7239

Точечные оценки математического ожидания. Точечные оценки дисперсии. Точечная оценка вероятности события

Лабораторная работа

Математика и математический анализ

ТЕМА: Точечные оценки математического ожидания. Точечные оценки дисперсии. Точечная оценка вероятности события. Точечная оценка параметров равномерного распределения. п.1. Точечные оценки математического ожидания. Предположим, что функция распределе...

Русский

2013-01-20

537 KB

99 чел.

ТЕМА: Точечные оценки математического ожидания. Точечные оценки дисперсии. Точечная оценка вероятности события. Точечная оценка параметров равномерного распределения.

п.1. Точечные оценки математического ожидания.

Предположим, что функция распределения случайной величины ξ зависит от неизвестного параметра θ: P (ξ < x) =Fξ (x θ;).

Если x1, x2…., xn- выборка из генеральной совокупности случайной величиныξ, то оценкой параметра θ называется произвольная функция от выборочных значений

Значение оценки меняется от выборки к выборке и, значит, есть случайная величина. В большинстве экспериментов значение этой случайной величины близки к значению оцениваемого параметра, если для любого значения n математическое ожидание величины равно истинному значению параметра, то оценки , удовлетворяющие условию   называются несмещенными. Несмещенность оценки означает, что эта оценка не несет в себе систематической ошибки.

Оценка называется состоятельной оценкой параметра θ, если для любого ξ>0 справедливо

Таким образом, с ростом объема выборки увеличивается точность результата.

Пусть x1, x2xn – выборка из генеральной совокупности, соответствующей случайной величине ξ с неизвестным математическим ожиданием  и известной дисперсией Dξ=σ2. Построим несколько оценок неизвестного параметра. Если  , то , т.е. рассматриваемая оценка является несмещенной оценкой. Но, поскольку значение вообще не зависит от объема выборки n, то оценка    не является состоятельной.

Эффективной оценкой математического ожидания нормально распределенной случайной величины является оценка


Впредь для оценки неивестного математического ожидания случайной величины будем использовать выборочное среднее, т. е.


Существуют стандартные (регулярные) методы получения оценок неизвестных параметров распределения. Наиболее известные из них: метод моментов, метод максимального правдоподобия и метод наименьших квадратов.

п.2 Точечные оценки дисперсии.

Для дисперсии σ2 случайной величины ξ можно предложить следующую оценку:

где  — выборочное среднее.

Доказано, что эта оценка состоятельная, но смещенная.

 В качестве состоятельной несмещенной оценки дисперсии  используют величину

Именно несмещенностью оценки s2 объясняется ее более частое использование в качестве оценки величины Dξ.

Заметим, что Mathcad предлагает в качестве оценки дисперсии величину , а не s2: функция var(x) вычисляет величину

где mean (x) —выборочное среднее  .

ЗАДАНИЕ 6.5

Найдите состоятельные несмещенные оценки математического ожидания Μξ и дисперсии Dξ случайной величины ξ по приведенным в задании выборочным значениям .

Порядок выполнения задания

  1.  Прочитайте с диска файл, содержащий выборочные значения, или введите заданную выборку с клавиатуры.
  2.  Вычислите точечные оценки Μξ и Dξ.

Пример выполнения задания

Найдите состоятельные несмещенные оценки математического ожидания Μξ и дисперсии Dξ случайной величины ξ по выборочным значениям, заданным следующей таблицей.

x

904.3

910.2

916.6

928.8

935.0

941.2

947.4

953.6

959.8

966.0

972.2

978.4

n

1

3

1

1

1

1

2

1

1

1

2

1

Для выборки, заданной таблицей такого типа (приведено выборочное значение и число, указывающее, сколько раз это значение встречается в выборке),  формулы для состоятельных несмещенных оценок математического ожидания и дисперсии имеют вид:

,      ,        

где k — количество значений в таблице; ni — количество значений xi в выборке; n — объем выборки.

Фрагмент рабочего документа Mathcad с вычислениями точечных оценок приведен ниже.

Из приведенных вычислений видно, что смещенная оценка дает заниженное значение оценки дисперсии.

п.3. Точечная оценка вероятности события

Предположим, что в некотором эксперименте событие А (благоприятный исход испытания) происходит с вероятностью p и не происходит с вероятностью q = 1 — р. Задача состоит в получении оценки  неизвестного параметра распределения p по результатам серии n случайных экспериментов. При заданном числе испытаний n количество благоприятных исходов m в серии испытаний — случайная величина, имеющая распределение Бернулли. Обозначим ее буквой μ.

