Презентация Точечное оценивание параметров распределений случайных величин онлайн
На нашем сайте вы можете скачать и просмотреть онлайн доклад-презентацию на тему Точечное оценивание параметров распределений случайных величин абсолютно бесплатно. Урок-презентация на эту тему содержит всего 42 слайда. Все материалы созданы в программе PowerPoint и имеют формат ppt или же pptx. Материалы и темы для презентаций взяты из открытых источников и загружены их авторами, за качество и достоверность информации в них администрация сайта не отвечает, все права принадлежат их создателям. Если вы нашли то, что искали, отблагодарите авторов - поделитесь ссылкой в социальных сетях, а наш сайт добавьте в закладки.
Презентации » Математика » Точечное оценивание параметров распределений случайных величин
Оцените!
Оцените презентацию от 1 до 5 баллов!
- Тип файла:ppt / pptx (powerpoint)
- Всего слайдов:42 слайда
- Для класса:1,2,3,4,5,6,7,8,9,10,11
- Размер файла:3.50 MB
- Просмотров:125
- Скачиваний:0
- Автор:неизвестен
Слайды и текст к этой презентации:
№4 слайд
Содержание слайда: Параметром распределения случайной величины назовем ее числовую характеристику (математическое ожидание, дисперсию, момент и т.п.) либо неизвестную константу, которая явно содержится в выражении функции распределения.
Параметром распределения случайной величины назовем ее числовую характеристику (математическое ожидание, дисперсию, момент и т.п.) либо неизвестную константу, которая явно содержится в выражении функции распределения.
Параметр распределения будем обозначать , имея в виду, что в общем случае это векторная величина с компонентами .
№5 слайд
Содержание слайда: Введем случайную величину = g(Xn) с реализацией
Введем случайную величину = g(Xn) с реализацией
= g(хn), где g – борелевская функция.
Эту функцию назовем статистикой. В общем случае статистика - векторная случайная величина с компонентами = gi(Xn) и их реализацией =gi(хn) .
Статистику , реализация которой принимается в качестве приближенного экспериментального значения параметра , будем называть точечной оценкой этого параметра.
№6 слайд
Содержание слайда: Ясно, что не всякая зависимость gi(Xn) может давать удовлетворительную оценку неизвестного параметра ; чтобы быть подходящей, gi(Xn) должна обладать определенными свойствами. Именно, в соответствии с принципом оптимальности добиваются, чтобы оценка
Ясно, что не всякая зависимость gi(Xn) может давать удовлетворительную оценку неизвестного параметра ; чтобы быть подходящей, gi(Xn) должна обладать определенными свойствами. Именно, в соответствии с принципом оптимальности добиваются, чтобы оценка
= g(Xn)
удовлетворяла следующим критериям точечного оценивания:
№7 слайд
Содержание слайда: состоятельность, несмещенность, эффективность, достаточность и робастность.
состоятельность, несмещенность, эффективность, достаточность и робастность.
Если все эти свойства обеспечить не удается, то ограничиваются удовлетворением хотя бы какой-то их части.
Состоятельность оценки – это сходимость ее по вероятности к оцениваемому параметру при n .
№8 слайд
Содержание слайда: В случае состоятельной оценки вероятность сколь-нибудь существенного отличия от мала при достаточно большом объеме выборки измерений Х. Поскольку сходимость по вероятности следует из сходимости почти наверное и в среднем квадратическом, то сходимости последнего вида также следует считать признаком состоятельности оценки . В этом случае говорят о сильной состоятельности.
В случае состоятельной оценки вероятность сколь-нибудь существенного отличия от мала при достаточно большом объеме выборки измерений Х. Поскольку сходимость по вероятности следует из сходимости почти наверное и в среднем квадратическом, то сходимости последнего вида также следует считать признаком состоятельности оценки . В этом случае говорят о сильной состоятельности.
№9 слайд
Содержание слайда: Несмещенность оценки – это свойство вида: М( )=.
Несмещенность оценки – это свойство вида: М( )=.
