Пред.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
1.5. ОДНОМЕРНЫЕ ВЫБОРКИ С ПРОПУСКАМИВозможно, простейшей структурой данных является одномерная случайная выборка с пропусками. Пусть у, означает значение признака У для нормальность распределения и хотим получить выводы о среднем, то можно оценить его выборочным средним по присутствующим значениям, а дисперсию оценить величиной Этот механизм пренебрежим для одномерной выборки, если пропуски случайны в том смысле, что наблюдаемые объекты являются случайной подвыборкой объектов выборки. Если вероятность того, что Пример 1.3. Случайное цензурирование одномерной нормальной выборки. Данные на рис. 1.1 показывают важность учета процесса, приводящего к пропускам. Рис. 1.1а представляет диаграмму «стебель с листьями» (stem and leaf), т. е. гистограмму, отражающую значение каждого наблюдения, выборки объема 100 из стандартного нормального распределения. Выборочное среднее — оценка среднего популяции (равного нулю) по этой выборке равна — 0,03. Рис. 1.16 представляет подвыборку, полученную из начальной выборки независимым исключением объектов с вероятностью 0,5. Вероятность исключения не зависит от значения у, следовательно, получаемая выборка объема Рис. 1.1в и 1.1 г иллюстрируют неигнорируемые механизмы пропусков. На рис. 1.1 в из начальной выборки удалены неотрицательные значения, т. е.
где Рис. 1.1 г отображает случайное цензурирование, когда вероятность присутствия (кликните для просмотра скана) Теперь предположим, что мы столкнулись с неполной выборкой такого типа, как на рис. 1.1 в или 1.1 г, и хотим оценить среднее популяции. Если способ цензурирования известен, применяются методы с введением поправок к средневыборочному, которые устраняют смещение, возникающее при формировании выборки. Эти методы обычно основаны на методе максимального правдоподобия. Если же способ цензурирования неизвестен, задача намного труднее. Принципиальным указанием на то, что механизм пропусков неигнорируем, является асимметрия наблюдаемой выборки, противоречащая предположению, что исходная выборка извлечена из (симметричного) нормального распределения. Если мы убеждены, что нецензурированная выборка имеет симметричное распределение, то можно использовать эту информацию для поправок на смещение, применяя, например, метод максимального правдоподобия. С другой стороны, если статистик плохо представляет себе форму нецензурированного распределения, то он не способен сказать, являются ли данные цензурированной выборкой из симметричного распределения или случайной подвыборкой из асимметричного распределения. В первом случае средневыборочное — смещенная оценка среднего популяции, во втором — несмещенная. Пример 1.4. Пример 1.3 в приложении к историческим данным о росте людей. Уочтер и Трасел [см. Wachter and Trussell (1982)] дают любопытную иллюстрацию этой задачи, связанную с оценкой роста людей в прошлом. Распределение роста в «исторических» популяциях представляет значительный интерес, поскольку несет информацию о питании, а, значит, косвенно и об уровне жизни. Большая часть информации содержится в данных о росте призывников в армию. Выборки цензурировались, поскольку часто использовались ограничения на минимальный рост. Ограничения соблюдались с различной строгостью в зависимости от наличия призывников и потребности в них. Поэтому типичное наблюдаемое распределение роста имеет вид незаштрихованной гистограммы на рис. 1.2, заимствованном из [Wachter and Trussell (1982)]. Заштрихованная область представляет рост людей, исключенных из выборки призывников. Она получена в предположении, что в нецензурированной выборке рост распределен нормально.
Рис. 1.2. Распределение роста: наблюдаемое распределение и распределение в популяции. Распределение в популяции нормально, наблюдаемое распределение представлено гистограммой. Заштрихованная область соответствует отсутствующим данным Авторы обсуждают методы оценивания среднего и дисперсии нецензурированного распределения при таком сильном предположении. Выводы для этого примера вполне справедливы, так как существуют убедительные свидетельства в пользу того, что в полной популяции распределение роста действительно близко к нормальному. Во многих других задачах с пропусками подобная информация недоступна или очень недостоверна. Как указано в гл. 11, чувствительность выводов по неполной выборке к предположениям, которые невозможно или трудно проверить, — основная проблема анализа данных с неизвестным механизмом порождения пропусков. Она может возникнуть, например, в выборочных обследованиях.
|
1 |
Оглавление
|