Xreferat.com » Рефераты по математике » Статистическое моделирование

Статистическое моделирование

всех прочих постоянных параметрах, приводит к расширению доверительного интервала.

Пример 24.2. Желая узнать, сколько часов в неделю дети проводят у телевизора, социологическая служба обследовала 100 учеников некого города, в результате чего оказалось, что в среднем это число равно Статистическое моделирование. Из прошлой практики известно, что стандартное отклонение (Статистическое моделирование) генеральной совокупности равно 6 (часов). Найдем доверительный интервал с доверительной вероятностью 0,95 для числа часов в неделю, проводимых ребенком у телевизора.

Поскольку b = 0,95, из табл. 24.1 находим Статистическое моделирование, и границы интервала доверия будут такими:

Статистическое моделирование,

интервал доверия имеет вид (26.32; 28.68).

Теперь поставим вопрос иначе: сколько детей надо обследовать с тем, чтобы среднее число часов в неделю, проводимых ребенком у телевизора, отклонилось от его оценки не более чем на 0,5 ч. с вероятностью 0,95?

В такой постановке речь идет о нахождении числа n таким, чтобы выполнялось равенство

Статистическое моделирование ,

откуда Статистическое моделирование или n = (2sZ0.475)2.

В условиях примера n = (2Ч6Ч1,96)2 @ 553.

Разумеется, при больших значениях n ширина доверительного интервала уменьшится.

Заметим, что по сравнению с первоначальной задачей ширина интервала уменьшилась в 1,18/0,5 = 2,36 раз, количество необходимых испытаний увеличилось в (2,36)2 = 5,57 раз ( 553 отличается в третьем знаке от 100 Ч 5,57).

Пример 24.3. Построение доверительного интервала для математического ожидания нормальной генеральной совокупности при неизвестной дисперсии.

Снова рассмотрим генеральную совокупность x, распределенную нормально с параметрами (q,s2), однако теперь считаем дисперсию s2 неизвестной.

Обозначим Статистическое моделирование стандартное выборочное квадратичное отклонение

Статистическое моделирование.

В курсах теории вероятностей доказывается, что случайная величина

Статистическое моделирование

подчиняется так называемому закону распределения Стьюдента с n - 1 степенью свободы и её плотность имеет вид

Статистическое моделирование,

где Кn некоторая нормирующая константа.

Созданы таблицы , дающие возможность вычислять вероятности вида

Статистическое моделирование

(см. прил. 4).

Ввиду вышесказанного, получаем равенства:

Статистическое моделирование,

из которых видно, что выбрав Z как корень уравнения

Статистическое моделирование

( обозначим этот корень Статистическое моделирование), приходим к доверительному интервалу для q вида

Статистическое моделирование.

Пример 24.4. Рассмотрим вопрос о построении доверительного интервала для неизвестного количества времени в течение недели, проводимого ребенком у экрана телевизора, сохранив все данные примера 24.2, считая теперь, что 6ч. есть оценка выборочного среднеквадратического отклонения, Статистическое моделирование.

По таблице распределения Стьюдента (см. приложение 4) находим Статистическое моделирование, границы интервала будут

Статистическое моделирование,

а сам интервал (25,92; 29,08).

Замечаем, что интервал стал шире, что объясняется уменьшением объема имеющейся информации из-за незнания ещё одного параметра генеральной совокупности.


6. Методы получения оценок


До сих пор мы считали, что оценка неизвестного параметра известна и занимались изучением ее свойств с целью использования их при построении доверительного интервала. В этом параграфе рассмотрим вопрос о способах построения оценок.

Методы правдоподобия

Пусть требуется оценить неизвестный параметр Статистическое моделирование, вообще говоря, векторный, Статистическое моделирование. При этом предполагается, что вид функции распределения известен с точностью до параметра Статистическое моделирование,

Статистическое моделирование.

В таком случае все моменты случайной величины x становятся функциями от Статистическое моделирование:

Статистическое моделирование.

Метод моментов требует выполнения следующих действий:

Вычисляем k «теоретических» моментов

Статистическое моделирование.

По выборке Статистическое моделирование строим k одноименных выборочных моментов. В излагаемом контексте это будут моменты

Статистическое моделирование

Приравнивая «теоретические» и одноименные им выборочные моменты, приходим к системе уравнений относительно компонент оцениваемого параметра

Статистическое моделирование(25.1)

Решая полученную систему (точно или приближенно), находим исходные оценки Статистическое моделирование. Они, конечно, являются функциями от выборочных значений Статистическое моделирование.

Мы изложили порядок действий, исходя из начальных - теоретических и выборочных - моментов. Он сохраняется при ином выборе моментов, начальных, центральных или абсолютных, который определяется удобством решения системы (25.1) или ей подобной.

Перейдем к рассмотрению примеров.

Пример 25.1. Пусть случайная величина x распределена равномерно на отрезке [ a ;b ] , где Статистическое моделирование - неизвестные параметры. По выборке (Статистическое моделирование) объема n из распределения случайной величины x. Требуется оценить a и b .

Решение.

В данном случае распределение определяется плотностью

Статистическое моделирование

1) Вычислим первые два начальных «теоретических» момента:

Статистическое моделирование

Статистическое моделирование

2) Вычислим по выборке два первых начальных выборочных момента

Статистическое моделирование

3) Составим систему уравнений

Статистическое моделирование

4) Из первого уравнения выразим a через b

Статистическое моделирование

и подставим во второе уравнение, в результате чего придём к квадратному уравнению

Статистическое моделирование

решая которое, находим два корня

Статистическое моделирование.

