Рис. 2.1.1. Графік щільності рівномірного розподілу на [а;b]
Тому до проведення стохастичного експерименту оцінка щільності має вигляд
f*(x)= f0 (x).(2.1.4)
Функцію f0(x) називатимемо апріорною щільністю розподілу.
Проводиться стохастичний експеримент, результатом якого є реалізація
вибірки . Поява реалізацій дає можливість уточнити оцінку (2.1.4). Останнє здійснюється шляхом індивідуального підходу до кожної окремої реалізації вибірки , при якому їй приписується елементарна рівномірна щільність на відрізку :Функцію
називають функцією внеску реалізації , при цьому d – ширина функції внеску, .Функція внеску задається симетрично відносно точки
на інтервалі довжини d (див. рис. 2.1.2), отже, інформація про випадкову величину , одержана від реалізації "розмазується".Рис. 2.1.2. Графік і-тої функції внеску
Тоді оцінка щільності
знаходиться підсумовуванням апріорної щільності та всіх внесків реалізацій вибірки з однією й тією ж вагою : (2.1.6)Рис. 2.1.3. Графік оцінки щільності
При побудові оцінки щільності МПВ за формулою (2.1.6) для внесків, що виходять за одну з меж інтервалу [а; b], рекомендується відкидати частини, що виходять за ці межі. Над частиною внеску, що знаходиться всередині інтервалу [а; b], як над основою, слід рівномірно надбудовувати прямокутник, площа якого дорівнює відкинутій.
Оцінка функції розподілу F*(x) для МПВ знайдена інтегруванням щільності f*(x)
(2.1.7)2.2 Метод зменшення невизначеності (МЗН)
Метод зменшення невизначеності був запропонований Єременко В.І. та Свердликом А.Н. в 1963 році [5].
Цей метод дозволяє побудувати оцінку функції розподілу при апріорно відомому інтервалі [a,b], на якому вибірка
набуває значень. На відміну від МПВ, в якому інформація від реалізації "розмазується" рівномірно на відрізку , в МЗН пропонується "розподілити рівномірно стрибок імовірностей в точці та розповсюдити вплив вказаного перетворення на весь відрізок ".Розглянемо рисунок 2.2.1, на якому за трьома реалізаціями
побудована оцінка F*(x). Для її знаходження необхідно на інтервалі [a,b] нанести на графік похилі лінії, число яких дорівнює (n+1)=4, під кутом (2.2.1)до вісі абсцис на однаковій відстані одна від одної, яка дорівнює величині
. Далі будується ламана лінія від точки (a;0) до точки (b;1) через середини відрізків, перпендикулярних вісі абсцис, що відновлені в точках та замкнених між похилими лініями. Дана ламана лінія і є шуканою оцінкою F*(x).Рис. 2.2.1. Графік оцінки функції розподілу
В загальному вигляді вираз для оцінки F*(x) на відрізку
такий: (2.2.2) (2.2.3)де
– число випадків збігу реалізацій .МЗН є частинним випадком МПВ. Це легко перевірити. Для цього необхідно від оцінки функції розподілу F*(x) перейти до оцінки щільності f*(x). На рис. 2.2.2. зображена перша похідна від оцінки F*(x) за аргументом х, яка є нічим іншим, як оцінкою щільності f*(x). З рисунка 2.2.2, на якому цифри всередині прямокутників означають їх площі, видно, що f*(x) складається з:
1) апріорної рівномірної щільності
, яка займає 25% площі оцінки f*(x), та 2) трьох функцій внеску несиметричної форми, які займають по 25% площі оцінки f*(x).Рис. 2.2.2. Графік оцінки щільності f*(x) розподілу
Аналітично функцію внеску реалізації
можна записати так: (2.2.4)де при
реалізація , а при реалізація .Оцінка f*(x) знаходиться підсумовуванням всіх вказаних компонент
з вагами . Отже, вираз для МПВ визначає оцінку f*(x) для МЗН. Відміна лише в тому, що прямокутний внесок перетворений у внесок східчастої форми, що складається з двох прямокутників з рівною площею.Така заміна дозволяє досить легко будувати оцінку функції розподілу.
2.3 Метод апріорно-емпіричних функцій (АЕФ)
Метод апріорно-емпіричних функцій був запропонований Демковим І.П. та Потепун В.Е. в 1970 році [6].
Метод апріорно-емпіричних функцій дозволяє відразу отримати оцінку функції розподілу
.Оцінка, побудована методом апріорно-емпіричних функцій, визначається так:
,(2.3.1)де
– апріорний розподіл, побудований за апріорними даними; – емпіричний розподіл, побудований за вибіркою ; – коефіцієнт достовірності інформації про апріорний розподіл.З формули (2.3.1) випливає, що метод апріорно-емпіричних функцій також базується на використанні апріорної інформації, яка представляє собою інтервал [a,b], але при цьому їй приписується деяка вага
та передбачається, що (2.3.2) (2.3.3)