Найти точечные параметры выборки двумя способами

Решения задач методом моментов

Для оценивания неизвестных параметров статистических распределений наравне с методом наибольшего правдоподобия используют метод моментов.

Суть метода: выразить числовые параметры теоретического распределения через моменты распределения, оценненные по выборки. Число моментов должно соответствовать числу неизвестных параметров распределения (чаще всего используют первые два момента). После вычисления приравниваем теоретические и выборочные моменты друг к другу и выражаем оценки параметров.

Данный метод прост в в реализации, дает неплохие оценки и удобен для отработки навыков. Про свойства оценок: состоятельность оценок выполняется при непрерывной зависимости от параметра, асимптотическая эффективность оценок, полученных по ММП всегда лучше чем у ММ, оценки по ММ чаще всего смещенные (требуется проверка).

Примеры нахождения оценок по методу моментов для разных распределений вы найдете ниже. Удачи!

Примеры решений

Пример 1. Число семян сорняков в пробах зерна подчинено закону Пуассона. Имеется выборка проб зерна. Результаты записаны в таблице Т1. Найти параметр $\lambda$ по выборке методом моментов.

Пример 2. При условии равномерного распределения случайной величины $Х$ произведена выборка
3 5 7 9 11 13 15 17 19 21
21 16 15 26 22 14 21 22 18 25
Найти оценку параметров $a$ и $b$ по методу моментов.

Пример 3. Найти методом моментов по выборке $x_1, x_2, . x_n$ точечную оценку параметра $p$ биномиального распределения $P_m(x_i)=C_^ p^ (1-p)^$, где $x_i$ — число появлений события в $i$-ом опыте ($i=1,2. n$), $m$ — количество испытаний в одном опыте.

Пример 4. Найти методом моментов по выборке $x_1, x_2, . x_n$ точечные оценки неизвестных параметров $a$ и $\sigma$ нормального распределения.

Пример 5. Пусть случайная величина $\xi$ имеет плотность $p(x)=1/(b-a)$, если $x\in(a;b)$, и $p(x)=0$, иначе. Произведена выборка. Используя метод моментов, найти $a$ и $b$.

Теория по методу моментов

Хотите немного больше знать о теоретических основах метода моментов для чайников? Материалов в интернете к сожалению не так много, подойдут классические учебники по математической статистике и конечно же лекция Черновой Н. по методу моментов с теоретическими основами и примерами решений.

Источник

Точечные характеристики выборки (оценки параметров)

Вариационный ряд является статистическим аналогом (реализации) распределения признака (случайной величины Х). В этом смысле полигон (гистограмма) аналогичен кривой распределения — дифференциальной функции распределения случайной величины Х. Однако построение их достаточно громоздко. В то же время, на практике часто оказывается достаточным знание лишь числовых характеристик случайной величины (признака Х)- математического ожидания, дисперсии и т.д. Но числовые характеристики Х неизвестны и информация о них может быть получена только на основе изучения имеющихся опытных данных – выборки. В математической статистике принято говорить, что некоторые сводные характеристики выборки служат для оценивания (являются оценкой) числовых характеристик генеральной совокупности. Эти характеристики носят название точечных оценок выборки. Расчет их – следующий этап обработки опытных данных.

К точечным оценкам предъявляются требования несмещенности, состоятельности и эффективности.

Оценка параметра генеральной совокупности называется несмещенной, если ее математическое ожидание равно оцениваемому параметру, т.е.

.

Оценка параметра генеральной совокупности называется состоятельной, если она сходится по вероятности к оцениваемому параметру:

.

Эффективной называется та оценка, которая имеет наименьшую дисперсию среди других возможных оценок.

Рассмотрим эти оценки.

Выборочная средняя – (аналог математического ожидания с.в.) -средняя арифметическая значений вариант, рассчитанная по значениям вариационного ряда:

,

— варианты простого статистического ряда или середины интервалов вариационного; .

