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

Распределение Пуассона. Аксиомы простейшего потока событий

src="http://xreferat.ru/image/54/1306474966_177.png" alt="Распределение Пуассона. Аксиомы простейшего потока событий" width="57" height="27" align="BOTTOM" border="0" />, то следует предпочесть оценкуРаспределение Пуассона. Аксиомы простейшего потока событий, поскольку разброс статистикиРаспределение Пуассона. Аксиомы простейшего потока событийотносительно параметраРаспределение Пуассона. Аксиомы простейшего потока событийменьше, чем разброс статистикиРаспределение Пуассона. Аксиомы простейшего потока событийРаспределение Пуассона. Аксиомы простейшего потока событий

Определение. 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 (3.2) 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.

Иными словами, дисперсия эффективной оценки параметра в некотором классе является минимальной среди дисперсий всех оценок из рассматриваемого класса несмещенных оценок.

Замечание 1.3.1.1. Эффективную оценку в классе всех несме­щенных оценок будем называть эффективной оценкой, не добавляя слов „в классе несмещенных оценок".

Замечание 1.3.1.2. В литературе по математической ста­тистике при рассмотрении параметрических моделей вместо термина «эффективная оценка» классе всех несмещенных оце­нок используют и другие: «несмещенная оценка с минимальной дисперсией», «оптимальная оценка». Теорема 1.3.1. Оценка

Распределение Пуассона. Аксиомы простейшего потока событий

(выборочное среднее) математического ожидания

Распределение Пуассона. Аксиомы простейшего потока событий

генеральной совокупности X с конечной дисперсией является несмещенной, состоятельной и эффективной в классе всех ли­нейных оценок, т.е. оценок вида

где Распределение Пуассона. Аксиомы простейшего потока событий, для произвольнойРаспределение Пуассона. Аксиомы простейшего потока событийпараметрической модели.

Напомним, что элементы Распределение Пуассона. Аксиомы простейшего потока событийслучайной выборки

Распределение Пуассона. Аксиомы простейшего потока событий являются независимыми случайными величинами и распре­деленными так же, как и сама генеральная совокупность X. Следовательно,Распределение Пуассона. Аксиомы простейшего потока событий


1.4 Критерии согласия


Пусть (X1,..,Xn) - выборка с неизвестным законом распределения F(X). Рассмотрим гипотезы Н0: F(x)=F0(x) при конкурирующей Н1: F(x)№F0(x). F0(x)- некоторая заданная функция распределения.

Задача проверки гипотез относительно законов распределения называется задачей проверки согласия, а критерий для этой задачи - –ритерием согласия.

Рассмотрим критерий согласия c2, или критерий Пирсона.

Разобьем ось х на т интервалов Распределение Пуассона. Аксиомы простейшего потока событий Если истинная функция распределения F(x) совпадает с F0(x), то при больших n

Распределение Пуассона. Аксиомы простейшего потока событий

Рассмотрим случайную величину (ni - –лучайное)

Распределение Пуассона. Аксиомы простейшего потока событий

при Распределение Пуассона. Аксиомы простейшего потока событий она стремится к c2 - –аспределению случайной величины с т-е-1 степенями свободы (е- число статистических параметров).

Решающее правило для уровня значимости a:

Распределение Пуассона. Аксиомы простейшего потока событий

При построении c2n должно выполняться условие niі10, в противном случае объединяют интервалы.

В случае применения гипотезы Н0 говорят, что различие между F(x) и F0(x) является случайным с доверительной вероятностью 1-a и обусловлено конечностью выборки.


1.5 Теорема Чебышева


Неравенство Чебышева. Для любой случайной величины Х, имеющей математическое ожидание МХ и дисперсию DX, справедливо неравенство

Распределение Пуассона. Аксиомы простейшего потока событий

где a — любое положительное число.

Доказательство. Доказательство проведём сначала для непрерывной случайной величины Х с плотностью распределения f(x).

