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