Практичне заняття №6

Розв’язання практичних задач на знаходження точкових оцінок

параметрів генеральної сукупності

План заняття
1.Статистичне оцінювання генеральної сукупності.
2.Статистичні оцінки параметрів генеральної сукупності.
3. Приклади точкової оцінки параметрів генеральної сукупності.
4. Методи знаходження точкових оцінок параметрів генеральної
сукупності. Приклади.

Вивчення генеральної сукупності вибірковим методом проводяться

тільки на основі вибірки. Точність і надійність статистичних висновків
здійснюється не по відношенню до даної конкретної вибірки х1, х2, …, хn ,
яка є однією з реалізацій багатомірної випадкової величини Х1, Х2,…,Хn, а
до всіх наборів вибірок багатомірної випадкової величини.
Всі задачі математичної статистики можна розділити на дві великі
групи: параметричні і непараметричні. В теорії ймовірності описуються
ймовірнісні моделі, які містять параметри. До цих моделей відносяться:
біноміальний, нормальний, показників, рівномірний розподіли.
Далі будемо розглядати методи статистичного оцінювання параметрів
генеральної сукупності.

Означення. Статистичною оцінкою (оцінкою) невідомого параметру

називається функція багатомірної випадкової величини (Х1, Х2,…,Хn)
= *, яка статистично близька до справжнього значення.
Нехай х1, х2, …, хn – конкретна вибірка (реалізація) багатовимірної
величини Х1, Х2,…,Хn , компоненти якої мають однакову функцію
розподілу.
Означення. Статистична оцінка називається точковою, якщо вона
визначається числом (х1, х2, …, хn) , де х1, х2, …, хn конкретна вибірка
багатовимірної сукупності, компоненти якої розподілені за одним законом
розподілу..
 Найважливішими статистичними властивостями близькості точкової
оцінки до справжнього значення числового параметру є властивості
незсунення, слушності та ефективності.
Означення. Статистична оцінка називається незсуненою , якщо її
математичне сподівання як випадкової величини дорівнює справжному
значенню числового параметру
М = .
Означення. Статистична оцінка називається слушною, якщо вона при
вона прямує за ймовірністю до параметра, що оцінюється.
Означення. Статистична оцінка називається ефективною, якщо при
заданому об’ємі вибірки має найменшу можливу дисперсію.
Нехай х1, х2, …, хn – конкретна вибірка (реалізація) багатовимірної
величини Х1, Х2,…,Хn , компоненти якої мають однакову функцію
розподілу.
Означення. Статистична оцінка називається точковою, якщо вона
визначається числом (х1, х2, …, хn) , де х1, х2, …, хn конкретна вибірка.
Найчастіше параметрами, які необхідно оцінити, є: математичне
сподівання; дисперсія та середнє квадратичне відхилення.
Вибіркове середнє є незміщеною оцінкою математичного
сподівання М(Х) випадкової величини Х, яка представлена вибіркою х1, х2,
…, хn , об’ємом n
=
де хi – варіанта вибірки, ni - частота варіанти хi, k – кількість інтервалів
статистичного розподілу.
Вибіркова дисперсія є зміщеною оцінкою дисперсії випадкової
величини Х, яка представлена вибіркою х1, х2, …, хn , об’ємом n
.
де хi – варіанта вибірки, ni - частота варіанти хi, k – кількість інтервалів
статистичного розподілу.
Незсуненою оцінкою дисперсії генеральної сукупності є виправлена
дисперсія
 Незсуненою оцінкою генерального середнього квадратичного
відхилення є виправлене середнє квадратичне відхилення S, яке є коренем
квадратним із виправленої вибіркової дисперії

Приклад 1. Знайти вибіркову та виправлену дисперсії зі даним

розподілом частот вибірки об’ємом n=50.

Розв’язання. Знайдемо спочатку вибіркове середнє за формулою

за формулою

обчислюємо дисперсію

Далі обчислюємо виправлену дисперсію

 Приклад 2. З генеральної сукупності випробувань зроблено розподіл
частот вибірки

Дати статистичну оцінку вибіркового середнього, вибіркової

дисперсії, середнє квадратичного відхилення генеральної сукупності.
Розв’язання. Об’єм вибірки n=16+12+8+14=50.

Виправлена вибіркова дисперсія дорівнює

Виправлене середнє квадратичне відхилення дорівнює

Відповідь. Значеннями незміщених оцінок вибіркового середнього та

вибіркової дисперсії є числа
5,76 ; S2 = 2,95 ; S = 1,72.

