Определение точности оценок одномерных стационарных детерминированных параметров
В связи с тем, что наблюдения являются случайными величинами, функции наблюдений, используемыещля оценок параметров распределений, также представляют собой случайные величины, описываемые некоторыми законами распределений вероятностей.
Все рассмотренные выше оценки асимптотически нормальны, поэтому их точность при выборках большого объема можно характеризовать дисперсией. При выборках малого объема, когда отклоне-
Достаточная статистика: п Hz)=X *,■ /=1 Математическое ожидание: |
|
|||
|
|||
|
|
||
|
|||
|
|||
|
|||
|
|||
|
|||
|
|||
|
|||
|
|||
|
|||
|
|||
|
|||
|
|||
|
|||
|
1 |
2 |
3 |
4 |
5 |
||
Несмещенная оценка с равномерно-минимальной дисперсией п |
||||||
"-Її 2л /=1 |
||||||
2 а — неизвестно |
Оценка н. к. дисперсии: £ (zr £) „2 /=1Ч ‘ 0- п — 1 |
Система уравнений м. п.: п X (z,-M) = o, ® /-1 — ла2 + Х(г,-Л/)2 = 0 /=1 |
Достаточные статистики: /1 п гі(г) = Хг/; 7а»-Х^ Ы 1 /= 1 Математические ожидания: Л/[7’,(й] = л(Л/2 + а2) |
|||
Оценки м. п.: А |
М[Г2«] |
2ХЛ = п М + «а |
г |
|||
/= і |
Несмещенные оценки с равномерно-минимальными дисперсиями: и |
|||||
п о =- Хц—**) /=1 |
/=і |
|||||
А2 1 а =——- п-1 |
£<2-^ »=1 |
-Рь
to
1 |
2 |
3 |
4 |
5 |
Экспоненциальный закон распределения: Р(*/Я) = Хехр{-Ц}, л/[г,] = |-=е, D[z} = в2 |
Оценка н. к.: /=і |
Функция правдоподобия: / ч п (іп ‘ [ IXz/O)- е ехр — е W Уравнение м. п.: п X*, -У"1 = ° 6 0 Оценка м. п.: — 1 л /= 1 |
Достаточная статистика: п Ш = 1 Zj і= 1 Математическое ожидание: Mnz)] = nQ Несмещенная оценка с равномерно-минимальной дисперсией: а і л /= і |
1 |
2 |
3 |
4 |
5 |
Биномиальное распределение: ?(*/*) = #( 1-Д)1’*’ и? V |
Оценка н. к.: ЧІ*-7 /= 1 |
Функция правдоподобия: Пт/П>*>‘пА („-*)! Уравнение м. п.: т п-т R 1-Л" Оценка м. п.: Л = — л |
Функция правдоподобия: Л Р (m/л, Л) = exp т In—————- + 1 — Л V + л1п(1-Д) + 1п ‘ т! (л — т)! Достаточная статистика: lz) = m Математическое ожидание: M[l$]=nR Несмещенная оценка с равномерно-минимальной дисперсией: Я=2- п |
Применение непрерывных распределений
|
Экспоненциаль ное |
Частный случай гамма-распределения и распределения Вейбулла. |
Распределение времени безотказной работы сложных нерезервированных систем, времени использования комплектующих элементов, когда они подвергаются начальной приработке, а профилактическое обслуживание позволяет заменять элементы до их износа. |
|
Бета-распределе ние |
Основное распределение математической статистики для случайных величин, ограниченных с обеих сторон. Применяется при решении многих прикладных задач. |
Распределение доли совокупности, заключенной между наименьшим и наибольшим значениями выборки. Распределение суточного производства продукции, времени до завершения работ. |
Имеются таблицы значений интегральной функции распределения. Частными случаями являются равномерное, треугольное и параболическое распределения. |
Равномерное |
Частный случай бета-распреде — ления. Описывает вероятность того, что случайная величина находится в определенном интервале, когда эта вероятность пропорциональна длине интервала. |
Распределение систематической погрешности измерений, априорное распределение в задачах байесовского оценивания. |
Имеются таблицы равномерно распределенных случайных чисел. |
Логарифмически- нормальное |
Описывает распределение случайных величин, логарифм которых распределен по нормальному закону. Статистическая модель процессов, обусловленных большим числом мультипликативных ошибок. |
Распределение времени безотказной работы транзисторов некоторых типов, степени износа к определенному моменту времени. |
|
Вейбулла |
Распределение времени безотказной работы при самых разнообразных интенсивностях отказов. Распределение экспериментальных значений для минимальных элементов, взятых из п значений, имеющих распределение, ограниченное слева. |
Распределение времени безотказной работы конденсаторов, реле некоторых типов. |
Частными случаями являются рэлеевское и экспоненциальные распределения. |
Рэлеевское |
Распределение радиальной ошибки, когда ошибки по двум взаимно-перпендикулярным осям независимы и нормально распределены относительно нуля с одинаковыми дисперсиями. |
Распределение радикальной погрешности позиционирования станков ЧПУ и промышленных роботов (ПР). Амплитуда огибающей шума при использовании линейного детектора. |
Частный случай распределения Вейбулла. |
00
*
Коши |
Распределение отношения двух независимых нормированных нормальных случайных величин. |
Распределение отношения нормированных отсчетов шума. Распределение tg 4, когда q имеет равномерное распределение. |
Распределение не имеет конечных моментов. |
Экстремальных значений |
Предельная модель для распределения максимальных или минимальных значений, взятых из п случайных величин, имеющих распределение экспоненциального типа (нормальное, гамма-распределение и пр.). |
Распределение прочности на разрыв некоторых материалов, напряжения пробоя конденсаторов. |
Имеются таблицы значений интегральной функции распределения. |
ния от нормальности могут быть значительными, универсальной характеристикой точности является доверительный интервал такой, что
Р{®н — в — ®в} = У>
где 0Н, 0В — нижняя и верхняя доверительные границы; у — доверительная вероятность.
В табл. 10.3 приведены примеры определения точности оценок. Как следует из выражений, приведенных в таблице, использовать дисперсию в качестве характеристик точности целесообразно лишь при нормальном распределении с известной дисперсией, поскольку в остальных случаях дисперсия оценки оказывается зависимой от неизвестной оцениваемой величины. Доверительный интервал является универсальной характеристикой точности.