Выборочная дисперсия – (аналог дисперсии с.в.) — средняя арифметическая квадратов отклонения вариант от выборочной средней; служит характеристикой рассеяния вариант относительно выборочной средней:

.

Выборочная дисперсия не удовлетворяет свойству несмещенности, поэтому вводится также исправленная выборочная дисперсия

.

Желательно в качестве меры рассеяния иметь характеристику, выраженную в тех же единицах, что и варианты. Поэтому вводится среднее выборочное квадратическое отклонение:

.

Рассматривается также безразмерная характеристика – коэффициент вариации, который служит для оценки однородности опытных данных:

% .

Мода – варианта, которой соответствует наибольшая частота;

Медиана – значение признака, приходящееся на середину вариационного ряда (количество вариант меньших равно количеству вариант больших ).

Для дискретного ряда из нечетного числа членов медиана равна серединной варианте, для ряда из четного числа членов – полусумме двух серединных вариант.

Источник

Найти точечные параметры выборки двумя способами

1. Задачи математической статистики.

3. Способы отбора.

4. Статистическое распределение выборки.

5. Эмпирическая функция распределения.

6. Полигон и гистограмма.

7. Числовые характеристики вариационного ряда.

8. Статистические оценки параметров распределения.

9. Интервальные оценки параметров распределения.

1. Задачи и методы математической статистики

Математическая статистика — это раздел математики, посвященный методам сбора, анализа и обработки результатов статистических данных наблюдений для научных и практических целей.

Пусть требуется изучить совокупность однородных объектов относительно некоторого качественного или количественного признака, характеризующего эти объекты. Например, если имеется партия деталей, то качественным признаком может служить стандартность детали, а количественным- контролируемый размер детали.

Иногда проводят сплошное исследование, т.е. обследуют каждый объект относительно нужного признака. На практике сплошное обследование применяется редко. Например, если совокупность содержит очень большое число объектов, то провести сплошное обследование физически невозможно. Если обследование объекта связано с его уничтожением или требует больших материальных затрат, то проводить сплошное обследование не имеет смысла. В таких случаях случайно отбирают из всей совокупности ограниченное число объектов (выборочную совокупность) и подвергают их изучению.

Основная задача математической статистики заключается в исследовании всей совокупности по выборочным данным в зависимости от поставленной цели, т.е. изучение вероятностных свойств совокупности: закона распределения, числовых характеристик и т.д. для принятия управленческих решений в условиях неопределенности.

Генеральная совокупность – это совокупность объектов, из которой производится выборка.

Выборочная совокупность (выборка) – это совокупность случайно отобранных объектов.

Объем совокупности – это число объектов этой совокупности. Объем генеральной совокупности обозначается N , выборочной – n .

Если из 1000 деталей отобрано для обследования 100 деталей, то объем генеральной совокупности N = 1000, а объем выборки n = 100.

При составлении выборки можно поступить двумя способами: после того, как объект отобран и над ним произведено наблюдение, он может быть возвращен либо не возвращен в генеральную совокупность. Т.о. выборки делятся на повторные и бесповторные.

Повторной называют выборку, при которой отобранный объект (перед отбором следующего) возвращается в генеральную совокупность.

Бесповторной называют выборку, при которой отобранный объект в генеральную совокупность не возвращается.

На практике обычно пользуются бесповторным случайным отбором.

Для того, чтобы по данным выборки можно было достаточно уверенно судить об интересующем признаке генеральной совокупности, необходимо, чтобы объекты выборки правильно его представляли. Выборка должна правильно представлять пропорции генеральной совокупности. Выборка должна быть репрезентативной (представительной).

В силу закона больших чисел можно утверждать, что выборка будет репрезентативной, если ее осуществлять случайно.

