Смекни!
smekni.com

Парадокси в математичній статистиці (стр. 5 из 22)

Виразимо з цієї системи параметри

:

,

,

,

,

.

Отже МНК - оцінками параметрів

є

,

.

Розділ ІІ. Парадокси в математичній статистиці

2.1 Парадокс оцінок математичного сподівання

2.1.1 Історія парадоксу

Зрівнювання протилежних значень і відхилень в "середньому", тобто підсумовування спостережень до одного значення має давні традиції. Есхіл писав у трагедії "Евменіди": "Богу завжди середина люб'язна, і міру поважає божество", а послідовники китайського філософа Конфуція говорять, що "у нерухомості середнього є найбільша досконалість". Поняття "середнього" можна інтерпретувати в різний спосіб (середнє арифметичне, середнє геометричне, медіана і т. ін). Але у практичних застосуваннях протягом тривалого часу вкрай важливу роль відігравало середнє арифметичне. Вже в перших результатах теорії ймовірностей і математичної статистики вивчалося середнє арифметичне вибірки.

2.1.2 Парадокс

Нехай

- реалізація вибірки
з розподілу
. Розподіл
залежить від параметра
, що набуває значень з деякої множини можливих значень
. Значення параметра
в розподілі
невідомо, і його необхідно оцінити за реалізацією
вибірки
.

Якщо за розподіл

обрати нормальний розподіл
, то оцінка

незміщена, спроможна, ефективна оцінка для параметра

. Для розподілу ж
, відмінного від нормального, оцінка
не є незміщеною оцінкою з найменшою дисперсією.

У цьому і полягає парадокс оцінки математичного сподівання.

2.1.3 Пояснення парадоксу

Нехай

- вибірка з нормального розподілу з параметрами
. Порахуємо математичне сподівання оцінки
:

тому

- незміщена оцінка для параметра
.

З’ясуємо, чи є

спроможною оцінкою параметра
, тобто чи збігається
за ймовірністю до
. Для досить малих
маємо:

в силу закону великих чисел. Останнє означає, що

є спроможною оцінкою параметра
.

Покажемо, що

незміщена оцінка з найменшою дисперсією:

.

Умова обертання нерівності Крамера - Рао (дивитися підрозділ 1.2) в рівність говорить, що якщо статистика

, така, що

де

- щільність розподілу вибірки
, то
- незміщена й ефективна оцінка параметра
.

Обчислимо

:

=
= =
=

=

= =
=

=

=
=
=

=

=
,

тому

- ефективна оцінка для параметра
.

Розглянемо сім’ю розподілів

на
, які залежать від параметра
і задаються щільністю
,
.

Кількість інформації за Фішером визначимо

. (2.1.3.1)

За умов, що

ми вважаємо, що підінтегральний вираз дорівнює нулеві. Отже,

Теорема 2.1.3.1 (Каган, Лінник, Рао) [1] У класі щільностей

,
зі скінченою дисперсією
, що задовольняють умови

1.

- неперервно-диференційована функція. (2.1.3.2)

2.

при
(2.1.3.3)

нерівність Крамера-Рао обертається на рівність на гауссівському розподілі.

Доведення. Будемо вважати, що

Позначимо множину точок

, для яких
через
.

Оскільки

неперервна, то
- відкрита множина, і отже,
можна подати як об’єднання відкритих інтервалів, що не перетинаються:

.

Інтегрування за частинами дає

,