4.1 Компонента η
Y |
8.1207 – 8.7601
|
8.7601 – 9.3995
|
9.3995 – 10.0390
|
10.0390 – 10.6784
|
10.6784 – 11.3178
|
11.3178 – 11.9573
|
11.9573 – 12.5967
|
12.5967 – 13.2361
|
|
5 |
8 |
33 |
34 |
27 |
18 |
1 |
4 |
Выборочное среднее
Выборочная дисперсия
Исправленная выборочная дисперсия
Среднеквадратичное отклонение
Исправленное среднеквадратичное отклонение
Выборочный начальный k-ый момент
Выборочные начальные моменты порядка 2, 3, 4.
Выборочный центральный k-ый момент
Выборочные центральные моменты порядка 3, 4.
Выборочный коэффициент асимметрии
Выборочный коэффициент эксцесса
Мода
где левая граница модального интервала,- численность модального интервала,- численности интервалов слева и справа от модального.
Модальным называется интервал, имеющий наибольшую численность.
Медиана
где n – объем выборки, h – длина интервала группировки, левая граница медианного интервала,- численность медианного интервала,- численностиi-го интервала
Медианным называется интервал, в котором накопленная сумма частот впервые достигает 0.5.
Квантиль
где - левая граница квантильного интервала, - численность квантильного интервала,- численности интервалов, предшествующих квантильному.
Квантильным порядка q интервалом называется интервал, в котором сумма накопленных частот впервые достигает значения q.
Выборочные квантили порядка 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9.
4.3 Характеристики связи:
Выборочная ковариация
Выборочный коэффициент корреляции
Выборочные уравнения линейной регрессии
Y на X
X на Y
Выборочные корреляционные отношения
X по Y
Y по X
Статистическое оценивание параметров
Метод моментов
Приравнивая выборочные и теоретические моменты, получаем уравнения относительно θ. Решая эти уравнения, получаем оценку параметров . Эта оценка называется оценкой метода моментов.
Метод максимального правдоподобия
Функция правдоподобия:
Оценка , обеспечивающая по параметру θ максимум функции правдоподобия, называется оценкой максимального правдоподобия параметра θ.
Вместо отыскания максимума функции L часто удобнее находить максимум функции и решать уравнение правдоподобия
В результате решения уравнения правдоподобия мы найдем критическую точку, необходимо убедиться, что это точка максимума.
Функция правдоподобия для ξ:
Матрица отрицательно определена, т.к. главные миноры чередуют знак, первый минор отрицательный, а второй положительный в точке
Несмещенность
Оценка называется несмещенной оценкой параметра θ, если
- несмещенная оценка
- смещенная оценка, асимптотически несмещенная оценка, т.к.
Состоятельность
Оценка называется состоятельной оценкой параметра θ, если
Теорема: и , то- состоятельная оценка
- состоятельная оценка
Теорема: и , то- состоятельная оценка
–состоятельная оценка
Оптимальность
Оценка называется оптимальной оценкой параметра θ, если
или
где множество несмещенных оценок θ
Так как - эффективная оценка, то она является и оптимальной.
Так как - неэффективная оценка, то она не является и оптимальной.
Эффективность
Несмещенная оценка в регулярной модели называется эффективной, если
- эффективная оценка
Т.к. – смещенная оценка, то она не может быть эффективной (по определению: эффективная оценка вводиться только для несмещенных оценок).
Достаточность
Статистика называется достаточной для параметра θ, если условное распределение (плотность или вероятность) случайной величины (выборки) при условиине зависит от параметра θ.
Пусть - выборка из нормального распределения. Найдем достаточную статистику для двумерного параметра.
Для этого используем теорему факторизации:
Теорема. Для того, чтобы статистика Т(х) была достаточной, необходимо и достаточно, чтобы
–достаточная статистика
- эффективная оценка, а значит, является достаточной статистикой
- достаточная статистика, так как получена функция максимального правдоподобия
Нормальность
Оценка асимптотически нормальна для регулярной модели, потому что получена методом максимального правдоподобия.