2003_-_Gmurman__TV_i_MS
.pdfОстается найти q. с этой целью введем в рассмотрение
случайную величину «хи»:
х= (S/a) V n-1,
где n-объем выборки.
Как было указано [см. § 16, |
пояснение, |
соотношение |
||||
(***)] , величина SII (n-l )jall |
распределена |
по |
закону х'1. |
|||
с n -1 степенями свободы, |
поэтому |
квадратный корень |
||||
из нее обозначают через х. |
|
|
|
|
|
|
Плотность распределения |
Х имеет |
вид (см. |
пояснение |
|||
в конце параграфа) |
хn - 2е- '1.'/2 |
|
|
|
||
R ('1., n) = |
|
|
|
|||
2(n- |
8)/11 r |
(1) . |
|
|
||
|
n;- |
|
|
|
Это распределение не зависит от оцениваемого параметра а,
а зависит лишь от объема выборки n.
Преобразуем неравенство (*) так, чтобы оно приняло
вид '1.1 < '1. < '1.1. Вероятность этого неравенства (см. гл. XI,
§ 2) равна заданной вероятности У. т. е.
'1..
~ R ('1.. n) dx = у.
х.
Предполагая, что q < 1, перепишем неравенство (*) так:
1 |
1 |
1 |
=s(""'-+""""""'q)1 |
< а < s (1- q). |
|
Умножив все члены |
неравенства на S V n - 1. получим |
|
Уn-l < SYn - l < Yn - l |
||
l+q |
а |
l-q • |
или |
|
|
Yn - l |
<'1.< |
Уn-l |
l+q |
l-q • |
Вероятность того. что это неравенство, а следовательно,
и равносильное ему неравенство (*) будет осуществлено,
равна
v;:;:т1(1 - q)
~R (х, n) dX = у.
Yn=J/(I +q)
221
Из этого уравнения можно по заданным n и '\' найти q. Практически для отыскания q пользуются таблицей при
ложения 4. |
по выборке s и |
найдя по таблице q, полу |
|
Вычислив |
|||
чим |
искомый доверительный |
интервал (*), покрывающий |
|
|
u |
надежностью ,\" |
|
(J С |
заданнои |
т. е. интервал |
s (l-q) < (J < S (1 +q).
Пример 1. Количественный признак Х генеральной совокупности
распределен нормально. По выборке объема n = 25 найдено «нсправ·
ленное. среднее квадратическое отклснеlfие s = 0,8. Найти доверитель ный интервал, покрывающий генеральное среднее квадратичеСКО8
отклонение (1 с надежностью 0,95. |
4 по даиным 'v= 0,95 и |
|||||
Реш е н·и е. |
По таблице приложения |
|||||
n=25 найдем q=O,32. |
|
|
|
|
||
Искомый доверительный интервал (*) таков: |
|
|
||||
0,8 (1-0,32) < |
(1 < 0,8 (1 +0,32), или |
0,544 < а < |
1,056. |
|||
3 а м е ч а н и е. |
Выше |
прeдnолагалось, |
что |
q < 1. |
Еcnи q > 1. |
|
то иеравенство (.) |
примет |
вид (учитывая, что (1 |
> О) |
|
О < (1 < S (1 +q),
или (ПОCJIе преобразований, аналогнчных cnучаю q < 1)
Уn-l/(l +q) < Х < CIO.
Следоватenьно, значения q > 1 могут быть найдены из уравнения
ао
~ R (х, n) dx='V· yn::t/(I +q)
Практически для отыскаиия значений q > 1, соответствующих раэличным заданиым n и 1" пользуются таблицей приложения 4.
Пример 2. Количественный признак Х генеральной совокупности n = 10 найдено «исправ
ленное. среднее квадратическое отклонение s = 0,16.
тельный интервал, покрывающий генеральное среднее квадратическое
отклснение а с надежностью 0,999.
Реш е н и е. |
По |
таблице |
приложения |
4 по данным l'= 0,999 и |
||
n= 10 найдем q= 1.80 (q> 1). Искомый |
доверительный интервал |
|||||
таков: |
|
|
|
|
|
|
0< (1 |
< 0,16 (1+1,80), |
или |
0< (1 < 0,448. |
|||
П о я с н е н и е. |
Покажем, |
что |
плотность распределе |
|||
ния Х имеет вид (**). |
|
|
|
|
||
Если случайная величина |
Х |
распределена по закону |
||||
х' с k = n -1 |
степенями |
свободы, |
то ее плотность рас |
|||
пределения (см. гл. ХН, |
§ 13) |
|
|
f (х)- ''''''1е I |
-'(~')' • |
|
2 / |
r -2 |
222
или после подстановки k = n - l
х(n-3)!I е-Ж!I
f (х) = -----(n;--1)~.