Если событие А в серии из n независимых испытаний произошло

m раз, то оценку  величины p предлагается вычислять по формуле

.

Выясним свойства предлагаемой оценки. Поскольку случайная величина μ имеет распределение Бернулли, то Μμ=np и M = M  = р, т.е. налицо несмещенная оценка.

Для испытаний Бернулли справедлива теорема Бернулли, согласно которой, т.е. оценка p состоятельная.

Доказано, что эта оценка эффективна, так как обладает при прочих равных условиях минимальной дисперсией.

В Mathcad для моделирования выборки значений случайной величины, имеющей распределение Бернулли, предназначена функция rbinom(fc,η,ρ), которая формирует вектор из к случайных чисел, και ждое из которых равно числу успехов в серии из η независимых испытаний с вероятностью успеха ρ в каждом.

ЗАДАНИЕ 6.6

Смоделируйте несколько выборок значений случайной величины, имеющей распределение Бернулли с заданным значением параметра р. Вычислите для каждой выборки оценку параметра p и сравните с заданным значением. Представьте результаты вычислений графически.

Порядок выполнения задания

1. Используя функцию rbinom(1, n, p), опишите и сформируйте последовательность значений случайной величины, имеющей распределение Бернулли с заданными p и n для n =  10, 20, ..., Ν, как функцию объема выборки п.

2. Вычислите для каждого значения n точечные оценки вероятности р.

Пример выполнения задания

Пример получения точечных оценок выборок объема n = 10, 20,..., 200 значений случайной величины μ, имеющей распределение Бернулли с параметром p = 0.3, приведен ниже.

Указание. Поскольку значением функции является вектор, число успехов в серии n независимых испытаний с вероятностью успеха p в каждом испытании содержится в первой компоненте вектора rbinom(1,n,p) , т.е. число успехов равно rbinom(1, n, p). В приведенном выше фрагменте k-я компонента вектора Ρ содержит число успехов в серии 10k независимых испытаний для k = 1,2,..., 200.

п. 4. Точечная оценка параметров равномерного распределения

Обратимся еще к одному поучительному примеру. Пусть — выборка из генеральной совокупности, соответствующей случайной величине ξ, имеющей равномерное распределение на отрезке [0, θ] с неизвестным параметром θ. Наша задача — оценить этот неизвестный параметр.

Рассмотрим один из возможных способов построения требуемой оценки. Если ξ — случайная величина, имеющая равномерное распределение на отрезке [0, θ], то Μ ξ = . Поскольку оценка величины  известна, Μξ =, то за оценку параметра θ можно взять оценку

Несмещенность оценки очевидна:

Вычислив дисперсию  и предел D при n →∞, убедимся в состоятельности оценки :

при n→∞

Для получения другой оценки параметра θ обратимся к другой статистике. Пусть = max). Найдем распределение случайной величины:

,

0.

Тогда математическое ожидание и дисперсия случайной величины

с распределением равны соответственно:

 ;  

т.е. оценка состоятельная, но смещенная. Однако если вместо = max) рассмотреть = max), то и , и, следовательно, оценка состоятельная и несмещенная.

При этом, поскольку

β0(ΐ)~η + 2

оценка

существенно эффективнее оценки

Например, при п= 97 разброс оценки θ^ в 33 рала меньше разброса оценки

Последний пример еще раз показывает, что выбор статистической оценки неизвестного параметра распределения — важная и нетривиальная задача.

В Mathcad для моделирования выборки значений случайной величины, имеющей равномерное распределение на отрезке [а, Ь], предназначена функция runif(fc,o,b), которая формирует вектор из к случайных чисел, каждое из которых — значение равномерно распределенной на отрезке [а, 6] случайной величины.