Несмещенность гарантирует совпадение центра рассеяния возможных реализаций с оцениваемым параметром .
Если это свойство не выполняется, т.е. М( ) - = b() 0, то оценку называют смещенной, при этом величину b() называют систематической ошибкой (смещением) оценки .
№10 слайд
Содержание слайда: Очевидно, что зависит от n . Если 0 при n , то оценку называют асимптотически несмещенной. Не следует абсолютизировать это свойство. Во-первых, несмещенной оценки может не быть; во-вторых, требование несмещенности может прийти в противоречие с требованием минимума рассеяния относительно .
Очевидно, что зависит от n . Если 0 при n , то оценку называют асимптотически несмещенной. Не следует абсолютизировать это свойство. Во-первых, несмещенной оценки может не быть; во-вторых, требование несмещенности может прийти в противоречие с требованием минимума рассеяния относительно .
№11 слайд
Содержание слайда: Оценку называют эффективной, если ей соответствует минимальное значение ошибки.
Оценку называют эффективной, если ей соответствует минимальное значение ошибки.
В классе несмещенных оценок этот критерий означает минимальность дисперсии .
Оценку называют асимптотически эффективной, если свойство минималь-ности относительно достигается в пределе n .
№12 слайд
Содержание слайда: Оценку называют достаточной, если она содержит в себе столько же информации о параметре , сколько её в выборке
Оценку называют достаточной, если она содержит в себе столько же информации о параметре , сколько её в выборке
Xn=(X1, …, Xn).
Оценку называют робастной, если она в каком-то смысле слабо зависит от изменения выборки Xn=(X1, …, Xn).
Введенные признаки оптимизации оценок относятся к фиксированному состоянию параметра .
№13 слайд
Содержание слайда: Если эти признаки имеют место для всякого из области его возможных реализаций, то говорят о равномерной состоятельности, несмещенности, эффективности, доста-точности и робастности оценки .
Если эти признаки имеют место для всякого из области его возможных реализаций, то говорят о равномерной состоятельности, несмещенности, эффективности, доста-точности и робастности оценки .
Оценки параметров распределений, удовлетворяющих хотя бы одному из перечисленных критериев оптимальности, могут строиться по разному.
Основная задача теории точечного оценивания состоит в разработке методов построения оценок, обладающих всеми или какими-то из перечисленных оптимальных свойств.
№15 слайд
Содержание слайда: Над величиной X произведено n независимых опытов, давших результаты
Над величиной X произведено n независимых опытов, давших результаты
X1, …, Xn. Требуется найти состоятельные и несмещенные оценки для параметров m и D.
В качестве оценки для математического ожидания естественно предложить среднее арифметическое наблюденных значений m*:
m* (1)
№16 слайд
Содержание слайда: Нетрудно убедиться, что эта оценка является состоятельной: согласно закону больших чисел, при увеличении n величина сходится по вероятности к m. Оценка является также и несмещенной, так как
Нетрудно убедиться, что эта оценка является состоятельной: согласно закону больших чисел, при увеличении n величина сходится по вероятности к m. Оценка является также и несмещенной, так как
. (2)
Дисперсия этой оценки равна:
. (3)
№17 слайд
Содержание слайда: Эффективность или неэффектив-ность оценки зависит от вида закона распределения величины X. Можно доказать, что если величина X распределена по нормальному закону, дисперсия будет минимально возможной, т. е. оценка является эффективной. Для других законов распределения это может быть и не так.
Эффективность или неэффектив-ность оценки зависит от вида закона распределения величины X. Можно доказать, что если величина X распределена по нормальному закону, дисперсия будет минимально возможной, т. е. оценка является эффективной. Для других законов распределения это может быть и не так.
№19 слайд
Содержание слайда: Проверим, является ли эта оценка состоятельной. Выразим ее через второй начальный момент
Проверим, является ли эта оценка состоятельной. Выразим ее через второй начальный момент
(6)
Первый член в правой части есть среднее арифметическое n наблюденных значений случайной величины ; он сходится по вероятности к M[X2]=α2[X].