2(n-l)/2г
Воспользуемся формулой (см. гл. XII, § 10) g (у) = f ['1' (у)] 1'1" (у) 1,
чтобы найти распределение функции X=q> (X)=VX (х>О).
Отсюда обратная функция
|
х = '1' (Х) = х2 |
и |
'Ф' (х) = 2х· |
|
|||
Так как х> О, то 1'1" (х) I= |
2х, |
следовательно, |
|||||
g (х) = |
f ['1' (х)].\ '1" (х)I= |
( |
2)(n- 1)/1 -'1.,1/1 |
||||
|
(Х |
>! |
(: -1) . 2х· |
||||
|
|
|
2 n-l 1 |
Г |
|
||
|
|
|
|
|
|
2 |
|
Выполнив элементарные преобразования и изменив |
|||||||
обозначения |
(g (х), заменим |
|
на |
|
R (х, |
n», |
окончательно |
ПOJlучим
§19. Оценка точности измерений
втеории ошибок принято точность измерений (точность прибора) характеризовать с помощью среднего
квадратического отклонения (J случайных ошибок изме
рений. Для оценки а используют «исправленноз» среднее
квадратическое отклонение s. Поскольку обычно резуль-
u
таты измерении взаимно неззвисимы, имеют одно и то же
математическое ожидание (истинное значение измеряемой
величины) и одинаковую дисперсию (в случае равноточ иых измерений), то теория, изложенная в предыдущем
параграфе, применима для оценки точности измерений.
Пример. По 15 равноточиым измерениям найдено «исправленное»
среднее |
квадратическое отклоненне |
s = О, 12. Найти |
точность измере |
|
ний с надежностью 0,99. |
|
|
|
|
Реш е н и е. Точность |
нзмереннй характернзуется средним квад |
|||
ратическим отклонением |
(1 случайных ошибок, поэтому задача сво |
|||
Дится К |
отысканию довеgнтельного |
интервала (*), |
покрывающего (1 |
|
с заданной надежностью |
,99 (см. § |
18). |
|
223
По таблице приложеиия 4 по у=О,99 и n= 15 иайдем q=О,7З.
Искомый доверительный интервал
0,12 (1-0,73) < (1 < 0,12 (1+0,73), или 0,03 < (1 < 0,21.
§ 20. Оценка вероятности (биномиального
распределения) по относительноА частоте
Пусть производятся независимые испытания
с неизвестной вероятностью р появления события А
в каждом испытании. Требуется оценить неизвестную вероятность р по относительной частоте, т. е. надо найти
ееточечную и интервальную оценки.
А. Точечная оценка. В качестве точечной оценки не
известной вероятности р принимают ОТНОСИТ2JIЬНУЮ частоту
W=m/n,
где т-число появлений события А; n-число испыта
ний *).
Эта оценка несмещенная, т. е. ее математическое ожи
дание равно оцениваемой вероятности. Действительно,
учитывая, что М (т) = пр (см. гл. VII, § 5), получим
М (W) = м [т/n] = М (т)/n = nр/n = р.
Найдем дисперсию оценки, приняв во внимание, что
D (т) = npq (см. гл. VII, § 6):
D (W) = D [т/n] = D (т)/nl = npq/n2 = pq/n.
СЛсюда среднее квадратическое отклонение.
0w= VD (W) = Vpq/n.
Б. Интервальная оценка. Найдем доверительный ин
тервал для оценки вероятности по относительной частоте. Напомним, что ранее (см. гл. XlI, § 6) была выведена
формула, позволяющая найти вероятность того, что аб
солютная величина отклонения не превысит положитель
ного числа б:
р (1 Х-а 1< б) = 2ф (б/а).
"') Напомним, что случайные величины обозиачают прописными,
а их возможные значения-строчными буквами. В различных опытах
число т 1I0Я8JIений события будет изменяться и поэтому Я8JIЯется случайной величиной М. Однако, поскольку через М уже обозначено
математическое ожидание, мы сохраним для случайного числа появ' леиий события обозначение т.
