Дисперсия

Дисперсия

Дисперсия - (от лат. dispersio - рассеяние), в математической статистике наиболее употребительная мера рассеивания, отклонения случайных значений от среднего.

Для выборочной совокупности дисперсия  рассчитывается по следующей формуле:

 (1)

где n - число измерений, x_i - единичное значение,   - среднее значение.

Дисперсия является случайной величиной  и подчиняется хи-квадрат распределению. Достоверность дисперсии определяется числом степеней свободы f. В данном случае (1) f = n-1

Применительно к обработке результатов  измерения дисперсия характеризует  случайную погрешность. Наряду с  дисперсией используется стандартное отклонение, которое равно квадратному корню из дисперсии.

Если на результат измерения  влияют несколько независимых случайных  факторов, то вступает в силу закон сложения дисперсий: дисперсия результата равна сумме "составляющих" дисперсий.

Выборка

Выборка (выборочная совокупность) - часть объектов из генеральной совокупности, отобранных для изучения, с целью получения информации о всей генеральной совокупности.

Число объектов, составляющих выборочную совокупность, называется объемом выборки.

Методы математической статистики позволяют оценить случайную  ошибку изучаемых признаков выборки  определенного объема. Также можно  решить обратную задачу - определить объем  выборки, удовлетворяющий заданным требованиям точности.

Кроме объема выборки, существенную роль играет способ формирования выборки. Не вдаваясь в детали, можно отметить, что выборка, которая сохраняет  все свойства генеральной совокупности, называется репрезентативной выборкой. Свойство репрезентативности - необходимое  условие для того, чтобы выводы, сделанные для выборочной совокупности, можно было распространить на генеральную  совокупность.

Пространством элементарных событий называется множество исходов некоторого эксперимента.

Элементарным событием называется любой элемент пространства элементарных событий.

Событием называется любое подмножество пространства элементарных событий.

Генеральной совокупностью называется достаточно большое, быть может, бесконечное подмножество элементарных событий.

Случайной величиной называют функцию от элементарного события.

Экспериментом называется функция, принимающая значение на пространстве элементарных событий.

Статистическая  моделью называется совокупность законов, которым подчиняется процедура эксперимента.

Случайной выборкой1 или просто выборкой1 объема n называется набор некоторого числа элементов генеральной совокупности, наблюденных при  серии из n одинаковых экспериментов

Выборкой2 объема n называется набор 1,…,n случайных величин, определенных на натуральных числах 1,…,n, k-я с.в. принимает значение исхода ki-го эксперимента на числе i, при условии, что все эксперименты одинаковы.

Статистикой называется любая измеримая функция от выборки.

Функцией правдоподобия называется плотность распределения выборки2, как n-мерной случайной величины.

Вариационный ряд, распределение  порядковых статистик. Эмпирические Квантили ГММЕ 398.

к-й порядковой статистикой выборки х1,…,хn называется такая случайная величина х(k), что для каждого набора значений выборки х1,…,хn  х(k) равна такому хi, для которого найдется ровно i-1 элементов выборки, которые меньше хi.

Если х1,…,хn – независимые, одинаково распределенные случайные величины, что распределение к-й порядковой статистики задается следующей формулой: , где B(a,b) – плотность бета распределения.

Вариационным рядом называется последовательность порядковых статистик x(1),…,x(n).

Выборочным квантилем порядка р называется значение х([np]+1).

Квантилью zp для с.в. х с функцией распределения F(x)  называется любой корень уравнения F(zp)=p.

Эмпирическая функция  распределения, ее св-ва,  как функции распределения и как случайного элемента (распределения  и числовые характеристики) СКТ 191.

Эмпирическим распределением называется распределение, которое каждому элементу выборки1 х1,…,хn ставит в соответствие вероятность1/n.

Эмпирическим распределением  Án для выборки х1,…,хn называется функция, по определению равная  , где   равно 1, если хk принадлежит В, и нулю иначе.

Эмпирической функцией распределения называется функция Fn(x)=Á(-¥,x).

Математическое  ожидание эмпирической функции распределения M(x) равно среднему арифметическому значений х1,…,хn.

Дисперсия эмпирической функции распределения  .

Выборочным моментом порядка k называется значение  .

Сходимость эмпирической функции распределения. Теорема  Гливенко – Кантелли (БМС 22).

Теорема. Для эмпирического распределения Án(x) и распределения генеральной совокупности Á (x) при n®¥  .