Обозначим через А событие, состоящее в том, что случайная точка Х попадает за пределы участка (MX-a; MX+a), то есть

А: {|X-MX|іa}


a a

Распределение Пуассона. Аксиомы простейшего потока событийРаспределение Пуассона. Аксиомы простейшего потока событийРаспределение Пуассона. Аксиомы простейшего потока событийРаспределение Пуассона. Аксиомы простейшего потока событийРаспределение Пуассона. Аксиомы простейшего потока событийРаспределение Пуассона. Аксиомы простейшего потока событийРаспределение Пуассона. Аксиомы простейшего потока событийРаспределение Пуассона. Аксиомы простейшего потока событийРаспределение Пуассона. Аксиомы простейшего потока событийРаспределение Пуассона. Аксиомы простейшего потока событийРаспределение Пуассона. Аксиомы простейшего потока событийРаспределение Пуассона. Аксиомы простейшего потока событий

Распределение Пуассона. Аксиомы простейшего потока событий

MX -a MX MX+a


Вероятность попадания Х в этот участок равна

Распределение Пуассона. Аксиомы простейшего потока событий

Найдём дисперсию случайной величины Х

Распределение Пуассона. Аксиомы простейшего потока событий

Распределение Пуассона. Аксиомы простейшего потока событий

Распределение Пуассона. Аксиомы простейшего потока событий

Совершенно аналогично доказывается неравенство Чебышева и для дискретной случайной величины, имеющей значения x1, x2, ... с вероятностями p1, p2, ... Тогда вместо интеграла во всех формулах ставится знак суммы, где суммирование ведётся по тем xi , для которых

|xi-MX|іa,

что и требовалось доказать.


Определение. Пусть имеется последовательность чисел

x1, x2, ... , xn , ...

Говорят, что эта последовательность сходится по вероятности к неслучайной величине а, если при неограниченном увеличении п вероятность события

{|Хп-а|< e},

(где e>0 - произвольное малое фиксированное число) стремится к единице, то есть

Распределение Пуассона. Аксиомы простейшего потока событий

Иными словами, каковы бы ни были произвольно малые наперёд заданные числа e>0 и d>0 всегда существует N, такое, что при n>N

P{|Xn-a|<e}>1-d

Первая теорема Чебышева (Закон больших чисел). Пусть имеется случайная величина Х с медианой МХ и дисперсией DX. Над этой случайной величиной Х производится п независимых опытов, в результате которых она принимает значения Х1, Х2, ... , Хп (п “экземпляров” случайной величины Х). Пусть

Распределение Пуассона. Аксиомы простейшего потока событий

Тогда последовательность Распределение Пуассона. Аксиомы простейшего потока событий сходится по вероятности к MX: Распределение Пуассона. Аксиомы простейшего потока событий


Доказательство. Найдём MYn и DYn :

Распределение Пуассона. Аксиомы простейшего потока событий

Применим к случайной величине Yn неравенство Чебышева, в котором положим a равным e, где e>0 — сколь угодно малое, наперёд заданное число.

Распределение Пуассона. Аксиомы простейшего потока событий

Как бы ни было мало e, всегда можно выбрать n таким большим, чтобы правая часть последнего неравенства стала меньше сколь угодно малого положительного числа d; следовательно, при достаточно большом п

P{|Yn-MX|іe}<d

ЮP{|Yn-MX|<e}>1-d,

а это равносильно сходимости по вероятности Yn к MX

Распределение Пуассона. Аксиомы простейшего потока событий

Замечание 1.5.1. Первую теорему Чебышева можно записать и иначе, если положить Zn:=Yn-MX

Распределение Пуассона. Аксиомы простейшего потока событий

Замечание 1.5.2. Первая теорема Чебышева относится к случаю, когда случайные величины Х1, Х2, ... , Хп независимы и имеют одно и то же распределение, а значит одно и то же MX и DX.

Рассмотрим случай, когда условия производимых опытов меняются.


Вторая теорема Чебышева. Пусть имеется случайная величина Х. Над ней производятся независимые опыты, в результате чего мы получаем последовательность

Х1, Х2, ..., Хn, ...

с различными, в общем случае, MХi и DXi (i=Распределение Пуассона. Аксиомы простейшего потока событий). Пусть

Распределение Пуассона. Аксиомы простейшего потока событий

Если DXiЈD i=1, 2, ... , где D - некоторое положительное число, то

Распределение Пуассона. Аксиомы простейшего потока событий


Доказательство.

Распределение Пуассона. Аксиомы простейшего потока событий (1.5.1)

Согласно неравенства Чебышева

Распределение Пуассона. Аксиомы простейшего потока событий

или, учитывая (1.5.1), имеем

Распределение Пуассона. Аксиомы простейшего потока событий

Как бы ни было мало произвольное наперёд заданное e, всегда можно выбрать n таким большим, чтобы правая часть последнего неравенства стала меньше произвольно малого d. Следовательно

Распределение Пуассона. Аксиомы простейшего потока событий,

что и требовалось доказать.