224
где Х - |
н о р м а л ь н а я случайная величина |
с |
математи |
|||
ческим ожиданием М (Х) = а. |
|
|
|
|
||
Если |
n |
достаточно велико |
и |
вероятность |
р |
не очень |
близка |
к |
нулю и к единице, |
то |
можно считать, что от |
носительная частота распределена приближенно иор
мально, причем, как показано в п. А, М (W) = р. Таким образом, заменив в соотношении (*) случайную
величину Х и ее математическое ожидание а соответ ственно случайной величиной W и ее математическим ожиданием р, получим приближенное (так как относи
тельная частота распределена приближенно нормально)
равенство
Р (\ W-p 1< б) = 2ф (б/<1w).
Приступим К построению доверительного интервала (Pl' PI)' который с надежностью у покрывает оцениваемый
параметр р, для чего используем рассуждения, с помощью
которых был построен доверительный интервал в гл. XVI, § 15. Потребуем, чтобы с надежностью увыполнялось соотношение (**):
р (\ W -р 1< 6) = 2ф (б/<1) = у.
Заменив <1w через V pq/n (см. п. А), получим
Р (1 W-p 1< 6) = 2Ф (6 Vn/ViЩ) = 2Ф (t) = у,
где t=БVn/Vрq.
Отсюда
6=tV pq/n
и, следовательно.
p(\W-рl < tV рq/n)=2ф(t)=у.
Таким образом, с надежностью у выполняется нера
венство (чтобы получить рабочую формулу. случайную величину W заменим неслучайной наблюдаемой относи тельной частотой w и подставим l-p вместо q):
\ ш-р I < t V р (l-p)/n.
Учитывая, что вероятность р неизвестна. решим это
неравенство относительно р. Допустим, что w > р. Тогда
ш-р < t V р (l-p)/n.
152730 |
225 |
обе части неравенства положительны; возведя их в квад
рат, получим равносильное квадратное неравенство от носительно р:
r<t1jn) + 1)Jp'-2[w+<t'Jn)Jр+w1 < О.
Дискриминант трехчлена ПOJIожительный. поэтому его
корни действительные и различные:
меньший корень |
|
|
|
(/ )1] |
|
n [ |
18 |
,/w(l-w) |
+ |
||
Рl==/*+n |
w+2ti- t |
r |
n |
2ii • |
|
больший корень |
|
|
|
|
|
P'=/2~n[W+::+t |
|
интервал Рl < Р < Р•• |
|||
Итак, искомый доверительиый |
|||||
где Pl и Р. находят по формулам (***) и (****). |
|||||
При Bывоеe мы предположили, |
что w |
> р; тот же ре |
|||
зультат получим |
при w < р. |
|
|
|
|
Пример. ПРОИЗВОДЯТ независимые испытания с одииаковой, но
иеизвестиой вероятностью Р появления события А в каждом испыта·
иии. Найти доверительиый интервал для оценки вероятности Р с на
дежностью 0,95, если в 80 испытаниях событие А появилось 16 раз.
Реш е н и е. По |
УСЛОВJlЮ, |
n = 80, |
т = 16, ,\,=0,95. Найдем от· |
||||||
носнтельную частоту появления события А: |
|
|
|
|
|||||
|
|
ш=m/n = 16/80=0,2. |
|
|
|
|
|||
Найдем / из соотиошеиия Ф (/)=,\,/2=0,95/2=0,475: по таблице |
|||||||||
функции Лапласа (см. |
приложение 2) находим t = 1,96. |
|
|
||||||
Подставив n=80. ш=0,2, |
t= 1,96 в формулы (.........) и |
(..........), |
|||||||
ПOlJучим соответственно Pl=O,J28, Ps=O,299. |
|
< Р < 0,299. |
|
||||||
Итак, искомый довернтenьиый иитервал 0,128 |
|
||||||||
3 а м е ч а н и е |
1. |
При больших |
значениях |
n (порядка |
сотен) |
||||
слагаемые t 1 j(2n) |
и (t/(2n»S очень малы и множитель n/(JI+n)~ 1, |
||||||||
поэтому можно принять в качестве |
приближенных границ довери· |
||||||||
тельного интервала |
|
|
PI = W +t |
|
|
|
|
||
Рl = w - t |
y'--w-("'"'I-=--w"":"")/""n |
и |
У w (1 - |
ш)/n. |
|
||||
3 а м е ч а н и е |
2. |
Чтобы избежать |
расчетов |
концов доверитель |
|||||
иых интервалов, |
можно использовать |
табл. |
28 |
книги |
Я н к о Я. |
Математико-статистические табnицы. М. о Госстатнздат, 1961.
§ 21. Метод моментов ци точечной оценки
параметров распределении
Можно доказать, что начальные и центральные
8мпирические моменты являются состоятельными оценками
соответственно начальных и центральиых теоретических
226
моментов того же порядка. На этом основан метод момен
тов, предложенный К. Пнрсоном. достоинство метода
сравнительная его простота. Метод моментов точечной
оценки неизвестных параметров заданного распределения состоит в приравнивании теоретических моментов рас сматриваемого распределения соответствующим эмпнриче
ским моментам того же порядка.
А. Оценка одного параметра. Пусть задан вид плот ности распределения f (х, О), определяемой одним неиз вестным параметром о. Требуется найти точечную оценку параметра о.
Для оценки о д н о г о пар а м е т р а достаточно иметь
о д н о у р а в н е н и е относительно этого параметра. Следуя
методу моментов, приравняем, например, начальный тео
ретический момент первого порядка начальному эмпири |
||
ческому моменту первого порядка: |
"1 |
= М1• Учитывая, |
что "1 =- М (Х) (см. гл. VIII, § 10), М1 = |
ХВ (см. гл. ХУН, |
|
§ 2), получим |
|
|
Математическое ожидание М (Х), как видно из соотно
шения
QI)
м (Х)= ~ х' (х; О)dx = ер (8),
-QI)
есть функция от О, поэтому (*) можно рассматривать как уравнение с одним неизвестным о. Решив это уравнение относительно параметра О, тем самым найдем его точеч ную оценку 0-, которая является функцией от выбороч ной средней, следовательно, и от вариант выборки:
О· = Ф (х1• Х" •••• хn).
Пример 1. Найти методом моментов по выборке Хl, Ха, ••• , Х,.
точечную оцеику неизвестного параметра л показательного распреде
.nення, п,nотность распредe.nения котороro f (Х) = 1..е-Ы- (Х ~ О).
Реш е н и е. Приравняем нача,nьныА теоретический момент пер
вого порядка нача,nьному эмпирическому моменту первого порядка:
'Уl=М1• УIIитывая, что "l=М (Х), М1 =Хв, по,nучим
М (Х)=ХВ•
Приняв во внимание, что математическое ожидание показатe.nъноro
распреде.nения равно 1/1.. (см. гл. XIII, § З), имеем
J/1..=хв•
15*
Отсюда
Л= l/xB.
Итак, искомая точечная оценка параметра Л показательного рас
пределения равна величине, обратной выборочной средней:
Л'" = l/xB •
Б. Оцеllка двух параметров. Пусть задан вид плотн.ости
распределения f (х; 61' 61)' определяемой неизвестными
параметрами 61 и 61. Для отыскания д в у х пар а м е т р о в
необходимы два уравнения относительно этих параметров.
Следуя методу моментов. приравняем, например. началь
ный теоретический момент первого порядка начальному эмпирическому моменту первого порядка и центральный
теоретический момент второго порядка центральному эм
пирическому моменту второго порядка:
|
|
|
"1 = М1• |
""1 = ml • |
|
|
|
Учитывая. что "1 = М (Х), ""1 = D (Х) (см. |
гл. VII 1. § 1О). |
||||||
М1 = Ха. ml = DB |
(см. гл. XVII, § 2). получим |
|
|||||
|
|
|
М (Х) =Хв, } |
|
|
(**) |
|
|
|
|
D (Х)= Da • |
|
|
||
|
|
|
|
|
|
||
Математическое |
ожидание и дисперсия есть функции от |
||||||
61 Н |
61' поэтому |
(**) можно рассматривать |
как |
систему |
|||
двух |
уравнений |
с |
двумя |
неизвестными |
61 |
и 61. |
Решив |
эту систему относительно неизвестных параметров, тем
самым получим их точечные оценки 6; и 6;. Эrи оценки
ЯВJIяются функциями от вариант выборки:
6; ="'1 (хн |
X1' ... , |
Хn). |
|
6; =",. (Х1, |
ХII• • ••• |
Хn)' |
|
Пример 2. Найти метод.ом |
моментов по выборке Хl, X1, ••• |
, ХN |
|
точечные оценки иеизвестных параметров |
а и (1 нормального |
рас |
пределения
Реш е н и е. Приравияем начальные теоретические и эмпиричес
кие моменты первого порядка, а также центральные и эмпирические моменты второго порядка:
"1=М1, .... =m•.
Учитывая, что 'Уl=М(Х), .... =D (Х), М1 Хв. m. =DB , получим
м (Х)=х•• D(X)=D•.
