичні оцінки для МX, DX, σ .
12.Дана вибірка: 40,25; 40,28; 40,31; 40,31; 40,31; 40,25; 40,34; 40,37; 40,40;
40,43; 40,45; 40,46; 40,25; 40,28; 40,31; 40,31; 40,31; 40,25; 40,34; 40,37; 40,40;
40,43; 40,45; 40,46.
Знайти точкові незсунені статистичні оцінки для МX, DX, σ .
14.
9
Частоти 8 14 40 20 6 4
15.
11
Границі 9-12 12-15 15-18 18-21 21-24 24-27
інтервалі
в
Частоти 1 4 11 4 4 1
24.
12