Замечание 1.5.3. При формулировке второй теоремы Чебышева нельзя говорить, что

Распределение Пуассона. Аксиомы простейшего потока событий

так как Распределение Пуассона. Аксиомы простейшего потока событий зависят от n, а понятие “сходимость по вероятности” определено нами только для постоянной а, не зависящей от n.


1.6 Понятие доверительного интервала

Будем считать, что независимая выборка взята из распределения, зависящего от скалярного параметра . Будем обозначать через распределение вероятностей, соответствующее значению неизвестного параметра.

Определение 1.6.1  

-доверительным интервалом называется интервал вида     где такой, что

Число называют доверительной вероятностью.

Другими словами, доверительный интервал обладает тем свойством, что, во-первых, его границы вычисляются исключительно по выборке (и, следовательно, не зависят от неизвестного параметра), и, во-вторых, он накрывает неизвестный параметр с вероятностью .

Значение доверительной вероятности выбирается заранее, этот выбор определяется конкретными практическими приложениями.
Смысл величины -- вероятность допустимой ошибки. Часто берут значения и т.п.

Ниже мы приводим один из методов построения доверительных интервалов. Он состоит из трех этапов.

Выбираем функцию , зависящую от выборки и от неизвестного параметра, такую, что ее функция распределения

не зависит от неизвестного параметра .

Выбираем два числа и таким образом, чтобы . Подбираем и , удовлетворяющие условиям

(6.1)


Таким образом,

(6.2)


причем и не зависят от .

Решим двойное неравенство относительно . В том случае, когда его решением является интервал, обозначим его левый и правый концы через и соответственно. Естественно, они зависят от выборки: , . В силу (6.2)

Следовательно, -- искомый -доверительный интервал.

Замечание 1.6.1  

Описанная процедура, разумеется, не является универсальной. Во-первых, вопрос о выборе функции  решается в каждом конкретном случае и по этому поводу нет общих рекомендаций. Во-вторых, совершенно не гарантировано, что решением неравенства в п. 3 будет интервал конечной длины. Вместе с тем, во многих важных случаях изложенный выше метод приводит к хорошим доверительным интервалам. Например, оправдано применение такого метода в случае, когда при каждой фиксированной выборке функция является строго монотонной и непрерывной по переменной .

Замечание 1.6.2  

В силу неоднозначности выбора функции и чисел  и  , можно заключить, что -доверительный интервал неединственен.


1.7 Сравнение средних


Теперь рассмотрим случай, когда обе совокупности подчиняются нормальному распределению, но проверка гипотез о равенстве двух генеральных дисперсий закончилась отвержением гипотезы равенства. Такую задачу сравнения двух генеральных средних при неравных генеральных дисперсиях принято называть проблемой Беренса-Фишера (по имени учёного У. Беренса опубликовавшего первую работу на эту тему в 1929 г.). В этом случае вместо одной общей генеральной дисперсии мы имеем дело с двумя неравными генеральными дисперсиями:  σ12 ≠ σ22. Соответственно имеем и две выборочные дисперсии  s12 и s22. Тогда искомая t-статистика будет вычисляться по следующему выражению [1.7.1]:

             (1.7.1)

Введём обозначения: θ= σ12 / σ22  , u = s12 / s22 и N= n1/ n2 .   В этом случае выражение (1.7.1) можно переписать в следующем виде [(1.7.1)]:

 (1.7.2).

Основная сложность этого случая заключается в том, что  подкоренное выражение в знаменателе не имеет Хи-квадрат распределение, и потому статистика t не имеет распределения Стьюдента. В 40-60-е годы 20 века Бокс, Уэлч, Саттерзвайт, Кохрэн, Боно, Шеффе и многие другие статистики провели детальный анализ этой проблемы. Так в 1938 г. Уэлч исследовал приближённое распределение статистики (1.7.1) и показал, что при  равных объёмах выборок n1 =  n2 незнание величины θ= σ12 / σ22  не очень сильно влияет на итоговый результат. Однако для случая неравных объёмов выборок ошибки становятся весьма значительными. Другие подходы позволяли аппроксимировать статистику (1.7.2) распределение Стьюдента с дробными степенями свободы.

1.8 Метод минимума X2.

Метод минимума X2 применим лишь и случае группированного непрерывною рас­пределения или дискретного распределения. Оценки, получаемые этим методом, при больших п асимптотически эквивалентны оценкам, полу­ченным с помощью более простого видоизмененного метода миниму­ма X2, выражаемого уравнениями

Распределение Пуассона. Аксиомы простейшего потока событий (1.8.1)

или

Распределение Пуассона. Аксиомы простейшего потока событий (1.8.2)

в рассматриваемых случаях последний метод совладает с методом максимума правдоподобия.

