Оценка математического ожидания выборки
Оценка математического ожидания выборкиСкачать файл - Оценка математического ожидания выборки
Точечные оценки математического ожидания. Точечная оценка вероятности события. Точечная оценка параметров равномерного распределения. Значение оценки меняется от выборки к выборке и, значит, есть случайная величина. В большинстве экспериментов значение этой случайной величины близки к значению оцениваемого параметра, если для любого значения n математическое ожидание величины равно истинному значению параметра, то оценки , удовлетворяющие условию называются несмещенными. Несмещенность оценки означает, что эта оценка не несет в себе систематической ошибки. Таким образом, с ростом объема выборки увеличивается точность результата. Построим несколько оценок неизвестного параметра. Если , то , то есть рассматриваемая оценка является несмещенной оценкой. Но, поскольку значение вообще не зависит от объема выборки n, то оценка не является состоятельной. Эффективной оценкой математического ожидания нормально распределенной случайной величины является оценка. Впредь для оценки неивестного математического ожидания случайной величины будем использовать выборочное среднее, т. Существуют стандартные регулярные методы получения оценок неизвестных параметров распределения. Наиболее известные из них: Доказано, что эта оценка состоятельная, но смещенная. Заметим, что Mathcad предлагает в качестве оценки дисперсии величину , а не s 2: Прочитайте с диска файл, содержащий выборочные значения, или введите заданную выборку с клавиатуры. Для выборки, заданной таблицей такого типа приведено выборочное значение и число, указывающее, сколько раз это значение встречается в выборке , формулы для состоятельных несмещенных оценок математического ожидания и дисперсии имеют вид:. Фрагмент рабочего документа Mathcad с вычислениями точечных оценок приведен ниже. Из приведенных вычислений видно, что смещенная оценка дает заниженное значение оценки дисперсии. Если событие А в серии из n независимых испытаний произошло. Выясним свойства предлагаемой оценки. Для испытаний Бернулли справедлива теорема Бернулли, согласно которой , то есть оценка p состоятельная. Доказано, что эта оценка эффективна, так как обладает при прочих равных условиях минимальной дисперсией. Представьте результаты вычислений графически. Поскольку значением функции является вектор , число успехов в серии n независимых испытаний с вероятностью успеха p в каждом испытании содержится в первой компоненте вектора rbinom 1, n , p , то есть число успехов равно rbinom 1, n , p. Обратимся еще к одному поучительному примеру. Наша задача — оценить этот неизвестный параметр. Рассмотрим один из возможных способов построения требуемой оценки. Найдем распределение случайной величины:. Тогда математическое ожидание и дисперсия случайной величины. Главная Опубликовать работу О сайте. Сохрани ссылку на реферат в одной из сетей: Эффективной оценкой математического ожидания нормально распределенной случайной величины является оценка Впредь для оценки неивестного математического ожидания случайной величины будем использовать выборочное среднее, т. Порядок выполнения задания Прочитайте с диска файл, содержащий выборочные значения, или введите заданную выборку с клавиатуры. Если событие А в серии из n независимых испытаний произошло m раз, то оценку величины p предлагается вычислять по формуле. Порядок выполнения задания 1. Точечная оценка параметров равномерного распределения Обратимся еще к одному поучительному примеру. Найдем распределение случайной величины: Тогда математическое ожидание и дисперсия случайной величины с распределением равны соответственно:
Точечная оценка и ее свойства
Статистика и эконометрика Эконометрика онлайн Теория вероятностей и математическая статистика Ошибка аппроксимации Коэффициент эластичности Критерий Стьюдента Критерий Фишера Метод наименьших квадратов Шкала Чеддока Уравнение линейной регрессии Статистические функции в Excel. Статистика онлайн Расчет моды и медианы Коэффициент корреляции Пирсона Децили Квартили Проверка гипотезы о виде распределения Проверка гипотезы о равенстве дисперсий Критерий Манна-Уитни Однофакторный дисперсионный анализ Двухфакторный дисперсионный анализ Доверительный интервал. Метод последовательных уступок Алгоритм Франка-Вульфа Критерий Вилкоксона Ранжирование данных Метод анализа иерархий Метод идеальной точки Метод непосредственной линеаризации Метод условного градиента. Расчет моды и медианы Децили Квартили. Проверка гипотезы Корреляционная таблица Группировка данных. Показатели вариации Доверительный интервал Точечная оценка и ее свойства.
Интервальная оценка
Виды плана в литературном чтении