Приклад 3. За даними вибірки об'єму n=21 знайдено вибіркову

дисперсію Dв=5. Знайти відповідне значення незміщеної оцінки вибіркової
дисперсії генеральної вибірки.
Розв’язання. Значенням виправленої оцінки вибіркової дисперсії
генеральної вибірки є виправлена дисперсія
 Приклад 4. У результаті статистичних досліджень випадкової вели-
чини X отримано таку вибірку: 47, 45, 46, 46, 45, 47, 44, 46, 45, 45, 46, 46,
44, 46, 48, 46, 46, 45, 46, 44, 46, 45, 47, 46, 46, 47, 46, 46, 48, 44, 46, 45, 46,
45, 46, 44, 47, 46, 46, 45, 47, 48, 44, 46, 46, 45, 46, 47, 45.
Знайти відповідне значення незміщеної оцінки вибіркового
середнього та вибіркової дисперсії.
Розв’язання. Знайдемо об’єм вибірки: n = 50. Побудуємо
статистичний розподіл частот вибірки

Контроль: n=6+11+23+7+3=50.
Незміщеною оцінкою вибіркового середнього є вибіркове середнє

Знаходимо вибіркову дисперсію

Знаходимо незміщену оцінку вибіркової дисперсії (виправлену

вибіркову дисперсію)

Відповідь. Значеннями незміщених оцінок вибіркового середнього та

вибіркової дисперсії є числа

Методи знаходження точкових оцінок параметрів

генеральної сукупності

Метод моментів
Якщо розподіл визначається одним параметром — математичним
сподіванням, то точковою оцінкою цього математичного сподівання
є вибіркове середнє
 Якщо розподіл визначається двома параметрами — математичним
сподіванням та дисперсією, то їх точковими оцінками є відповідно вибір-
кове середнє та вибіркова дисперсія:

Приклад 5. Випадкова величина X (кількість бракованих деталей у

партії товару) розподілена за законом Пуассона з параметром λ. У
результаті статистичних досліджень отримано статистичний розподіл
кількості бракованих деталей у n = 1000 партіях товару.

Знайти методом моментів точкову оцінку невідомого параметра λ

k
розподілу Пуассона. p(k )  e , k  0,1,2,3,..6.
k
Розв’язання. Оскільки розподіл Пуассона залежить лише від
одного параметра λ, що дорівнює відповідному математичному
сподіванню, то вибіркове середнє

Метод максимальної правдоподібності

Метод найбільшої (максимальної) правдоподібності полягає в

знаходженні максимуму функції одного або кількох оцінюваних араметрів.
Припустимо, що X — дискретна випадкова величина з відомим типом
закону розподілу, однак невідомим є параметр θ, який визначає цей закон
розподілу. За даними вибірки x1, x2, …, xn, отриманої в результаті
спостережень над випадковою величиною X, необхідно знайти точкову
оцінку параметра θ.
Функцією правдоподібності дискретної випадкової величини
називають функцію аргументу θ
L( θ) = p (x1; θ) · p (x2; θ) · … · p (xn; θ),
де p (xi; θ) — імовірність (згідно з типом розподілу) того, що в результаті
випробування випадкова величина X набуває значення xi.
Оцінкою найбільшої або максимальної правдоподібності параме-
тра θ називають таке його значення θ*, при якому функція правдопо-
дібності досягає свого максимуму.

Приклад 6. Випадкова величина X (кількість приладів однієї упаковці,

що вийшло з ладу при транспортуванні автотранспортом) розподілено за
законом Пуассона з невідомим параметром λ. У результаті статистичних
досліджень отримано емпіричний розподіл кількості приладів, що вийшло
з ладу в n = 1000 упаковках.

Знайти методом найбільшої правдоподібності точкову оцінку

невідомого параметра λ розподілу Пуассона
k
p(k )  e , k  0,1,2,3,..6.
k
 Розв’язання. Оскільки випадкова величина X розподілена за законом
Пуассона, то функція правдоподібності має вигляд
554 324 98 19
  0    1      2     3  
L e   e   e   e  
 0!  
   1!   2!   3! 
3 1 1
  4     5     6  
 e   e   e  
 4!   5!   6! 
     
298  43
  554  
324 
  324    98   19 
319
 1 e   e e e e   3 
 1!  2! 3! 4!
 51  1 
61
 e e  1 
5! 6!
1
 1  e (5543249819311)  (32419657 1256) 
1!2!3!4!5!6!
1
 e1000  600 .
1!2!3!4!5!6!
Запишемо логарифмічну функцію правдоподібності

 1  1
ln L  ln  e1000   600    ln e 1000
 ln  600
 ln 
 1!2!3!4!5!6!  1!2!3!4!5!6!
1
 1000  600ln   ln .
1!2!3!4!5!6!
Визначимо похідну логарифмічної функції розподілу за змінною λ:

d ln L 1
 (1000 )  (600ln  )  (ln ) 
d 1!2!3!4!5!6!
1
 1000( )  600(ln  )  0  1000 1  600 .