Основная теорема о предельном распределении X2 для случая, когда некоторые параметры оцениваются по выборке что оценки находятся с помощью видоизмененного метода минимума X2. Однако там же было указано, что имеется целый класс методов нахождения оценок, приводящих к тому же самому пре­дельному распределению для X2. Теперь мы докажем это утверждение.

Асимптотические выражения для оценок, получаемых с помощью видоизмененного метода минимума X2 были приведены в явной форме

Распределение Пуассона. Аксиомы простейшего потока событий (1.8.3)

для общего случая у неизвестных параметров а1,...,аг. Предположим, что выполнены условия 1)—3) предыдущего параграфа или аналогичные условия для дискретного распределения. Тогда из предыдущего параграфа следует, что оценки (1.8.3)асимптотически нормальны (это уже было показано в параграфе 30.3) и асимптотически эффективны.

Во всех множествах асимптотически нормальных и асимптотически эффективных оценок для параметров имеются члены порядка n-1/2 та­кие же, как и в (1.8.3). Однако из вывода предельного распреде­ления для у2 следует, что это предельное распределение полностью определяется членами порядка n-1/2 в (1.8.3). Действительно, по формулам Распределение Пуассона. Аксиомы простейшего потока событий и

Распределение Пуассона. Аксиомы простейшего потока событий

получаем Распределение Пуассона. Аксиомы простейшего потока событий и показывает,что предельное распределение для .у = (Распределение Пуассона. Аксиомы простейшего потока событий, .... Распределение Пуассона. Аксиомы простейшего потока событий) определяется именно указанными членами.

Таким образом, теорема о предельном распреде­лении величины X2 справедлива для любого множества асимптоти­чески нормальных и асимптотически-эффективных оценок пара­метров.


1.9  Распределение Пуассона. Аксиомы простейшего потока событий

Говорят, что случайная величина Х имеет распределение Пуассона, если её возможные значения 0, 1, 2, ... , т, ... (бесконечное, но чёткое множество значений), а соответствующие вероятности выражаются формулой:

Распределение Пуассона. Аксиомы простейшего потока событий

Распределение Пуассона. Аксиомы простейшего потока событий


x 0 1 … k …

P

e-l le-l …

Распределение Пуассона. Аксиомы простейшего потока событий

…

Число l называется параметром распределения.

Простейший поток событий – такая последовательность событий, происходящих в случайный момент времени.

Поток событий называется пуассоновским, если он удовлетворяет аксиомам простейшего потока событий:

При таких допущениях с большой степенью точности выполняются следующие условия:

Отсутствие последействия: вероятность того, что на произвольном временном промежутке (с точки зрения длины и расположения на временной оси) не зависит от того, что происходило в момент времени, предшествующему этому моменту.

Однородность потока: Вероятность того, что на некотором временном промежутке произойдет 0,1,2,…,n событий зависит только от его длины и не зависит от положення этого отрезка на временной оси.

Пусть Dt - длина временного промежутка, тогда: Распределение Пуассона. Аксиомы простейшего потока событий (Dt)=l Dt+o(Dt), Dt®0.

Распределение Пуассона. Аксиомы простейшего потока событий (Dt)=1-l Dt+o(Dt), Dt®0.

Математическое ожидание распределения Пуассона равно:


MРаспределение Пуассона. Аксиомы простейшего потока событий=Распределение Пуассона. Аксиомы простейшего потока событий

2 ПРАКТИЧЕСКАЯ ЧАСТЬ


Вариант 23


Задача 1


На отрезок единичной длины Распределение Пуассона. Аксиомы простейшего потока событий наугад ставится точка. Вычислить вероятность того, что расстояние от точки до концов отрезка превышает величину Распределение Пуассона. Аксиомы простейшего потока событий.

Решить задачу при Распределение Пуассона. Аксиомы простейшего потока событий, Распределение Пуассона. Аксиомы простейшего потока событий.

Решение:

Пусть дан отрезок Распределение Пуассона. Аксиомы простейшего потока событийдлины Распределение Пуассона. Аксиомы простейшего потока событий(Рис. 2.1). Расстояние от точки Распределение Пуассона. Аксиомы простейшего потока событий до концов отрезка превышает величину Распределение Пуассона. Аксиомы простейшего потока событий в том случае, если Распределение Пуассона. Аксиомы простейшего потока событий, где Распределение Пуассона. Аксиомы простейшего потока событий, Распределение Пуассона. Аксиомы простейшего потока событий

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: