8.2. Точкові та інтервальні оцінки параметрів розподілу
Повною характеристикою випадкової величини – ознаки генеральної сукупності є її закон розподілу. Для його встановлення дослідними методами потрібні певні затрати ресурсів і часу. Однак часто є підстави вважати, що той чи інший закон розподілу є відомий (наприклад: пуассонівський, нормальний, показниковий тощо). Але щоб конкретизувати цей закон, потрібно знати його параметри, які називають параметрами розподілу. Зокрема для нормального закону розподілу параметрами є а і , для пуассонівського – , для показникового – і т. д.
Отже, вивчаючи певну ознаку Х генеральної сукупності, ми можемо знати характер закону розподілу випадкової величини Х, але параметри цього закону залишаються невідомими. Тоді виникає задача: на основі одержаної вибірки з генеральної сукупності визначити наближені числові значення невідомих параметрів розподілу. Такі наближені числові значення параметрів розподілу називають їхніми точковими статистичними оцінками, або просто точковими оцінками.
Означення. Статистичною оцінкою невідомого параметра випадкової величини Х генеральної сукупності називають функцію від випадкових величин (результатів вибірки), що спостерігається.
Щоб статистичні оцінки давали найкращі наближення параметрів, вони повинні задовольняти певним вимогам. Розглянемо ці вимоги.
Нехай є статистична оцінка невідомого параметра теоретичного розподілу.
Припустимо, що за вибіркою об’єму n знайдена оцінка . При інших вибірках того ж об’єму одержимо деякі інші оцінки Саме оцінку можна розглядати, як випадкову величину, а числа , як її можливі значення.
Якщо числа k=1,2, …,m будуть більші значення , тоді оцінка дає наближене значення з надлишком. У цьому випадку математичне сподівання випадкової величини буде більше , М( )> .
Якщо дає оцінку з недостачею, тоді М( )< .
Таким чином, використання статистичної оцінки, математичне сподівання якої не дорівнює параметру , приводить до систематичних похибок.
Вимога М( )= застерігає від систематичних похибок.
Статистичні оцінки класифікують за такими ознаками:
Означення. Статистичну оцінку θ* параметра θ називають незміщеною, якщо М(θ*)=θ. Зміщеною будемо називати статистичну оцінку, для якої М(θ*)≠θ.
Означення. Ефективною називають статистичну θ* оцінку, яка при заданому обсязі вибірки п має найменшу дисперсію.
Якщо розглядати вибірки великого обсягу, то до статистичних оцінок висувається вимога змістовності.
Означення. Змістовною називають статистичну оцінку, яка при п→∞ прямує за ймовірністю до параметру, що оцінюється.
Прикладом змістовної оцінки можуть слугувати закони великих чисел, наприклад, теорема Бернуллі.
Статистичні оцінки можна поділити на точкові та інтервальні.
Означення. Точковою називають оцінку, яка визначається одним числом.
Наприклад, вибіркова середня, вибіркова дисперсія – точкові оцінки відповідних числових характеристик генеральної сукупності.
- Модульний план
- Розподіл балів за виконані роботи
- Критерії оцінювання знань, вмінь та навичок студентів Лекційні заняття
- Оцінювання самостійної та індивідуальної роботи
- Модуль і. Теорія ймовірностей Змістовний модуль 1. Теоретичні основи теорії ймовірностей та комбінаторики
- Тема 1. Основні поняття теорії ймовірностей
- 1.1. Поняття "випробування" та "подія". Предмет теорії ймовірностей. Коротка історична довідка.
- Класифікація випадкових подій
- Алгебра випадкових подій
- Властивості операцій над подіями
- Запитання для самоконтролю
- Тема 2. Основні поняття та принципи комбінаторики
- Сполуки без повторень елементів
- Сполуки з повторенням елементів
- Основні принципи комбінаторики
- Запитання для самоконтролю
- Тема 3. Ймовірність подій. Основні теореми теорії ймовірностей
- Класичне означення ймовірності
- Властивості ймовірності
- 3.2. Відносна частота. Статистичне означення ймовірності.
- 3.3. Геометричне означення ймовірності
- Залежні та незалежні події. Умовна ймовірність. Теореми множення ймовірностей.
- Теорема множення ймовірностей залежних подій
- 3.5. Теореми додавання ймовірностей Теорема додавання ймовірностей несумісних подій
- 3.6. Ймовірність настання хоча б однієї події
- Теорема
- Запитання для самоконтролю
- Тема 4. Формула повної ймовірності. Формула Бейєса.
- 4.1. Формула повної ймовірності
- 4.2. Формула Бейєса
- Запитання для самоконтролю
- Тема 5. Послідовні незалежні випробування
- 5.1.Схема повторних незалежних випробувань Бернуллі.
- 5.2. Граничні теореми у схемі Бернуллі
- 5.3. Ймовірність відхилення відносної частоти від сталої ймовірності в незалежних випробуваннях
- Запитання для самоконтролю
- Практичні заняття Практичне заняття №1
- Практичне заняття №2
- Практичне заняття №3
- Практичне заняття №4
- Практичне заняття №5
- Самостійна робота
- Рівень а
- Рівень б
- Рівень в
- Рівень а
- Рівень б
- Рівень в
- Теми рефератів
- Задачі для самоперевірки
- Змістовний модуль 2. Випадкові величини
- Тема 6. Види випадкових величин та способи їх задання
- 6.1. Поняття випадкової величини. Закони розподілу випадкових величин.
- 6.1.1. Дискретні випадкові величини
- Біноміальний розподіл
- Геометричний розподіл
- Числові характеристики двв
- 6.1.2. Неперервні випадкові величини. Щільність розподілу.
- Основні закони розподілу неперервних величин
- Рівномірний розподіл
- Показниковий розподіл
- Нормальний розподіл
- Числові характеристики ннв
- Правило трьох сигм
- 6.2. Закон великих чисел та центральна гранична теорема
- Теорема
- Запитання для самоконтролю
- Практичны заняття Практичне заняття №6
- Практичне заняття №9
- Самостійна робота
- Числові характеристики основних розподілів
- Рівень а
- Рівень б
- Рівень в
- Задача 1
- Задача 2
- 10. Неперервна випадкова величина задана інтегральною функцією розподілу:
- Задачі для самоконтролю
- Модуль іі. Математична статистика Змістовний модуль 3. Теоретичні основи математичної статистики
- Тема 7. Предмет та задачі математичної статистики
- Види та способи відбору
- Первинна обробка даних
- Згрупований розподіл накопиченої частоти
- Розподіл щільності частоти і щільності відносної частоти
- Емпірична функція розподілу
- Властивості емпіричної функції розподілу
- Запитання для самоконтролю
- Тема 8. Статистичні оцінки параметрів розподілу
- 8.1. Числові характеристики статистичного розподілу
- Алгоритм методу добутків
- 8.2. Точкові та інтервальні оцінки параметрів розподілу
- Точкова оцінка математичного сподівання
- Точкова оцінка дисперсії. Виправлена дисперсія
- Інтервальні оцінки для математичного сподівання
- Знаходження об’єму вибірки
- Запитання для самоконтролю
- Практичні заняття Практичне заняття №10
- Практичне заняття №11
- Практичне заняття №12-13
- Практичне заняття №14
- Самостійна робота
- Змістовний модуль 4. Статистична перевірка гіпотез. Елементи теорії кореляції і дисперсійного аналізу
- Тема 9. Статистична перевірка гіпотез
- Статистичні гіпотези та їх класифікація
- 9.2. Статистичні критерії перевірки нульової гіпотези
- 9.3. Перевірка гіпотези про закон розподілу. Критерій згоди Пірсона.
- Перевірка гіпотези про рівність середніх двох сукупностей
- Перевірка гіпотези про рівність часток ознаки двох сукупностей
- Перевірка гіпотези про рівність дисперсій двох сукупностей
- Перевірка гіпотез про числові значення параметрів
- Запитання для самоконтролю
- Тема 10. Елементи теорії кореляції
- Запитання для самоконтролю
- Тема 11. Поняття дисперсійного аналізу. Однофакторний дисперсійний аналіз
- Запитання для самоконтролю
- Практичні заняття
- Практичне заняття №17
- Практичне заняття №18
- Самостійна робота
- Методичні рекомендації
- Список використаної та рекомендованої літератури
- Додатки
- Математична довідка
- Властивості функції
- V. Правила інтегрування функцій
- Варіанти завдань для самостійної індивідуальнї роботи