228
Приняв во внимание, что математическое ожиданне иормального рас
пределения равно параметру а, дисперсия равна 02 (см. ГЛ. ХН, § 2),
имеем:
а=хв, o2=D B •
Итак, нскомые точечные оценки параметров нормального рас
пределения: |
- |
|
в' |
0-= YDB • |
|
|
|||
|
а--х |
|
|
|
3 а м е ч а н и е |
1. Для oцeHO~ неизвестных параметров можно |
|||
приравнивать не |
только |
сами |
моменты, но и функции от моментов. |
Вчастности, этим путем получают состоятельные оценки характе
ристик распределений, которые являются функциями теоретических моментов. Напрнмер, асимметрия теоретического распределения
(см. гл. ХН, § 9)
есть функция от центральных моментов второго и третьего порядков.
Заменив эти теоретические моменты соответствующими эмпирическими
моментами, получнм точечную оценку аснмметрии
А; = mB/( Ут2)8.
3 а м е ч а н и е 2. Учитывая, что ~ = УD B = ав• последнюю
формулу можно записать в виде
АS=• тaIОв8'
Далее эта оценка будет принята в качестве определения асиммет
рии эмпирического распределения (см. гл. XVH. § 9).
§ 22. Метод наиБОJlьшего правдоподобия
I(роме метода моментов, который изложен в пре дыдущем параграфе, существуют и другие методы точеч
ной оценки неизвестных параметров распределения. К ним
относится метод наибольшего правдоподобия, предложен
ный Р. Фишером.
А. Дискретные CJlучайные веJlИЧИНЫ. Пусть Х -диск
ретная случайная величина, которая в результате n ис
пытаний приняла значения Х1' Х1, . ••• Хn' Допустим. что
вид закона распределения величины Х задан, но неиз
вестен параметр 6. которым определяется этот закон.
Требуется найти его точечную оценку.
Обозначим вероятность того, что в результате испы
тания величина Х примет значение Х,и= 1. 2, ... , n), через
р (х,; 6).
Функцией nравдоnодобия дискретной случайной велu чины Х называют функцию аргумента 6:
L (Х1• Х2• •••• Хn; 6) = р (Х1; 6) Р (х2; 6) ... р (хn; 8),
где Х1• ХII• •••• хn-фиксированные числа.
229
В качестве точечной оценки параметра О принимают та
кое его значение о· = О· (Х1, Ха' ... , Хn), при котором фун
кция правдоподобия достигает максимума. Оценку ~ на
зывают оценкой наибольшего nравдоnодобия.
Функции L и lп L достигают максимума при одном и том же значении О, поэтому вместо отыскания максимума
функции L ищут (что удобнее) максимум функции fn L.
Логарифмической функцией nравдоnодобия называют
функцию lп L. Как известно, |
точку максимума функции |
|
lnL аргумента О можно искать, например, так: |
||
1) найти производную |
dJnL |
; |
dO |
2) приравнять производную нулю и найти критическую
точку-корень полученного уравнения (его называют
уравнением nравдоnодобия);
tPln L
З) найти вторую производную dOi ; если вторая
производная при О = О· отрицательна, то О·-точка мак
симума.
Найденную точку максимума О· принимают в качестве
оценки наибольшего правдоподобия параметра О.
Метод наибольшего правдоподобия имеет ряд досто
инств: оценки наибольшего правдоподобия, вообще говоря, состоятельны (но они могут быть смещенными), распреде
лены асимптотически нормально (при больших значениях n приближенно нормальны) и имеют наименьшую дисперсию
по сравнению с другими асимптотически нормальными
оценками; если для оцениваемого параметра О существует
9ффективная оценка О·, то уравнение правдоподобия нмеет
единственное решение О·; этот метод наиболее полно ис
пользует данные выборки об оцениваемом параметре,
поэтому он особенно полезен в случае малых выборок.
Недостаток метода состоит в том, что он часто требует
сложных вычислений.
3 а м е ч а н и е 1. Функция правдоподобия- функция от аргу мента 6; оценка наибольшего правдоподсбия-функция от независи
IIЫХ аргумеитов Xl. Ха. • ••• Хn•
3 а м е ч а н и е 2. Оценка нанбольшего правдоподобия не всегда
совпадает с оценкой, найденной методом моментов.
Пример 1. НаАти методом наибольшего правдоподобия оценку
параметра л распределения Пуассона
'J"X'e-Л
Рт(Х=х,)
х,l
где т-число произведенных нспытаниА. х[-число ПОЯВJlений собы
тия в ,-м (t = 1. 2••..• n) опы~ (опыт состоит из т испытаний).
230