Xreferat.com » Рефераты по математике » Распределение Пуассона. Аксиомы простейшего потока событий

Распределение Пуассона. Аксиомы простейшего потока событий

loading="lazy" src="http://xreferat.ru/image/54/1306474944_95.gif" alt="Распределение Пуассона. Аксиомы простейшего потока событий" width="101" height="50" align="BOTTOM" border="0" />. (1.2.3)

Часто вместо (1.2.3) используют уравнение

Распределение Пуассона. Аксиомы простейшего потока событий, Распределение Пуассона. Аксиомы простейшего потока событий (1.2.4)

Если плотность Распределение Пуассона. Аксиомы простейшего потока событий или вероятности Распределение Пуассона. Аксиомы простейшего потока событий зависят от Распределение Пуассона. Аксиомы простейшего потока событий параметров, то наиболее правдоподобную оценку системы параметров Распределение Пуассона. Аксиомы простейшего потока событий получают решением системы уравнений

Распределение Пуассона. Аксиомы простейшего потока событий (1.2.5)

или

Распределение Пуассона. Аксиомы простейшего потока событий. (1.2.6)

Наиболее правдоподобные оценки имеют некоторые замечательные свойства. При достаточно общих условиях они являются состоятельными и асимптотически нормально распределенными (однако не всегда несмещенными), имеют среди всех асимптотически нормально распределенных оценок наибольшую эффективность. Справедливо следующее положение: если вообще имеется эффективная оценка, то она получается методом наибольшего правдоподобия.

Пример 1.2.1 Оценить вероятность Распределение Пуассона. Аксиомы простейшего потока событий некоторого события Распределение Пуассона. Аксиомы простейшего потока событий. Пусть

Распределение Пуассона. Аксиомы простейшего потока событий

Решение. Распределение Пуассона. Аксиомы простейшего потока событий; Распределение Пуассона. Аксиомы простейшего потока событий. Пусть в Распределение Пуассона. Аксиомы простейшего потока событий независимых наблюдениях событие Распределение Пуассона. Аксиомы простейшего потока событий произошло Распределение Пуассона. Аксиомы простейшего потока событий раз, т.е. Распределение Пуассона. Аксиомы простейшего потока событий. Таким образом, имеем Распределение Пуассона. Аксиомы простейшего потока событий, Распределение Пуассона. Аксиомы простейшего потока событий. Отсюда следует, что Распределение Пуассона. Аксиомы простейшего потока событий. Следовательно, Распределение Пуассона. Аксиомы простейшего потока событий есть наиболее правдоподобная оценка параметра Распределение Пуассона. Аксиомы простейшего потока событий. Случайная величина k биномиально распределена, Распределение Пуассона. Аксиомы простейшего потока событий; Распределение Пуассона. Аксиомы простейшего потока событий Следовательно, Распределение Пуассона. Аксиомы простейшего потока событий — несмещенная оценка вероятности, асимптотически состоятельная и асимптотически нормальная.

Пример 1.2.2. Пусть случайная величина Распределение Пуассона. Аксиомы простейшего потока событий распределена по закону Пуассона с неизвестным параметром Распределение Пуассона. Аксиомы простейшего потока событий. Проведем выборку и получим значения Распределение Пуассона. Аксиомы простейшего потока событий( Распределение Пуассона. Аксиомы простейшего потока событий – целые числа). Пусть Распределение Пуассона. Аксиомы простейшего потока событий – набольшее из наблюдаемых в выборке чисел, Распределение Пуассона. Аксиомы простейшего потока событий – абсолютные частоты, с которыми числа Распределение Пуассона. Аксиомы простейшего потока событий появляются в выборке ; Распределение Пуассона. Аксиомы простейшего потока событий. Тогда согласно формуле (3.2) Распределение Пуассона. Аксиомы простейшего потока событий. Из соотношения получаем Распределение Пуассона. Аксиомы простейшего потока событий, откуда Распределение Пуассона. Аксиомы простейшего потока событий.

Величина Распределение Пуассона. Аксиомы простейшего потока событий есть, таким образом, правдоподобная оценка для Распределение Пуассона. Аксиомы простейшего потока событий и вместе с тем состоятельная, асимптотически нормально распределенная.

Пример 1.2.3. Пусть случайная величина Распределение Пуассона. Аксиомы простейшего потока событий распределена нормально с параметрами Распределение Пуассона. Аксиомы простейшего потока событий и Распределение Пуассона. Аксиомы простейшего потока событий. Их следует оценить исходя их выборки Распределение Пуассона. Аксиомы простейшего потока событий объема Распределение Пуассона. Аксиомы простейшего потока событий.

Решение. Функция правдоподобия

Распределение Пуассона. Аксиомы простейшего потока событий,

следовательно

Распределение Пуассона. Аксиомы простейшего потока событий.

Согласно (2.5), получаем следующие уравнения для определения Распределение Пуассона. Аксиомы простейшего потока событий и Распределение Пуассона. Аксиомы простейшего потока событий: Распределение Пуассона. Аксиомы простейшего потока событий; Распределение Пуассона. Аксиомы простейшего потока событий, откуда Распределение Пуассона. Аксиомы простейшего потока событий и Распределение Пуассона. Аксиомы простейшего потока событий. Следовательно, Распределение Пуассона. Аксиомы простейшего потока событий есть наиболее правдоподобная оценка параметров Распределение Пуассона. Аксиомы простейшего потока событий. Мы уже знаем, что Распределение Пуассона. Аксиомы простейшего потока событий не является несмещенной оценкой, а только асимптотически не смещена.


Точечные оценки


Одной из задач математической статистики явля­ется оценка неизвестных параметров выбранной параметриче­ской модели.

Очень часто в приложениях рассматривают параметриче­скую модель. В этом случае предполагают, что закон рас­пределения генеральной совокупности принадлежит множеству

Распределение Пуассона. Аксиомы простейшего потока событий , где вид функции распределения задан, а век­тор параметровРаспределение Пуассона. Аксиомы простейшего потока событийнеизвестен. Требуется найти оценку дляРаспределение Пуассона. Аксиомы простейшего потока событийили некоторой функции от него (например, ма­тематического ожидания, дисперсии) по случайной выборке Распределение Пуассона. Аксиомы простейшего потока событий из генеральной совокупности X.

Например, предположим, что масса X детали имеет нор­мальный закон распределения, но его параметрыРаспределение Пуассона. Аксиомы простейшего потока событий неизвестны. Нужно найти приближенное значение параметров по результатам наблюдений х, …, хп, полученным в экспери­менте (по реализации случайной выборки).

Как уже отмечалось , в математической статисти­ке существуют два вида оценок: точечные и интервальные. В этой главе будут рассмотрены точечные оценки, а интерваль­ным оценкам посвящена следующая глава.


1.3.1. Состоятельные, несмещенные и эффективные оценки


ПустьРаспределение Пуассона. Аксиомы простейшего потока событий— случайная выборка из генеральной совокупности X, функция распределенияРаспределение Пуассона. Аксиомы простейшего потока событийкоторой известна, аРаспределение Пуассона. Аксиомы простейшего потока событий— неизвестный параметр, т.е. рассматривается параметрическая модельРаспределение Пуассона. Аксиомы простейшего потока событий(для простоты изложения будем считать пока, чтоРаспределение Пуассона. Аксиомы простейшего потока событий— скаляр).

Требуется построить статистикуРаспределение Пуассона. Аксиомы простейшего потока событий, которую можно было бы принять в качестве точечной оценки параметраРаспределение Пуассона. Аксиомы простейшего потока событий.

Интуитивно ясно, что в качестве оценки параметраРаспределение Пуассона. Аксиомы простейшего потока событиймож­но использовать различные статистики. Например, в качестве точечной оценки дляРаспределение Пуассона. Аксиомы простейшего потока событийможно предложить такие статистики:

Распределение Пуассона. Аксиомы простейшего потока событий

Какую же из этих статистик предпочесть? В общем случае нужно дать ответ на вопрос: какими свойствами должна обла­дать статистикаРаспределение Пуассона. Аксиомы простейшего потока событий, чтобы она была в неко­тором смысле наилучшей оценкой параметра в? Рассмотрению требований к оценкам и методам их нахождения посвящена на­стоящая глава.

Заметим, что в дальнейшем, как правило, будем говорить об оценке параметраРаспределение Пуассона. Аксиомы простейшего потока событийпараметрической модели, хотя все ска­занное можно перенести и на функцию от в.

Определение 1.3.1.1 СтатистикуРаспределение Пуассона. Аксиомы простейшего потока событийназывают состоятельной оценкой параметраРаспределение Пуассона. Аксиомы простейшего потока событий, если с ростом объема выборки п она сходится по вероятности к оцениваемому пара­метру Распределение Пуассона. Аксиомы простейшего потока событий, т.е.Распределение Пуассона. Аксиомы простейшего потока событий

Иными словами, для состоятельной оценкиРаспределение Пуассона. Аксиомы простейшего потока событийотклонение ее отРаспределение Пуассона. Аксиомы простейшего потока событийна величину е и более становится маловероятным при большом объеме выборки. Это свойство оценки является очень важным, ибо несостоятельная оценка практически беспо­лезна. Однако следует отметить, что на практике приходится оценивать неизвестные параметры и при малых объемах вы­борки.

Естественным является то требование, при выполнении ко­торого оценка не дает систематической погрешности в сторону завышения (или занижения) истинного значения параметраРаспределение Пуассона. Аксиомы простейшего потока событий.

Определение 1.3.1.2. СтатистикуРаспределение Пуассона. Аксиомы простейшего потока событийназывают несмещенной оценкой параметраРаспределение Пуассона. Аксиомы простейшего потока событий, если ее математическое ожи­дание совпадает сРаспределение Пуассона. Аксиомы простейшего потока событий, т.е.Распределение Пуассона. Аксиомы простейшего потока событийдля любого фиксирован­испер.

Если оценка является смещенной (т.е. последнее равенство не имеет места), то величина смещенияРаспределение Пуассона. Аксиомы простейшего потока событий Как мы увидим далее, смещение оценки часто можно устра­нить, введя соответствующую поправку.

Говорят также, что оценкаРаспределение Пуассона. Аксиомы простейшего потока событийявляется асимптотически несмещенной, если приРаспределение Пуассона. Аксиомы простейшего потока событийона сходится по вероятности к своему математическому ожиданию, т.е. для любого

Распределение Пуассона. Аксиомы простейшего потока событий

Предположим, что имеются две несмещенные оценкиРаспределение Пуассона. Аксиомы простейшего потока событий и Распределение Пуассона. Аксиомы простейшего потока событийдля параметраРаспределение Пуассона. Аксиомы простейшего потока событий. Если дисперсииРаспределение Пуассона. Аксиомы простейшего потока событийудовлетворяют условию


Распределение Пуассона. Аксиомы простейшего потока событий (1.3.1)

для любого фиксированного пиРаспределение Пуассона. Аксиомы простейшего потока событий, то следует предпочесть оценкуРаспределение Пуассона. Аксиомы простейшего потока событий, поскольку разброс статистикиРаспределение Пуассона. Аксиомы простейшего потока событий относительно параметраРаспределение Пуассона. Аксиомы простейшего потока событийменьше, чем разброс статистикиРаспределение Пуассона. Аксиомы простейшего потока событийРаспределение Пуассона. Аксиомы простейшего потока событий

Определение 1.3.1.3. Если в некотором классе несмещенных оценок параметраРаспределение Пуассона. Аксиомы простейшего потока событий, имеющих конечную дисперсию, существу­ет такая оценкаРаспределение Пуассона. Аксиомы простейшего потока событий, что неравенство (2.1) выполняется для всех оценокРаспределение Пуассона. Аксиомы простейшего потока событийиз этого класса, то говорят, что оценка Распределение Пуассона. Аксиомы простейшего потока событий является эффективной в данном классе оценок.

оценивать неизвестные параметры и при малых объемах вы­борки.

Естественным является то требование, при выполнении ко­торого оценка не дает систематической погрешности в сторону завышения (или занижения) истинного значения параметраРаспределение Пуассона. Аксиомы простейшего потока событий.

Определение 1.3.1.4. СтатистикуРаспределение Пуассона. Аксиомы простейшего потока событийназывают несмещенной оценкой параметраРаспределение Пуассона. Аксиомы простейшего потока событий, если ее математическое ожи­дание совпадает сРаспределение Пуассона. Аксиомы простейшего потока событий, т.е.Распределение Пуассона. Аксиомы простейшего потока событийдля любого фиксирован­ниспер

Если оценка является смещенной (т.е. последнее равенство не имеет места), то величина смещенияРаспределение Пуассона. Аксиомы простейшего потока событий Как мы увидим далее, смещение оценки часто можно устра­нить, введя соответствующую поправку.

Говорят также, что оценкаРаспределение Пуассона. Аксиомы простейшего потока событийявляется асимптотически несмещенной, если приРаспределение Пуассона. Аксиомы простейшего потока событийона сходится по вероятности к своему математическому ожиданию, т.е. для любого

Распределение Пуассона. Аксиомы простейшего потока событий

Предположим, что имеются две несмещенные оценкиРаспределение Пуассона. Аксиомы простейшего потока событий и Распределение Пуассона. Аксиомы простейшего потока событийдля параметраРаспределение Пуассона. Аксиомы простейшего потока событий. Если диисперсии

удовлетворяют условию

Распределение Пуассона. Аксиомы простейшего потока событий (1.3.2)

для любого фиксированного пи

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.
Подробнее

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: