Upload
devtype
View
151
Download
3
Embed Size (px)
Citation preview
Статистика
ξ — генеральная совокупность c ф.р. Fξ(x ; θ)θ = (θ1, . . . , θm) — неизвестные параметрыX[n] = (X1, . . . ,Xn) — выборка из ξ
Статистикой будем называть любую функцию, зависящую толькоот наблюдений.
Точечные оценки
Пусть θ ∈ Θ ⊂ R.
Точечной оценкой неизвестного параметра или числовойхарактеристики θ распределения называется статистика θ̂(X[n]),приближенно равная θ.
Свойства точечных оценок
Несмещенность
Состоятельность
Эффективность
Асимптотическая нормальность
Робастность
Несмещенность.
Пусть параметр θ ∈ Θ ⊂ R.
Говорят, что оценка θ̂(X[n]) является несмещенной оценкойпараметра θ, если
E θ̂(X[n]) = θдля любого θ ∈ Θ.
Говорят, что оценка θ̂(X[n]) является асимптотическинесмещенной оценкой параметра θ, если
E θ̂(X[n]) −−−→n→∞
θ
для любого θ ∈ Θ.
Несмещенность.
Пусть параметр θ ∈ Θ ⊂ R.
Говорят, что оценка θ̂(X[n]) является несмещенной оценкойпараметра θ, если
E θ̂(X[n]) = θдля любого θ ∈ Θ.
Говорят, что оценка θ̂(X[n]) является асимптотическинесмещенной оценкой параметра θ, если
E θ̂(X[n]) −−−→n→∞
θ
для любого θ ∈ Θ.
Пусть
θ̂A и θ̂B — точечные оценки θ из центров A и B :
E θ̂A = E θ̂B = θ
D(θ̂i ) = E (θ̂i − θ)2 = σ2(θ), i = A,B
Рассмотрим новую оценку:
θ̂ =θ̂A + θ̂B
2
Пусть
θ̂A и θ̂B — точечные оценки θ из центров A и B :
E θ̂A = E θ̂B = θ
D(θ̂i ) = E (θ̂i − θ)2 = σ2(θ), i = A,B
Рассмотрим новую оценку:
θ̂ =θ̂A + θ̂B
2
Примеры
Рассмотрим выборочную дисперсию D∗
D∗ — смещенная оценка, однакоасимптотически несмещенная: ED∗ −−−→
n→∞σ2.
Примеры
Рассмотрим выборочную дисперсию D∗
D∗ — смещенная оценка, однакоасимптотически несмещенная: ED∗ −−−→
n→∞σ2.
Рассмотрим исправленную оценку дисперсии:
s2 = nn−1D
∗ = 1n−1
n∑k=1
(Xk − X )2,
s2 — несмещенная оценка дисперсии.
Выборочное среднее
EX̄ = E
{1n
n∑k=1
Xk
}
Рассмотрим исправленную оценку дисперсии:
s2 = nn−1D
∗ = 1n−1
n∑k=1
(Xk − X )2,
s2 — несмещенная оценка дисперсии.
Выборочное среднее
EX̄ = E
{1n
n∑k=1
Xk
}
Состоятельность
Пусть параметр θ ∈ Θ ⊂ R. Говорят, что оценка θ̂(X[n])состоятельна, если
θ̂(X[n])P−−−→
n→∞θ
для любого θ ∈ Θ.
Оценка θ̂(X[n]) называется сильно состоятельной оценкойпараметра θ, если
θ̂(X[n])п.н.−−−→
n→∞θ
для любого θ ∈ Θ.
Эффективность
Рассмотрим класс оценок K = {θ̂(X[n])} параметра θ.
Говорят, что оценка θ∗(X[n]) ∈ K является эффективной оценкойпараметра θ в классе K , если для любой другой оценки θ̂ ∈ Kимеет место неравенство:
E (θ∗ − θ)2 6 E (θ̂ − θ)2
для любого θ ∈ Θ.
Рассмотрим случай, когда θ = (θ1, . . . , θm).
Для любого y ∈ Rm определим αy = (θ, y) = θ1y1 + . . .+ θmym.Тогда α∗y = (θ∗, y) — оценка параметра αy .
Оценка θ∗ ∈ K является эффективной оценкой параметраθ = (θ1, . . . , θm) в классе K , если для любой другой оценки θ̂ ∈ Kи любого y ∈ Rm при любом допустимом значении θ ∈ Θ имеетместо неравенство:
E (α∗y − αy )2 6 E (α̂y − αy )2,
где α̂y = (θ̂, y).
Класс несмещенных оценок обозначим через
K0 ={θ̂(X[n]) : E θ̂ = θ,∀θ ∈ Θ
}.
Оценка θ̂ эффективна в классе K0 , или просто эффективна, еслиD θ̃−D θ̂ � 0 (неотрицательно определенная матрица), где θ̃ ∈ K0
для любого θ ∈ Θ ⊂ Rk .
ТеоремаПусть несмещенные оценки θ̂1 и θ̂2 параметра θ ∈ Θ ⊂ Rявляются эффективными, тогда оценки θ̂1 и θ̂2 почти наверноесовпадают.
Асимптотическая эффективность
Оценка θ̂ называется асимптотически эффективной в классе Kоценок параметра θ ∈ Θ ⊂ R, если
limn→∞
E (θ̂ − θ)2
E (θ̃ − θ)26 1
для любого параметра θ ∈ Θ ⊂ R и любой оценки θ̃ ∈ K .
Асимптотическая нормальность
Пусть оценивается параметр θ ∈ Θ ⊂ R. Оценка θ̂называется асимптотически нормальной оценкой параметра θ скоэффициентом рассеивания σ2(θ), если
√n(θ̂ − θ)
d−−−→n→∞
ζ ∼ N(0, σ(θ)).
Для любого x ∈ R имеет место сходимость:
P{√
n(θ̂ − θ) 6 x}−−−−→n−→∞
1√2πσ(θ)
x∫−∞
e− y2
2σ2(θ) dy .
Пусть оценивается параметр θ ∈ Θ ⊂ Rm. Оценка θ̂ = (θ̂1, . . . , θ̂m)называется асимптотически нормальной с матрицей рассеиванияΣ(θ), если имеет место сходимость по распределению:
√n(θ̂ − θ)
d−−−→n→∞
η ∼ N(0,Σ(θ)).
Робастность
Робастность оценок в рамках “схемы засорения”
f (x , θ) = (1− ε)N(x , θ, σ1) + εN(x , θ, σ2)
0 < ε < 1, σ2 >> σ1
N(x , θ, σi ) =1
σi√
2πe− (x−θ)2
2σ2i
По X[n] оценить θ
Рассмотрим оценки x̄ и x∗med