Пред.
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
3.2. Свойства выборочного распределенияЕстественно, что желательно иметь такую оценку, чтобы ее выборочное распределение концентрировалось вблизи истинных значений параметров. Формально мы определяем следующие свойства оценок. (а) Смещение оценки есть разность между математическим ожиданием оценки и истинным значением параметра, т. е. (б) в то время как смещение является мерой «систематической» ошибки оценки, дисперсия отражает ее случайную ошибку. Теорема Рао-Крамера (см. приложение В) устанавливает теоретическую нижнюю границу для ковариационной матрицы оценок. Из
Определим также матрицу
Теорема утверждает, что матрица —
Доказательство приведено в приложении В. Матрица Так как диагональные элементы положительно-полуопределенной матрицы должны быть неотрицательными, для дисперсии каждого имеем
знак равенства имеет место лишь при соблюдении равенства Оценка называется эффективной, если ее дисперсия принимает наименьшее теоретически возможное значение, т. е. когда
Если оценка не смещена,
В примере раздела 3.1 мы имели несмещенную оценку единственного параметра
отсюда
а
Теперь положим, что переменные
и
В этом случае, следовательно,
так что равенство Так же, как и несмещенность, эффективность оценок может достигаться лишь для малого класса относительно простых моделей. Следует указать, что в некоторых случаях, хотя и (в) В то время как несмещенные и эффективные оценки, вообще говоря, невозможно найти по выборкам конечного объема, ситуация резко меняется, когда число экспериментов безгранично растет. При этом условии получаемые значения многих оценок с вероятностью единица стремятся к истинным значениям параметров. Такие оценки назовем состоятельными, или асимптотически несмещенными. Дисперсии большинства оценок, с которыми нам придется иметь дело, стремятся к нулю, как (г) Как состоятельную оценку асимптотически эффективной, если с вероятностью единица
(д) Наш разговор о критериях оценивания был бы неполным без упоминания о достаточных статистиках. Статистикой
В частности, любая оценка
Но из определения условной вероятности имеем
Полагая, что
Логарифмируя и дифференцируя обе части но
Для примера раздела 3.1 имеем
что представляет собой (3.2-17) Оценка, являющаяся функцией достаточной статистики, есть достаточная оценка. В нашем примере Полагая, что
Сравнение уравнений (е) Значение оценки обычно зависит от предполагаемого нами вида распределения вероятностей. Мы редко знаем закон распределения, и обычно нам приходится довольствоваться, некоторой весьма грубой его аппроксимацией. Поэтому желательно, чтобы наша оценка была робастной, т.е. чтобы она слабо менялась при незначительных изменениях вида предполагаемого распределения. (ж) Выбор параметров модели часто бывает произвольным. Мы можем заменить первоначальные параметры фдругим набором параметров Малое распространение будет иметь процедура оценивания, которая не может быть реализована на доступных исследователю компьютерах. С практической точки зрения более предпочтительна оценка, которую легко вычислить, по сравнению с оценкой, более эффективной статистически, но требующей выполнения чрезмерно трудоемких вычислений. Другими словами, сторонник теории статистических решений должен сконструировать такую функцию стоимости, которая зависит не только от ошибки оценки, но и от стоимости ее вычисления. и) Линейная оценка — это оценка, являющаяся линейной функцией данных, т. е.
Хорошие линейные оценки, позволяющие описывать широкий диапазон изменения данных, можно найти лишь в случае, когда сама модель линейна по параметрам. Среди перечисленных выше свойств наиболее важными в практическом отношении являются малое смещение, малая дисперсия, робастность и малый объем необходимых вычислений. Мерой точности оценки и близости ее к истинному значению служит среднеквадратическая ошибка по отношению к истинному, а не среднему значению. Легко проверить, что
где b - смещение оценки. Среднеквадратическая ошибка оценки В идеале мы бы
|
1 |
Оглавление
|