31Несмещенные, состоятельные, асимптотически нормальные оценки.
1.
- несмещенная оценка, если E
= Ɵ. Асимпт несмещ, если E
→ Ɵ, где n→0.
2.
– состоятельная оценка, если ∀
>0 P(|
- Ɵ|≥
)→0 n→беск, P(|
- Ɵ|< ε)→1 n→беск𝕝(-беск,t)
3.
– асимтотич норм cдисп
, если ∀t∈RP(
<t)→ Ф(t)=1/
*
du
32Свойства выборочной функции распределения
(t) – несмещ оценка для F(t)-генерфункраспр, то есть E
(t)=F(t) Док-во: Fn(t)=1/n 
1 (-беск,t) (Xi)={1, Xi<t 0, Xi≥t}
P(𝕝(-беск,t) (Xi)=1)=P(Xi<t)=F(t) 1 (-беск,t) (Xi): 0 – 1-F(t); 1 – F(t)
E
(Xi)=F(t)
E
(t)=E 1/n
=1/n
=F(t)
несмещ
Теорема Гливенко
(t) – состоят оценка для F(t)
(t) = 1/n
(Xi) по теореме Хинчина о ЗБЧ P(|1/n
(Xi) – F(t)|≥
→0 n→беск)
состоят.; 1/n
(Xi) =
(t)
33Свойства выборочного мат ожидания
1.
является несмещ и состоят оценкой для неизвестн мат ожидания a
2. Если сущ-етG^2=DX, то
– асимпт норм оценка для a
Доказательство:
1. Несмещ: E
=E1/n
=1/n
=а
Состоят: ∀
>0 P(|E1/n
– a|≥
) n→беск →0 – из теории Хинчина о ЗБЧ
2. ассимп норм: ∀t
RP(
<t) → Ф(t) – по цпт Леви.
=
= 
Свойства выборочной дисперсии
1. Статистика S^2 не завис от сдвига выборки
2.Статистика S^2 явл асимптот несмещ и состоят оценкой для G^2
Доказательство:
1.
доказать
= 
Док-во
= 1/n 
2. X1-EXi=
, X2-EXi=
… Xn-EXi= 
Es^2 = E1/n
-
)^2 = 1/n
-
) = 1/n
(Xi-EXi) =
= E
(
)^2=G^2 -
– 1/n
= G^2 - 1/n * G^2 =
*G^2 n→0 →G^2
Состоятельность:
∀
>0 P(|S^2-G^2| ≥
→ 0
P(|1/n
-
^2-G^2| ≥
), где G^2=E 
По ЗБЧ Хинчина: 1/n
~EXi^2
По сво йствам
:
~(EXi)^2
34Распределение Хи-квадрат и Стьюдента. Лемма Фишера.
1. распред хи-кв с n степенями свободы
Y1,Y2…Yn – независодинакраспрс.в. Yk∈N(0,1)
^2=
– распред по зак хи-кв с n степ свободы (числослагаем)
2. Распр Стьюдента с n степенями свободы
Y0,Y1…Yn – независ од распр с. в., Yk∈N(0,1)
Tn=
- с.в. распред по зак Стьюдента с n степенями свободы
3. Лемма Фишера
1)
*
∈N(0,1) – статистика имеет станд норм закраспр
2)
, s^2 – независс.в.
3)
распр по зак
((n-1)-степ своб)
4)
*
имеетраспр Стьюдента с (n-1) степ своб






