10967

Интервалное оценивание

Лекция

Математика и математический анализ

Интервалное оценивание Ранее мы обсудили использование выборочных значений в качестве оценок параметров случайных величин. Однако такие процедуры дают только точечные оценки интересующих нас параметров и не позволяют судить о степени близости выборочных значений к о...

Русский

2013-04-03

150.45 KB

5 чел.

Интервалное оценивание

Ранее мы обсудили использование выборочных значений в качестве оценок параметров случайных величин. Однако такие процедуры дают только точечные оценки интересующих нас параметров и не позволяют судить о степени близости выборочных значений к оцениваемому параметру. Более предпочтительная процедура – построения интервала, который накрывает оцениваемый параметр с известной степенью достоверности. Такой подход называется "интервальным оцениванием". Сразу отметим следующее: чем больше уверенность в том, что оцениваемый параметр лежит в интервале, тем шире интервал. Так что искать интервал, накрывающий параметр с вероятностью равной единице, бессмысленно. Это вся область т.е. .

Пусть для параметра получена несмещённая оценка . Мы хотим оценить возможную при этом ошибку. Назначим некоторую достаточно большую вероятность (например: ), такую, что событие с вероятностью можно считать практически достоверным и найдем такое значение , для которого выполняется соотношение

(4.1)

Тогда диапазон практически возможных значений ошибки, возникающий при замене на , будет равен . Ошибки большие по абсолютной величине будут появляться с малой вероятностью . Запишем (4.1) в другом виде:

(4.2)

Т.е. с вероятностью неизвестное значение параметра попадает в интервал

(4.3)

Ранее (в теории вероятностей) мы рассматривали вероятность попадания случайной величины  на некоторый интервал. У нас же не случайная величина, а интервал – случаен, т.е. здесь корректно говорить о вероятности накрыть точку .

Вероятность принято называть доверительной вероятностью, а интервал  доверительным интервалом.

Перейдем к вопросу о нахождении доверительных границ и параметра , имеющего несмещенную оценку . Если бы нам был известен закон распределения величины , то из выражения (4.1) нахождение при заданной не представляло бы затруднений. Однако, как правило, мы не знаем закон распределения случайной величины .

Пусть теперь распределение случайной величины   отлично от нормального. Применяя центральную предельную теорему,  получаем следующий результат.

С увеличением объема выборки выборочное распределение выборочного среднего стремится к нормальному распределению независимо от вида распределения исходной случайной величины.

Практически во многих случаях выборочное можно считать нормальным уже при , а при приближение будет очень хорошим.

В качестве примера рассмотрим задачу о доверительном интервале математического ожидания: Пусть произведено независимых опытов над случайной величины с неизвестными . Для этих параметров выберем оценки:

(4.4)

Необходимо построить доверительный интервал , соответствующий доверительной вероятности :

(4 .5)

Интервальная оценка математического ожидания
при известной дисперсии

Пусть СВ имеет гауссово распределение с параметрами
, причём неизвестно, а значение известно. Тогда эффективной оценкой параметра будет .

При этом имеет нормальное распределение .

Статистика (оценка) СВ имеет распределение , независимо от параметра и как функция непрерывна и монотонна. Вспомним, что . Тогда, с учетом (4.2) запишем:

.

(4.6)

Здесь и   квантили стандартного нормального распределения , обладающие свойством: . Поставив  в явном виде в (4.6) получим:

(4.7)

Запишем это неравенство относительно :

(4.8)

Квантили стандартного нормального распределения определяются по таблицам, тогда окончательно получим:

(4.9)

Искомый доверительный интервал математического ожидания нормально распределенной СВ с известной дисперсией равен:

(4.10)

На рис.4.1. представлена плотность распределения стандартного нормального распределения с отмеченными квантилями.

Рис. 4.1. Гауссово (нормальное) распределение
(
)

Интервальная оценка математического ожидания
при неизвестной дисперсии

На практике почти всегда генеральная дисперсия , (как и оцениваемое математическое ожидание ) неизвестна. Итак, имеется нормально распределенная СВ , с неизвестными параметрами и . По случайной выборке найдем несмещённые, эффективные оценки: . Построение интервальной оценки основано на статистике:

(4.11)

Вспомним, что , и подставим в (4.11):

(4.12)

Числитель выражения (4.12), как было показано выше, имеет стандартное нормальное распределение . Показано, что величина имеет распределение с степенями свободы. А статистика имеет распределение Стьюдента с степенями свободы. Распределение Стьюдента не зависит от неизвестных параметров распределения случайной величины , а зависит лишь от числа , называемого числом степеней свободы.

Следует отметить, что распределение Стьюдента напоминает нормальное распределение, и при сколь угодно близко приближается к нему.

Число степеней свободы определяется как общее число наблюдений (вариантов) случайной величины минус число уравнений , связывающих эти наблюдения, т.е. .

Так, например, для распределения  статистики число степеней свободы , т.к. одна степень свободы "теряется" при определении выборочного среднего ( наблюдений связаны одним уравнением).

Таким образом, по аналогии с (4.6) запишем:

.

(4.13)

(4.14)

(4.15)

На рис.4.2. представлена плотность распределения Стьюдента с пятнадцатью степенями свободы.

Доверительный интервал математического ожидания нормально распределенной СВ с неизвестной дисперсией равен:

(4.16)

Рис. 4.2. Распределение Стьюдента ()

 


 

А также другие работы, которые могут Вас заинтересовать

25947. Большое распространение в зарубежной и отечественной практике получили также висячие тонколистовые системы - мембранные покрытия 76.5 KB
  В некоторых случаях вместо сплошной мембраны покрытие образуется из отдельных не соединяемых друг с другом тонких стальных лент. Сплошное мембранное покрытие успешно применено для универсального стадиона на проспекте Мира в Москве размеры в плане которого достигают 183x224 м рис.
25949. Сводчатые покрытия проектируются, как правило, из сборных железобетонных элементов для прямоугольных в плане однопролетных или многопролетных зданий 35.5 KB
  По продольным краям вдоль образующей своды могут опираться на колонны стены или непосредственно на фундаменты.1 Своды с затяжками Рисунок 7.2 Своды без затяжек 7. Своды призматического полигонального очертания состоят из прямолинейных участков вписанных в дугу указанных выше кривых.
25950. Городские транспортные сооружения 34 KB
  Путепроводы и эстакады можно отнести ко второй группе сооружений. Эстакады применяют в следующих случаях: на пересечениях двух и более транспортных магистралей для увеличения пропускной способности улиц для пропуска скоростных автомагистралей над городской застройкой независимо от сложившейся сети улиц на подходах к большим мостам вместо высоких насыпей на подходах к местам скопления большого числа автомобилей вокзалам аэродромам гостиницам стадионам для уширения набережных и организации движения вдоль рек на косогорах болотах и...
25951. Стоянка для автомобилей (далее автостоянка) - здание, сооружение или специальная открытая площадка, предназначенные только для хранения (стоянки) автомобилей 32.5 KB
  Механизированная автостоянка автостоянка в которой транспортировка автомобилей в места ячейки хранения осуществляется специальными механизированными устройствами без участия водителей.5 Автостоянки закрытого типа для автомобилей с двигателями работающими на сжатом природном газе и сжиженном нефтяном газе встраивать в здания иного назначения и пристраивать к ним а также располагать ниже уровня земли не допускается.7 Хранение автомобилей для перевозки горючесмазочных материалов следует как правило предусматривать на открытых...