На практике встречается задача, когда закон распределения исследуемой случайной величины считается известным с точностью до 1-го или нескольких неизвестных параметров этого распределения. Возникает проблема оценивания этих параметров по выборке.
Неизвестные параметры распределения случайной величины x с помощью статистик , т.е. сделаем точные оценки, для которых можно говорить об общих свойствах таких оценок, т.е. состоятельности, несмещенности и эффективности.
1. Метод моментов
Пусть закон распределения исследуемой случайной величины зависит от параметров , численные значения которых подлежат оценки. Метод моментов заключается в следующем.
1) Методом теории вероятности первый k теоретических моментов начальных или центральных через параметры распределения.
Разрешим полученную таким образом систему уравнений относительно параметров, получим новую систему.
Получим требуемые оценки, подставляя вместо неизвестных теоретических моментов , их соответствующие статистические оценки .
|
|
Если система, полученная на первом этапе не разрешается аналитически, то она решается численно после замены на .Если функции непрерывные, то из их состоятельности выборочных моментов следует состоятельность полученных оценок параметров .
2) Метод максимального правдоподобия.
Более точным с точки зрения эффективности является данный метод, но на практике приводит к решению более сложных задач вычислительного характера.
Пусть функция f ()-есть плотность распределения исследуемой случайной величины, тогда функцией правдоподобия называется статистика
L (x1,x2,…xn; )= .
Выборочные значения xi независимы, поэтому функция правдоподобия является плотностью совместного распределения выборки. Метод максимального правдоподобия заключается в отыскании максимума функции правдоподобия. На практике удобнее максимизировать не саму функцию правдоподобия, а ее логарифм.
Продифференцируем по параметрам k -раз, мы получим частные производные
Решая эту систему из k -уравнений, получаем искомые оценки , т.е. система решается аналитически и численно, в последнем случае вместо выборочных значений xi подставляют перед решением наблюдаемые выборочные значения и в результате численного решения получаем наблюдаемые значения, интересующих нас параметров.
Пример: Рассмотрим нормальное распределение, закон Гаусса.
Найдем для данной функции функцию правдоподобия.
Найти функцию правдоподобия
Пусть в результате испытаний величина x приняла n -значений
;
Дифференцируем
;
; .
Мы получили оценки математического ожидания и дисперсии, ими являются выборочные средние и дисперсия.
|
|