№20 слайд
Содержание слайда: Второй член сходится по вероятности к m2; вся величина сходится по вероятности к величине
Второй член сходится по вероятности к m2; вся величина сходится по вероятности к величине
α2[X] – m2 = D. (7)
Это означает, что оценка D* состоятельна.
Проверим, является ли оценка D* также и несмещенной. Подставим в формулу (6) вместо его выражение (5) и произведем указанные действия:
№23 слайд
Содержание слайда: Пользуясь оценкой D* вместо дисперсии D, мы будем совершать некоторую систематическую ошибку в меньшую сторону. Чтобы ликвидировать это смещение, достаточно ввести поправку, умножив величину D* на . Получим:
Пользуясь оценкой D* вместо дисперсии D, мы будем совершать некоторую систематическую ошибку в меньшую сторону. Чтобы ликвидировать это смещение, достаточно ввести поправку, умножив величину D* на . Получим:
№24 слайд
Содержание слайда: Такую «исправленную» статистическую дисперсию мы и выберем в качестве оценки для D:
Такую «исправленную» статистическую дисперсию мы и выберем в качестве оценки для D:
(12)
Так как множитель стремится к единице при n, а оценка D*
состоятельна, то оценка также будет состоятельной.
№25 слайд
Содержание слайда: На практике часто вместо формулы (12) бывает удобнее применять другую, равносильную ей, в которой статистическая дисперсия выражена через второй начальный момент:
На практике часто вместо формулы (12) бывает удобнее применять другую, равносильную ей, в которой статистическая дисперсия выражена через второй начальный момент:
(13)
№26 слайд
Содержание слайда: При больших значениях n, естественно, обе оценки - смещенная D* и несмещенная - будут различаться очень мало и введение поправочного множителя теряет смысл.
При больших значениях n, естественно, обе оценки - смещенная D* и несмещенная - будут различаться очень мало и введение поправочного множителя теряет смысл.
Таким образом, мы пришли к следующим правилам обработки ограниченного по объему статистического материала.
№27 слайд
Содержание слайда: Если даны значения x1,x2,…xn, принятые в n независимых опытах случайной величиной X с неизвестными математическим ожиданием m и дисперсией D, то для определения этих параметров следует пользоваться приближенными значениями (оценками):
Если даны значения x1,x2,…xn, принятые в n независимых опытах случайной величиной X с неизвестными математическим ожиданием m и дисперсией D, то для определения этих параметров следует пользоваться приближенными значениями (оценками):
№30 слайд
Содержание слайда: Часто на практике на основании анализа физического механизма, порождающего случайную величину X, можно сделать вывод о законе распределения этой случайной величины. Однако параметры этого распределения неизвестны, и их необходимо оценить по результатам эксперимента, обычно представленных в виде конечной выборки x1, x2,…xn. Для решения такой задачи чаще всего применяются два метода: метод моментов и метод максимального правдоподобия.
Часто на практике на основании анализа физического механизма, порождающего случайную величину X, можно сделать вывод о законе распределения этой случайной величины. Однако параметры этого распределения неизвестны, и их необходимо оценить по результатам эксперимента, обычно представленных в виде конечной выборки x1, x2,…xn. Для решения такой задачи чаще всего применяются два метода: метод моментов и метод максимального правдоподобия.
№33 слайд
Содержание слайда: где – оцениваемый параметр распределения.
где – оцениваемый параметр распределения.
Для получения оценок параметров распределения, содержащего два неизвестных параметра и , составляется система из двух уравнений
где и – теоретический и эмпирический центральные моменты второго порядка.
№34 слайд
Содержание слайда: Решением системы уравнений являются оценки и неизвестных параметров распределения и .
Решением системы уравнений являются оценки и неизвестных параметров распределения и .
Приравняв теоретический эмпирический начальные моменты первого порядка, получаем, что оценкой математического ожидания случайной величины X, имеющей произвольное распределение, будет выборочное среднее, т. е.