Теорема Гливенко – Кантелли. Для эмпирической функцией распределения Fn(x) и распределения генеральной совокупности F(x) при n®¥  .

Теорема Колмогорова. Доказательство независимости статистики Колмогорова  от вида непрерывной функции распределения  – СКТ 209 ГММЕ 173.

Статистикой Колмогорова для непрерывной функции распределения генеральной совокупности F(x)  и – эмпирической функция распределения Fn(x) , построенной по выборке х1,…,хn, называется функция .

Теорема. Если F(x) непрерывна, то распределения статистики Колмогорова Dn не зависит от F(x).

Условные математические ожидания и условные распределения. Св-ва условных мат. ожиданий. Аналоги формул полной вероятности и формулы Байеса для мат. ожиданий ГММЕ 173 ШВ 91.

Условным законом  распределения д.с.в. h при заданном значении д.с.в. x=хk называется набор условных вероятностей   l=1,…,m.

Условным математическим ожиданием д.с.в. h при заданном значении д.с.в. x=хk называется сумма  . Имеет место равенство M[M(x½h)] = Mh. М (Р (h = yl| x=xk)) = P(h = yl).

Достаточные статистики. Теорема  Неймана-Фишера (критерий достаточности)  СКТ 221.

Достаточной называется такая статистика t(x), что для случайной величины x с распределением p(x,q) условное распределение P(x | t(x) = t0) не зависит от параметра q (то есть через нее можно определить значение параметра q).

Теорема. Статистика t(x)  с распределением  p(x,q)=g(t(x);q)h(x) является достаточной.

Статистические оценки. Св-ва оценок: состоятельность, несмещенность, эффективность. Задача оптимального статистического оценивания СКТ 215.

Оценкой для независимой выборки (x1,…,xn) называют статистику  , предназначенную для использования  вместо параметра  q, в качестве его приближения, однозначно определяемому исходным распределением F из семейства распределений Fq (x).

Несмещенной называется такая оценка  , что ее мат. ожидание равно q.

Состоятельной называется последовательность оценок  , сходящаяся по вероятности к q.

Эффективной называется такая оценка   что ее дисперсия минимальна среди последовательности оценок  .

Улучшение оценок с помощью  достаточных статистик. Теорема  Колмогорова Блекуэла Рао ВДВ СКТ 222.  

Теорема Колмогорова  Блекуэла Рао. Пусть t(х) -  достаточная статистика семейства распределений p(x,q) , а   - несмещенная оценка параметра q с конечной дисперсией для некоторой выборки (x1,…,xn) . Тогда условное мат. ожидание  при фиксированном t(х)  будет несмещенной оценкой q с дисперсией не превосходящей дисперсию  .

Полные достаточные статистики и их использование для нахождения несмещенных оценок с минимальной  дисперсией СКТ 222 БМС 142.

Полным семейством распределений Gq, зависящих от к-мерного параметра q называется такое семейство Gq, что из равенства нулю  для любой измеримой функции y(s), следует , что y(s)=0.

Полной называется статистика с полным семейством распределений Gq,  индуцированным распределением генеральной совокупности G.

Теорема. Для полной достаточной статистики S и оценки q, оценка qs=M(q|S)  является единственной эффективной оценкой.

Неравенство Крамера-Рао-Фреше. Эффективные оценки в регулярном случае. Информация Фишера и ее св-ва СКТ 224.

Информацией Фишера для плотности p(x, q) называют математическое ожидание  .

Неравенство Рао-Крамера. Для семейства плотностей p(x, q) и оценки  с математическим ожиданием g(q) таких, что  и  , имеет место неравенство  .

Эффективностью  оценки   с математическим ожиданием g(q) называется отношение  .

Эффективной называется оценка, эффективность которой равна 1.

Метод моментов св-ва оценок СКТ 228.

Методом моментов называют способ нахождения оценок к  к=1,…,r, получаемых как решение системы mk0=mk(q1,…,qr), где  , а mk  - моменты порядка к для независимой выборки с плотностью p(x,q1,…,qn).

Теорема. Непрерывные оценки  к  к=1,…,r, получаемые методом моментов, состоятельны.

Асимптотические св-ва статистических оценок. Состоятельность, асимптотическая эффективность, асимптотическая нормальность СКТ 227 ВДВ 221.

Асимптотически  эффективностью оценки  n называется конечным предел  .