Прирівнюємо похідну до нуля

 d ln L 1
 0  1000 1  600  0.
d 
Знайдемо корінь рівняння правдоподібності

1 600 6
1000 1  600  0  1000  600      0,6
 1000 10
 *  0,6.
Знаходимо знак другої похідної отриманій точці 0,6
d 2L 1 d 2L 1 1
 ( 1000  1  600 )  ( 1000)  600( )  0  600  ( );
d2  d2  2
d 2L 1 d 2L
   0.
d 2
 2
d 2

Оскільки друга похідна логарифмічної функції правдоподібності

завжди від’ємна

d 2L
0
d 2

Відповідь.Точковою оцінкою логарифмічної функції

правдоподібності (функції правдоподібності) параметра λ розподілу
Пуассона буде значення

λ*= 0,6

Приклад 7. Для вибірки х1, х2,…,хn методом найбільшої

правдоподібності знайти оцінку невідомого параметру  показникового
розподілу

Розв’язання. Складаємо функцію правдоподібності

Логарифмічна функція правдоподібності

ln L  ln( n )  ln e ( x1  x2 ... xn )  ln L  n ln    ( x1  x2  ...  xn ).
Визначимо похідну логарифмічної функції розподілу за змінною λ:
 dL dL n
  n ln       ( x1  x2  ...  xn )    1 ( x1  x2  ...  xn ).
d d 

Похідну цієї функції по  прирівнюємо до нуля

dL n
  ( x1  ...  xn )  0,
d 
n
 ( x1  ...  xn ),

( x1  ...  xn )
 xв ,
n

1 x1  x2  ...  xn 1
  xв    .
 n xв
1
Висновок. Точкова оцінка параметру  має вигляд *  .
хв

Завдання для самостйного виконання

Задача 1. Із генеральної сукупності отримано вибірку

Знайти значення незміщеної оцінки вибіркового середнього.

Відповідь. xв =0,067 .

Задача 2. Із генеральної сукупності отримано вибірку

Знайти значення незміщеної оцінки вибіркової дисперсії.

 Відповідь. SB = 3020.

Задача 3. За даними вибірки об’єму n = 51 знайдено вибіркову

дисперсію DB = 15.
Знайти значення незміщеної оцінки вибіркової дисперсії.
Відповідь. s2 = 15,3.

Задача 4. У результаті статистичних досліджень випадкової величини

X отримано вибірку: 0,01; 0,03; 0,02; 0,02; 0,03; 0,04; 0,01; 0,05; 0,04; 0,03;
0,03; 0,03; 0,02; 0,03; 0,01; 0,04; 0,03; 0,02; 0,05; 0,03; 0,03; 0,04; 0,02; 0,01;
0,03; 0,02; 0,03; 0,04; 0,02; 0,01; 0,03; 0,03; 0,03; 0,05; 0,04; 0,02; 0,02; 0,03;
0,03; 0,05; 0,03; 0,02; 0,03; 0,01; 0,03; 0,04; 0,02; 0,03; 0,03.
Знайти відповідне значення незміщених оцінок вибіркового
середнього та вибіркової дисперсії.
Відповідь.

Задача 5. Випадкова величина X (кількість бракованих одиниць

товару) розподілена за законом Пуассона з невідомим параметром λ.
У результаті статистичних досліджень отримано емпіричний розподіл
кількості браку в одиницях товару

Знайти методом найбільшої правдоподібності точкову оцінку

невідомого параметра λ розподілу Пуассона.
Відповідь. λ* = 2,433.

Запитання для самоперевірки

1. Як визначають статистичні оцінки числових характеристик?

2. Яка оцінка називаєтьсях незсуненою, ефективною, зміщеною?
3. Що є незміщеною оцінкою вибіркового математичного сподавання?
4. Що є зміщеною оцінкою вибіркової дисперсії?
5. Яка оцінка генеральної сукупності називається точковою?
6. Які види точкових оцінок вивчає статистика?
7. Яка оцінка для дисперсії має властивість спроможності і незсуненості?
8. В чому полягає метод моментів обчислення точкових оцінок?
9. В чому полягає метод найбільшої правдоподібності обчислення точкових
оцінок?