PAGE   \* MERGEFORMAT 1


 

А также другие работы, которые могут Вас заинтересовать

21824. Применение различных опалубок в монолитном домостроении 139 KB
  Щитовые опалубки Щитовые опалубки наиболее широко применяются в жилищном гражданском и промышленном строительстве. Для повышения производительности труда щиты опалубки можно предварительно собирать в крупноразмерные плоские опалубочные панели или в пространственные блоки которые устанавливаются и демонтируются с помощью кранов. Мелкощитовые опалубки отличаются высокой универсальностью их можно использовать для возведения самых различных конструкций фундаментов колонн стен балок перекрытий. Существенным недостатком мелкощитовых...
21826. Возведение зданий методом подъёма перекрытий 136 KB
  Этот метод очень эффективен в сейсмических районах благодаря применению цельных неразрезных плит перекрытий выполняющих роль горизонтальных диафрагм обеспечивающих поперечную жёсткость здания а также при необходимости строительства в стеснённых условиях исключающих применение кранов. 5 а 2 3 б 1 2 в 4 г ...
21827. ВОЗВЕДЕНИЕ ВЫСОТНЫХ ЗДАНИЙ 85 KB
  Конструктивно современные высотные здания являются каркасными это железобетонный стальной или комбинированный каркас с пространственным ядром жёсткости или с плоскими диафрагмамисвязями рис. В большинстве высотных зданий предусмотрено ядро жёсткости которое воспринимает горизонтальные нагрузки от примыкающих частей здания и обеспечивает устойчивость и пространственную жёсткость всего здания в процессе монтажа и эксплуатации. Ядра жёсткости обычно выполняют из железобетона хотя в металлических каркасах ядро может быть стальным....
21828. СТРОИТЕЛЬСТВО ДЕРЕВЯННЫХ ЗДАНИЙ 42 KB
  Технология производства строительномонтажных работ включает в себя следующие основные процессы: земляные работы под фундаменты; устройство фундаментов с гидроизоляцией; установка обвязочного бруса по периметру стен; укладка элементов пола 1 этажа по обвязочному брусу с утеплением и изоляционными слоями; устройство чёрного пола; монтаж стен и перегородок первого этажа; устройство проёмообразователей под окна и двери из пилёного леса перемычек и стоек ; окончательное проектное соединение элементов между собой; монтаж или устройство...
21829. МОНТАЖ БОЛЬШЕПРОЛЁТНЫХ КОНСТРУКЦИЙ 78.5 KB
  Конструктивно покрытия выполняются следующих типов рис.: Металлические фермы и балочные системы иногда предварительно напряжённые с затяжками; Арочные и купольные системы; Перекрёстностержневые системы типа структур; Железобетонные пространственные покрытия оболочки арки складки ; Висячие покрытия мембранные тонколистовые с жесткими нитями подвесные плоскостные и пространственные; Вантовые покрытия вантовые сетки вантовобалочные системы висячие оболочки вантовые фермы комбинированные системы; Пневматические...
21830. МОНТАЖ ВЫСОТНЫХ СООРУЖЕНИЙ – МАЧТ, БАШЕН, ТРУБ 51 KB
  МОНТАЖ ВЫСОТНЫХ СООРУЖЕНИЙ МАЧТ БАШЕН ТРУБ 15. При возведении высотных сооружений наиболее распространены следующие методы: наращивание конструкций в проектном положении поярусное возведение снизу вверх; монтаж поворотом предварительная сборка сооружения на земле в горизонтальном поолжении с последующим поворотом вокруг шарнира в вертикальное проектное положение; подращивание конструкции сборка в вертикальном положении начиная с самых верхних секций их подъём подведение под них последующих секций их общий подъём до...
21831. ВОЗВЕДЕНИЕ МЕТАЛЛИЧЕСКИХ РЕЗЕРВУАРОВ 37.5 KB
  Днище и корпус устраивают из цельносварных рулонированных на заводе полотнищ. Изготавливают рулонные заготовки на специальных двухярусных стендахконвейерах имеющих посты раскроя; сборки и прихватки листов; сварки с одной стороны; сварки с другой стороны; испытания и рулонирования. Готовую заготовку сворачивают в рулон на центральную стойку покрытия или шахтную лестницу и закрепляют от самопроизвольного разворачивания специальными планками на сварке. Готовые к отправке рулоны имеют габариты: высота 3м; длина 12 или 18м; вес 21 или 47т.
21832. СТРОИТЕЛЬСТВО АВТОМОБИЛЬНЫХ ДОРОГ 282 KB
  Профили автомобильной дороги: А Поперечный профиль; Б продольный профиль; 1 разделительная полоса 2 дорожная одежда 3 укрепительная полоса 4 обочина 5 основание под дорожную одежду 6 тело насыпи 7 уклоны поперечный и продольный 8 кювет 9 зона сосредоточенного ведения работ 10 естественный профиль местности. Ознакомимся с терминологией характеризующей основные конструктивные элементы автомобильных дорог: поперечный профиль поперечное сечение автодороги характеризующее составляющие конструктивные...