Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Парадокс оцінок математичного сподівання. ⇐ ПредыдущаяСтр 7 из 7
Парадокс. Нехай - реалізація вибірки з розподілу . Розподіл залежить від параметра , де - математичне сподівання розподілу . 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. Пояснимо парадокс. Розглянемо сім’ю розподілів на , які залежать від параметра і задаються щільністю . Кількість інформації за Фішером має вигляд:
(1)
За умов, що щільність ми вважаємо, що підінтегральний вираз дорівнює нулю. Отже формула (1) перепишеться у вигляді:
(2)
В 1965 роціКаган, Ліннік та Раосформулювали теорему, згідно з якою у класі щільностей , зі скінченою дисперсією , які задовольняють умови 1. - неперервно - диференційовна функція.2. при , нерівність Крамера-Рао
обертається на рівність на гауссівському розподілі. Доведення. Будемо вважати, що середне значення розподілу дорівнює нулеві. Позначимо через множину точок , для яких щільність додатна. Інтеграл по множині від х помножене на похідну від щільності дорівнює - 1:
.
Користуючись нерівністю Коші - Буняковського для інтегралів здобуваємо нерівність
, (3)
при цьому знак рівності досягається тоді й тільки тоді, коли справедлива формула
(4)
Розв’язуючи диференціальне рівняння (4), знайдемо щільність
. (5)
Для знаходження сталих скористаємося тим, що 1) - інтеграл від щільності дорівнює 1,2) - середнє дорівнює 0 та 3) - дисперсія скінчена й дорівнює . Отже, маємо щільність нормального розподілу з параметрами :
.
Теорема доведена. Отже парадокс показує, що за виключенням нормального розподілу, середнє арифметичне вибірки не є незміщеною оцінкою з найменшою дисперсією для математичного сподівання розподілу . Парадокс оцінок дисперсії. Історія парадоксу. Найважливішою характеристикою випадкових величин і їх розподілів разом з математичним сподіванням є дисперсія.
Нехай вибірка з розподілу . Якщо дисперсія розподілу скінченна, то при відомому математичному сподіванні розподілу вибіркова дисперсія дорівнює виразу
і є незміщеною оцінкою дисперсії . Ситуація змінюється, коли математичне сподівання розподілу невідоме і в якості оцінки математичного сподівання розглядається
.
Тоді вибіркова дисперсія
вже не є незміщеною оцінкою. Оцінка є асимптотично незміщеною оцінкою для . Оскільки незміщеність - одна з необхідних властивостей, яку повинна мати добра оцінка, змінимо оцінку так, щоб отримати незміщену оцінку для .
.
Оцінка незміщена оцінка для . Проте парадокс оцінок дисперсії показує, що не завжди треба обмежуватися розглядом лише незміщених оцінок. Інколи оцінка з малим зсувом і малою мірою розкиду значень оцінки краща незміщеної оцінки з великою дисперсією. Парадокс. Нехай - вибірка з нормального розподілу з параметрами . Оцінка
незміщена оцінка для , а оцінка
для така, що міра розкиду оцінки відносно мінімальна. Вимога незміщеності і мінімуму міри розкиду приводять до різних оцінок. Треба дізнатися якій з оцінок віддати перевагу. Пояснимо парадокс. Розглянемо клас оцінок
.
Математичне сподівання оцінок дорівнює
.
Тобто в класі оцінок існує єдина незміщена оцінка , яка відповідає і ця оцінка є :
. (1)
Міра розсіювання оцінок відносно обчислюється за формулою:
. (2)
Позначимо через функцію параметра
. (3)
Знайдемо , при якому досягає найменшого значення. Це значення
. (4)
При цьому має вигляд:
. (5)
Одержуємо нерівність (6). Міра розсіювання оцінки відносно менша ніж міра розсіювання оцінки відносно .
. (6)
Таким чином, на підставі вимоги мінімуму міри розсіювання оцінки зміщена оцінка
,
зміщення якої
(7)
мале при чималому об'ємі вибірки , краще оцінює дисперсію , чим незміщена оцінка . Цей парадокс показує, що не може бути єдиного критерію, за яким необхідно порівнювати всі оцінки, як не існує єдиної оцінки даного параметра , яка прийнятна для всіх випадків.
Зауважимо. Вибіркова дисперсія
при відомому математичному сподіванні - ефективна оцінка для . Оцінка не є ефективною оцінкою для . Ефективної оцінки для (при невідомому математичному сподіванні) не існує, тобто ні для якої незміщеної оцінки параметра нерівність Крамера - Рао не обертається в рівність. Парадокс Байєса. Історія парадоксу. Теорема Томас Байєс, доведена близько 1750 р. і опублікована лише після смерті автора, стала джерелом суперечок в статистиці. Вони не припинилися й досі. Сформулюємо теорему Байєса. Нехай події , утворюють повну групу подій. Тоді для будь-якої події умовна ймовірність події відносно рахується за формулою
(1)
Формула Байєса дозволяє за апріорними ймовірностями подій знайти апостеріорні ймовірності подій . В більшості її застосувань апріорні імовірності невідомі. В цьому випадку вважають, що, оскільки відсутня попередня інформація про події , то усі ймовірності рівні, але такий підхід, взагалі кажучи, неприйнятний. Байєс використовував свою теорему у випадках, коли апріорні імовірності були випадковими величинами, зокрема, рівномірно розподіленими на . Нехай - випадкова величина рівномірно розподілена на .
.
Вважаємо, що щільність апріорна. Позначимо через - подію, яка полягає у тому, що "в випробовуваннях Бернуллі подія відбулась разів", при цьому ймовірність події дорівнює . Тоді умовна ймовірність події за умов, що набуло значення має вигляд
. (2)
А умовна щільність випадкової величини перепишеться у вигляді
. (3)
І вона є апостеріорною щільністю. Імовірність того, що рахується за формулою
. (4)
Наприклад, якщо , , , , то імовірність того, що більше , дорівнює :
Не всі довіряють цьому результату, зокрема, тому, що мають сумніви щодо рівномірності апріорного розподілу. Парадокс. Нехай можливими значеннями випадкової величини є цілі числа. Припустимо, що ймовірнісний розподіл залежить від параметру . Якщо вибірка здобута з невідомого розподілу , то послідовність апостеріорних розподілів при збільшенні числа спостережень концентрується навколо істинного значення невідомого параметра .
(5)
Оцінка параметра обирається виходячи з максимуму апостеріорної щільності, тобто
. (6)
Парадоксально, але це не завжди вірно. Наприклад, істинне значення параметра може дорівнювати , а послідовність апостеріорних розподілів все більше зосереджується, наприклад, біля . Пояснення парадоксу. Нехай апріорний розподіл параметра рівномірний на відрізку
~ . (7)
Визначимо функцію на цьому відрізку таким чином. Визначимо функцію на цьому відрізку таким чином, що значеннями завжди є натуральні числа, за виключенням точок та , де :
(8)
Нехай розподіл випадкової величини (який залежить від ) має вигляд
, (9)
де знаходиться з рівності
. (10)
При відповідному виборі вказана вище парадоксальна ситуація здійснена.
|
||||||
Последнее изменение этой страницы: 2021-08-16; просмотров: 57; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 13.58.82.79 (0.065 с.) |