Асимптотически  эффективной называется такая оценка, асимптотическая эффективность к-рой равна единице. 

Асимптотически  нормальной называется оценка, которая в пределе сходится к нормальному распределению.

Состоятельность и асимптотическая  нормальность эмпирических моментов и  функций от  эмпирических характеристик (БМС 40).

Теорема. Пусть F0 – функция распределения генеральной совокупности и g, Sn таковы, что  , где h – дифференцируема в точке  ,  , то  , где x - н.р.с.в. с параметрами 0 и  .

Асимптотические св-ва оценок максимального правдоподобия. Метод максимального правдоподобия. Оптимальные св-ва оценок СКТ 229 ГММЕ 541 ВДВ 221 ВДВ 249.

Оценкой максимального  правдоподобия называется оценка, обращающая в максимум функцию правдоподобия: L(x;  )=maxqL(x; q), или  .

Теорема. Если q1<q<q2,  ,  ,  ,   и  , где М не зависит от q, то уравнение правдоподобия   имеет решение, которое в пределе  сходится по вероятности к q0. Эта оценка наибольшего правдоподобия асимптотически нормальна и асимптотически эффективна.

Основные понятия общей  теории статистических решений: пр-во решений, функция потерь и функция  риска. Байесовский и минимальный  подходы к задачам статистических решений (БМС 120).

Байесовский подход состоит в представлении параметра q как случайной величины с некоторой плотностью q(t), называемой априорной.

Байесовской оценкой q~, минимизирующей M(q-q~)2 является функция   , где   - апостериорное распределение q,  , ¦t(x) – функция правдоподобия, l - мера.

Минимальной называется такая оценка q~, что для любой другой оценки q  , qÎQ.

Байесовские оценки при квадратичной функции потерь. Априорный и апостериорный  риск. Сравнение с эффективными оценками.Нормальное распределение в Rn. Эквивалентность различных определений и св-ва. ГММЕ 341 СКТ 164.

Нормально распределенным называется такой случайный вектор x, что его характеристическая функция равна  , где, а – вектор, а В – симметрическая матрица положительно определенной КВАФ. Любое линейное преобразование нормально распределенного случайного вектора также является нормальным случайным вектором.

Теорема. Для того чтобы вектор x был нормально распределен, необходимо и достаточно, чтобы имело место представление  , где qi – набор нормально распределенных н.о.р.с.в., g – некоторая матрица, Mxa=aa.

Распределение хи квадрат. Стьюдента, Фишера и их использование в мат. статистике  СКТ 169.

Распределение	Формула плотности	E	s
Геометрическое xÎQ	p(x)=q(1-q)x	(1-q)/q	(1-q)/q2
Пуассона xÎQ		x	x
Нормальное xÎR		a	s2
Гамма x>0
Хи квадрат с k степенями свободы х³0
Стьюдента с k степенями свободы xÎR
Фишера х³0

Независимость среднего арифметического  и среднего квадратичного для  независимых нормально распределенных случайных величин  ГММЕ 413 СКТ 237.

Теорема. Статистики  (выборочное среднее) и   (дисперсия) незав. норм. р.с.в. независимы, случайная величина s2(n-1)/s 2 имеет распределение хи квадрат с (n-1)й степенью свободы.

Понятие доверительного интервала  – интервальной статистической оценки и его хар-ки. Точные и асимптотические доверительные интервалы СКТ 234.

Доверительным интервалом для выборки с распределением p(x, q) называется такой отрезок, что q принимает значение из этого отрезка с вероятностью 1-a, называемой доверительной вероятностью.

Асимптотическим  доверительным интервалом уровня e называется такой интервал (q1, q2), что  .

Доверительные интервалы  для параметров нормального распределения  СКТ 236.Доверительные интервалы для  параметров биномиального распределения  СКТ 240.Проверка статистических гипотез. Общие понятия: простые и сложные  статистические гипотезы, критерии, ошибки 1го и 2го рода, размер, мощность критерия СКТ 197.

Статистической  гипотезой называются предположения о значении параметра q для выборки с распределением p(x, q).

Простой называется статистическая гипотеза, состоящая в том, что q=q0.

Сложной называется статистическая гипотеза, предполагающая принадлежность q к некоторому мн-ву Q0.

Ошибкой первого  рода называется опровержение верной гипотезы.

Ошибкой второго  рода называется принятие ложной гипотезы при существующей истинной.