.
№35 слайд
Содержание слайда: Затем, приравняв теоретический и эмпирический центральные моменты второго порядка, получим, что оценка дисперсии случайной величины X, имеющей произвольное распределение, определяется формулой
Затем, приравняв теоретический и эмпирический центральные моменты второго порядка, получим, что оценка дисперсии случайной величины X, имеющей произвольное распределение, определяется формулой
.
Подобным образом можно найти оценки теоретических моментов любого порядка.
№37 слайд
Содержание слайда: 7.3.2. Метод максимума правдоподобия
Метод максимального правдоподобия точечной оценки неизвестных параметров распределения сводится к отысканию максимума функции одного или нескольких оцениваемых параметров.
Пусть X– непрерывная случайная величина, которая в результате n испытаний приняла значения x1, x2, … xn.
№38 слайд
Содержание слайда: Для получения оценки неизвестного параметра необходимо найти такое значение , при котором вероятность реализации полученной выборки была бы максимальной. Так как x1, x2, … xn представляют собой взаимно независимые величины с одинаковой плотностью вероятности f(x), то функцией правдоподобия называют функцию аргумента :
Для получения оценки неизвестного параметра необходимо найти такое значение , при котором вероятность реализации полученной выборки была бы максимальной. Так как x1, x2, … xn представляют собой взаимно независимые величины с одинаковой плотностью вероятности f(x), то функцией правдоподобия называют функцию аргумента :
.
№39 слайд
Содержание слайда: Оценкой максимального правдоподобия параметра называется такое значение , при котором функция правдоподобия достигает максимума, т. е. является решением уравнения
Оценкой максимального правдоподобия параметра называется такое значение , при котором функция правдоподобия достигает максимума, т. е. является решением уравнения
,
которое явно зависит от результатов испытаний x1, x2, … xn .
№40 слайд
Содержание слайда: Поскольку функции и достигают максимума при одних и тех же значениях , то часто для упрощения расчетов используют логарифмическую функцию правдоподобия и ищут корень соответствующего уравнения
Поскольку функции и достигают максимума при одних и тех же значениях , то часто для упрощения расчетов используют логарифмическую функцию правдоподобия и ищут корень соответствующего уравнения
,
которое называется уравнением правдоподобия.
№41 слайд
Содержание слайда: Если необходимо оценить несколько параметров распределения , то функция правдоподобия будет зависеть от этих параметров. Для нахождения оценок параметров распределения необходимо решить систему k уравнений правдоподобия
Если необходимо оценить несколько параметров распределения , то функция правдоподобия будет зависеть от этих параметров. Для нахождения оценок параметров распределения необходимо решить систему k уравнений правдоподобия
.
№42 слайд
Содержание слайда: Метод максимального правдоподобия дает состоятельные и асимптотически эффективные оценки. Однако получаемые методом максимального правдоподобия оценки бывают смещенными, и, кроме того, для нахождения оценок часто приходится решать достаточно сложные системы уравнений.
Метод максимального правдоподобия дает состоятельные и асимптотически эффективные оценки. Однако получаемые методом максимального правдоподобия оценки бывают смещенными, и, кроме того, для нахождения оценок часто приходится решать достаточно сложные системы уравнений.
Скачать все slide презентации Точечное оценивание параметров распределений случайных величин одним архивом:
-
Интервальное оценивание параметров распределения случайных величин. Доверительный интервал
-
Числовые характеристики (параметры) распределений случайных величин
-
Закон распределения случайной дискретной величины
-
Статистическая гипотеза Любое утверждение о виде или свойствах закона распределения наблюдаемых случайных величин Всякий раз п
-
На тему Закон распределения случайной дискретной величины
-
Нормальное распределения случайной величины. Функция Лапласа
-
Распределение случайных величин. Функция распределения и плотность распределения случайной величины
-
Законы распределения случайных величин
-
Распределения непрерывных случайных величин
-
Критерии проверки гипотез о законах распределения случайной величины