Соответствующие значения a таковы

Статистическое моделирование.

Поскольку по смыслу задачи должно выполнятся условие a < b , выбираем в качестве решения системы и оценок неизвестных параметров

Статистическое моделирование.

Замечая, что Статистическое моделированиеесть не что иное, как выборочная дисперсия Статистическое моделирование, получаем окончательно

Статистическое моделирование.

Если бы мы выбрали в качестве «теоретических» моментов математическое ожидание и дисперсию, Статистическое моделирование, то пришли бы к системе (с учетом неравенства a < b)

Статистическое моделирование

которая линейна и решается проще предыдущей. Ответ, конечно, совпадает с уже полученным.

Наконец, отметим, что наши системы всегда имеет решение и при том единственное. Полученные оценки, конечно, состоятельны, однако свойствам несмещенности не обладают.


7. Метод максимального правдоподобия


Изучается, как и прежде, случайная величина x, распределение которой задается либо вероятностями её значений Статистическое моделирование, если x дискретна, либо плотностью распределения Статистическое моделирование, если x непрерывна, где Статистическое моделирование- неизвестный векторный параметр. Пусть (Статистическое моделирование) - выборка значений x. Естественно в качестве оценки Статистическое моделирование взять то значение параметра, при котором вероятность получения уже имеющейся выборки максимальна.

Выражение

Статистическое моделирование

называют функцией правдоподобия, она представляет собой совместное распределение или совместную плотность случайного вектора с n независимыми координатами, каждая из которых имеет то же распределение (плотность), что и x.

В качестве оценки неизвестного параметра Статистическое моделирование берется такое его значение Статистическое моделирование, которое доставляет максимум функции Статистическое моделирование, рассматриваемой как функции от Статистическое моделирование при фиксированных значениях Статистическое моделирование. Оценку Статистическое моделирование называют оценкой максимального правдоподобия. Заметим, что Статистическое моделирование зависит от объема выборки n и выборочных значений Статистическое моделирование

Статистическое моделирование,

и, следовательно, сама является случайной величиной.

Отыскание точки максимума функции Статистическое моделированиепредставляет собой отдельную задачу, которая облегчается, если функция дифференцируема по параметру Статистическое моделирование.

В этом случае удобно вместо функции Статистическое моделированиерассматривать её логарифм, поскольку точки экстремума функции и её логарифма совпадают.

Методы дифференциального исчисления позволяют найти точки, подозрительные на экстремум, а затем выяснить, в какой из них достигается максимум.

С этой целью рассматриваем вначале систему уравнений

Статистическое моделирование(25.2)

решения которой Статистическое моделирование- точки, подозрительные на экстремум. Затем по известной методике, вычисляя значения вторых производных

Статистическое моделирование

по знаку определителя, составленного из этих значений, находим точку максимума.

Оценки, полученные по методу максимального правдоподобия, состоятельны, хотя могут оказаться смещенными.

Рассмотрим примеры.

Пример 25.2. Пусть производится некоторый случайный эксперимент, исходом которого может быть некоторое события А, вероятность Р(А) которого неизвестна и подлежит оцениванию.

Решение.

Введем случайную величину x равенством

Статистическое моделированиеесли событие А произошло,

если событие А не произошло (произошло событие Статистическое моделирование).

Распределение случайной величины x задается равенством

Статистическое моделирование

Выборкой в данном случае будет конечная последовательность (Статистическое моделирование), где каждое из Статистическое моделирование может быть равно 0 либо 1.

Функция правдоподобия будет иметь вид

Статистическое моделирование

Найдем точку её максимума по р, для чего вычислим производную логарифма

Статистическое моделирование

Обозначим Статистическое моделирование - это число равно количеству единиц «успехов» в выбранной последовательности.

Приравняем полученную производную к нулю

Статистическое моделирование

и решим полученное уравнение

Статистическое моделирование.

Поскольку производная Статистическое моделирование меняет знак с «+» на «-» при возрастании р от 0 до 1, точка Статистическое моделирование есть точка максимума функции L, а Статистическое моделирование - оценка максимального правдоподобия параметра р. Заметим, что отношение Статистическое моделирование есть частота появления события А в первых n испытаниях.

Поскольку m есть число «успехов» в последовательности n независимых испытаний ( в схеме Бернулли), то Статистическое моделирование, и Статистическое моделирование - несмещенная оценка. В силу закона больших чисел Бернулли Статистическое моделирование стремится по вероятности к р, и оценка состоятельна.

Пример 25.3. Построим оценки неизвестных математического ожидания и дисперсии нормально распределенной случайной величины x с параметрами Статистическое моделирование.

Р е ш е н и е.

В условиях примера случайная величина определяется плотностью распределения

Статистическое моделирование.

Сразу выпишем логарифм функции правдоподобия

Статистическое моделирование.

Составим систему уравнений для нахождения экстремальных точек

Статистическое моделирование

Из первого уравнения находим Статистическое моделирование, из второго, подставляя найденное значение a, находим Статистическое моделирование.

Вычислим вторые производные функции lnL в точке (Статистическое моделирование):

А = Статистическое моделирование,В = Статистическое моделирование,С = Статистическое моделирование.

Поскольку определитель

Статистическое моделирование,

а А < 0, то найденная точка в самом деле точка максимума функции правдоподобия.

Заметим, что оценка Статистическое моделирование есть выборочное среднее (несмещенная и состоятельная оценка математического ожидания), а Статистическое моделирование - выборочная дисперсия (смещенная оценка дисперсии).

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.

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: