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
3.3. Оценка статистических характеристикКак определить статистические характеристики по некоторой заданной функции оценивания (а)Теоретический анализ. Как только процедура оценивания надлежащим образом определена, можно либо построить точное выборочное распределение, либо по крайней мере рассчитать некоторые его характеристики, такие, как среднее (математическое ожидание) и дисперсию. Практически подобный анализ можновыполнить лишь для линейных моделей (см. приложение Д) или применительно к асимптотическому распределению, когда объем выборки безгранично растет. К сожалению, в большинстве обычных ситуаций, т. е. при нелинейной модели и среднем объеме выборки, вопрос остается открытым. (б) Дублирование экспериментов. Если мы повторим весь набор экспериментов много раз и применим нашу процедуру оцениваний ко всем наборам данных по очереди, то наши оценки образуют большую выборку, извлеченную из выборочного распределения. Эту выборку можно использовать для оценки среднего, дисперсии и других характеристик выборочного распределения. Процедура имеет некоторые весьма серьезные недостатки. Во-первых, она достаточно дорогая, ибо требует проведения очень большого числа экспериментов (в) Численное моделирование (метод Монте-Карло). Возражения против метода дублирования экспериментов снимаются, если эксперименты моделируются на компьютере, а не выполняются «а реальной физической системе. Моделирование на компьютере серий экспериментов будем выполнять следующим образом. 1. Определим нашу систему с помощью уравнений модели, вероятностного распределения ошибок и, если необходимо, априорного распределения оценок. Придадим «истинные значения 2. Припишем «истинные» значения переменным в 3. Используем компьютер для генерирования набора ошибок Добавим теперь полученные значения ошибок к величинам 4. Теперь процедура оценивания применяется к данным, генерированным с помощью компьютера, так же как мы применяли бы ее к результатам реального эксперимента. В итоге получим оценки параметров 5. Продублируем серии экспериментов многократно, повторяя пункты 3 и 4 всякий раз с новой выборкой ошибок. 6. Соответствующие характеристики выборочного распределения получаются усреднением по всем дублированным сериям экспериментов. Пусть
а ковариационная матрица распределения — формулой
Естественно, что эти формулы справедливы также и тогда, когда эксперименты реальны, а не смоделированы. Смещение
Гибкость метода статистического моделирования безгранична. Мы можем оценить характеристики выборочного распределения для любой модели и для любых значений ее параметров. Мы можем определить, каково влияние ошибок в задании вида модели, используя при оценивании модель, слегка отличающуюся от той, которую мы задавали в генераторе данных. Мы можем получить меру робастности оценки, если ошибки взяты из распределения, отличного от предполагаемого в процедуре оценивания. Можно также сравнивать выборочные распределения с полученными теоретически аппроксимациями (см. главу VII). Все это можно проделать на современном компьютере при затратах времени и средств, несоизмеримо меньших, чем затраты на физические эксперименты. Результаты исследований методом Монте-Карло приведены в разделе 7.22.
|
1 |
Оглавление
|