Если объем генеральной совокупности достаточно велик, а выборка составляет лишь незначительную часть этой совокупности, то различие между повторной и бесповторной выборками стирается; в предельном случае, когда рассматривается бесконечная генеральная совокупность, а выборка имеет конечный объем, это различие исчезает.

В американском журнале «Литературное обозрение» с помощью статистических методов было проведено исследование прогнозов относительно исхода предстоящих выборов президента США в 1936 году. Претендентами на этот пост были Ф.Д. Рузвельт и А. М. Ландон. В качестве источника для генеральной совокупности исследуемых американцев были взяты справочники телефонных абонентов. Из них случайным образом были выбраны 4 миллиона адресов., по которым редакция журнала разослала открытки с просьбой высказать свое отношение к кандидатам на пост президента. Обработав результаты опроса, журнал опубликовал социологический прогноз о том, что на предстоящих выборах с большим перевесом победит Ландон. И … ошибся: победу одержал Рузвельт.
Этот пример можно рассматривать, как пример нерепрезентативной выборки. Дело в том, что в США в первой половине двадцатого века телефоны имела лишь зажиточная часть населения, которые поддерживали взгляды Ландона.

На практике применяются различные способы отбора, которые можно разделить на 2 вида:

1. Отбор не требует расчленения генеральной совокупности на части (а) простой случайный бесповторный; б) простой случайный повторный).

2. Отбор, при котором генеральная совокупность разбивается на части. (а) типичный отбор; б) механический отбор; в) серийный отбор).

Простым случайным называют такой отбор, при котором объекты извлекаются по одному из всей генеральной совокупности (случайно).

Типичным называют отбор, при котором объекты отбираются не из всей генеральной совокупности, а из каждой ее «типичной» части. Например, если деталь изготавливают на нескольких станках, то отбор производят не из всей совокупности деталей, произведенных всеми станками, а из продукции каждого станка в отдельности. Таким отбором пользуются тогда, когда обследуемый признак заметно колеблется в различных «типичных» частях генеральной совокупности.

Механическим называют отбор, при котором генеральную совокупность «механически» делят на столько групп, сколько объектов должно войти в выборку, а из каждой группы отбирают один объект. Например, если нужно отобрать 20 % изготовленных станком деталей, то отбирают каждую 5-ую деталь; если требуется отобрать 5 % деталей- каждую 20-ую и т.д. Иногда такой отбор может не обеспечивать репрезентативность выборки (если отбирают каждый 20-ый обтачиваемый валик, причем сразу же после отбора производится замена резца, то отобранными окажутся все валики, обточенные затупленными резцами).

Серийным называют отбор, при котором объекты отбирают из генеральной совокупности не по одному, а «сериями», которые подвергают сплошному обследованию. Например, если изделия изготавливаются большой группой станков-автоматов, то подвергают сплошному обследованию продукцию только нескольких станков.

На практике часто применяют комбинированный отбор, при котором сочетаются указанные выше способы.

4. Статистическое распределение выборки

Пусть из генеральной совокупности извлечена выборка, причем значение x₁ –наблюдалось раз, x₂-n₂ раз,… x_k — n_k раз. n = n₁+n₂+. +n_k– объем выборки. Наблюдаемые значения называются вариантами, а последовательность вариант, записанных в возрастающем порядке- вариационным рядом. Числа наблюдений называются частотами (абсолютными частотами), а их отношения к объему выборки — относительными частотами или статистическими вероятностями.

Если количество вариант велико или выборка производится из непрерывной генеральной совокупности, то вариационный ряд составляется не по отдельным точечным значениям, а по интервалам значений генеральной совокупности. Такой вариационный ряд называется интервальным. Длины интервалов при этом должны быть равны.

Статистическим распределением выборки называется перечень вариант и соответствующих им частот или относительных частот.

Статистическое распределение можно задать также в виде последовательности интервалов и соответствующих им частот (суммы частот, попавших в этот интервал значений)

Точечный вариационный ряд частот может быть представлен таблицей:

Источник