Точечное оценивание параметров распределений случайных величин

Содержание

Слайд 2

7.1. Основные понятия, определения и критерии точечного оценивания
Пусть наблюдается СВ Х с

7.1. Основные понятия, определения и критерии точечного оценивания Пусть наблюдается СВ Х
функцией распределения F(x) и плотностью распределения f(х).
Случайная выборка измерения представлена вектором Xn=(X1, …, Xn) с реализацией хn=(х1, …, хn).

Слайд 3


Будем предполагать, что законы распределения элементов выборки Хi совпадают с законом распределения

Будем предполагать, что законы распределения элементов выборки Хi совпадают с законом распределения
наблюдаемой случайной величины, а закон распределения случайного вектора Xn=(X1, …, Xn) может быть найден по формулам теории вероятностей.

Слайд 7

состоятельность, несмещенность, эффективность, достаточность и робастность.
Если все эти свойства обеспечить не удается,

состоятельность, несмещенность, эффективность, достаточность и робастность. Если все эти свойства обеспечить не
то ограничиваются удовлетворением хотя бы какой-то их части.
Состоятельность оценки – это сходимость ее по вероятности к оцениваемому параметру при n→ ∞.

Слайд 14

7.2. Точечные оценки математического ожидания и дисперсии

Пусть имеется случайная величина X с математическим

7.2. Точечные оценки математического ожидания и дисперсии Пусть имеется случайная величина X
ожиданием m и дисперсией D; оба параметра неизвестны.

Слайд 29

7.3. Методы получения оценок параметров распределения

7.3. Методы получения оценок параметров распределения

Слайд 30

Часто на практике на основании анализа физического механизма, порождающего случайную величину X,

Часто на практике на основании анализа физического механизма, порождающего случайную величину X,
можно сделать вывод о законе распределения этой случайной величины. Однако параметры этого распределения неизвестны, и их необходимо оценить по результатам эксперимента, обычно представленных в виде конечной выборки x1, x2,…xn. Для решения такой задачи чаще всего применяются два метода: метод моментов и метод максимального правдоподобия.

Слайд 31

7.3.1. Метод моментов

 

7.3.1. Метод моментов

Слайд 36


Метод моментов отличается простотой и не требует сложных вычислений, но полученные этим

Метод моментов отличается простотой и не требует сложных вычислений, но полученные этим
методом оценки часто являются неэффективными.

Слайд 37

7.3.2. Метод максимума правдоподобия

Метод максимального правдоподобия точечной оценки неизвестных параметров распределения сводится

7.3.2. Метод максимума правдоподобия Метод максимального правдоподобия точечной оценки неизвестных параметров распределения
к отысканию максимума функции одного или нескольких оцениваемых параметров.
Пусть X– непрерывная случайная величина, которая в результате n испытаний приняла значения x1, x2, … xn.
Имя файла: Точечное-оценивание-параметров-распределений-случайных-величин.pptx
Количество просмотров: 45
Количество скачиваний: 0