Вопросы и задания для повторения
Решение. Поскольку априорное распределение параметра 0 имеется, перейдем к нахождению функции максимального правдоподобия: Р*(х)=—j=e 2а2 г при наличии результатов п испытанийх1; х2, …, х" сту2л выпишем логарифмическую функцию правдоподобия: Найдем выборочную характеристику х по выборке, а теоретическую характеристику МЪ, интегрированием: Имеются результаты п наблюдений случайной величины q… Читать ещё >
Вопросы и задания для повторения (реферат, курсовая, диплом, контрольная)
- 1. В чем состоит идея метода моментов при построении точечных оценок?
- 2. Какая функция называется функцией правдоподобия?
- 3. Сформулировать теорему метода максимального правдоподобия.
- 4. Что такое стохастическая связь между случайными величинами?
- 5. Когда можно использовать байесовское оценивание?
- 6. Какие статистики называются достаточными?
- 7. Сформулировать теорему факторизации.
Примеры решения задач
х2 X
_р 20 v >П.
Задача 12.1. Функция p*=(x) = 0, задает плот-
0, х<0,
ность распределения Рэлея случайной величины Ъ,. Оценить параметр 0 по выборке X], х2, …, хп.
Решение. Посмотрим, как меняется оценка при использовании различных моментов.
1. Воспользуемся математическим ожиданием М?. Приравняем первый начальный теоретический момент (математическое ожидание) первому выборочному начальному моменту (среднему значению):
Найдем выборочную характеристику х по выборке, а теоретическую характеристику МЪ, интегрированием:
так как, интегрируя по частям, можно получить.
Следовательно, J^ = x-
л 2х^
Из последнего уравнения находим оценку параметра 0: 0=-.
п
2. Используем второй начальный момент Mi2-. а2(0) = а2. Найдем Mi2:
1 п
Получим уравнение 20 = — из которого следует П (=1.
3. Построим оценку на основе дисперсии D^: р2 = S2.
Теоретическая величина дисперсии есть второй центральный момент:
что позволяет составить уравнение.
Его решение.
Таким образом, очевидно, что ММ-оценки 0 параметра 0 различны: 23с2 1 — 2 *.
-, —х2,-S2. Все они в соответствии с теоремой Слуцкого состоя;
л 2 4-л тельны, так как получены на основе начальных и центральных моментов. Что касается несмещенности, эффективности, асимптотической нормальности, требуются исследования.
Задача 12.2. По выборке хь х2,…, хп найти оценки параметров, а и, а нормального распределения методом максимального правдоподобия. Решение. Опираясь на плотность нормального распределения ^ О-а)2
р*(х)=—j=e 2а2 г при наличии результатов п испытанийх1; х2, …, х" сту2л выпишем логарифмическую функцию правдоподобия:
Найдем координаты критической точки, решив систему уравнений, получающихся приравниванием первых двух частных производных по неизвестным параметрам к нулю:
Для исследования критической точки на максимум составим матрицу из вторых производных и найдем значения элементов матрицы в критической точке:
Убедимся в том, что угловые миноры Мь М2 чередуются по знаку,, п _, 4п .
начиная с отрицательного: М1 = —— < О;М2 =—> 0, что говорит о нали;
а2 ст4
чии максимума. Оценки параметров, а и о есть координаты критической точки аист.
Задача 12.3. Методом максимального правдоподобия по выборке хх, х2, …, хп найти оценки параметров а и b равномерного распределения.
Решение. Условие теоремы 12.1 (п. 1) не выполнено. Исследование производной, возможно, не приведет к успеху, так как не выполнено одно из условий теоремы. Тем не менее составим функцию правдоподобия:
Элементы вариационного ряда разместим по возрастанию: xmin, xmax и учтем, что xmin > a, xmax < b. Анализ функции правдоподобия показывает, что с убыванием Ъ разность Ъ — а убывает и, следовательно, функция L растет, достигая наибольшего значения в точке bmin = = xmax. Аналогично при фиксированном b с ростом а функция L растет и достигает наибольшего значения в точке amax = xmin. Таким образом, оценками параметров а и b будут крайние члены вариационного ряда.
а ~ *min> ^ — *тах;
Задача 12.4. Случайная величина ?, распределена нормально с математическим ожиданием 0 и дисперсией а2. Собранная о величине 0 информация позволяет предположить, что она ведет себя как нормально распределенная случайная величина с нулевым математическим ожиданием и известной дисперсией о^:
Имеются результаты п наблюдений случайной величины q. Построить байесовскую оценку параметра 0.
Решение. Поскольку априорное распределение параметра 0 имеется, перейдем к нахождению функции максимального правдоподобия:
Вычислим числитель апостериорной плотности вероятностей, зависящий от 0:
В приведенном выражении рассмотрим отдельно обозначенный через а (0) показатель, разделив его числитель и знаменатель на а2 + па%
и введя обозначения а =™CG° = —и D2 = СТ°СТ = —g°: а2 + nag 1 + _aj_ a2+nag 1 + «^о.
na^ а2
Знаменатель апостериорной плотности вероятностей не зависит от 0, представляя собой вместе с другими константами нормирующий множитель. Поэтому апостериорное распределение с плотностью С 0-а)2
рт (01 х) ~ е 2D2 > аккумулирующее в себе как априорную, так и выборочную информацию о параметре 0, снова является нормальным со средним значением а и дисперсией D2. Соответственно, байесовская.
Л X
оценка параметра 0 определяется формулой 0Б =-— с дисперсией.
i+4.
по2
А Л.
D2 =-. С ростом п оценка 0Б приближается к оценке 0ММП = х пара;
1 + п*1
а2
метра 0, найденной по методу максимального правдоподобия.