Курсовая работа: Распределение Пуассона Аксиомы простейшего потока событий
Функцией правдоподобия называют функцию параметра , определяемую соотношением
. (1.2.1)
Рассмотрим случай дискретной случайной величины X с возможными значениями и вероятностями
. Обозначим через
наибольшее из возможных значений, которое встречается в выборке, а через
— абсолютные частоты, с которыми появляются значения
в выборке
. В этом случае функцией правдоподобия называют функцию параметра
, определяемую соотношением
. (1.2.2)
Метод наибольшего правдоподобия состоит в том, что в качестве оценки параметра берется значение, при котором функция правдоподобия достигает своего максимума.
Параметр находят, решая относительно
уравнение
. (1.2.3)
Часто вместо (1.2.3) используют уравнение
,
(1.2.4)
Если плотность или вероятности
зависят от
параметров, то наиболее правдоподобную оценку системы параметров
получают решением системы уравнений
(1.2.5)
или
. (1.2.6)
Наиболее правдоподобные оценки имеют некоторые замечательные свойства. При достаточно общих условиях они являются состоятельными и асимптотически нормально распределенными (однако не всегда несмещенными), имеют среди всех асимптотически нормально распределенных оценок наибольшую эффективность. Справедливо следующее положение: если вообще имеется эффективная оценка, то она получается методом наибольшего правдоподобия.
Пример 1.2.1 Оценить вероятность некоторого события
. Пусть
Решение. ;
. Пусть в
независимых наблюдениях событие
произошло
раз, т.е.
. Таким образом, имеем
,
. Отсюда следует, что
. Следовательно,
есть наиболее правдоподобная оценка параметра
. Случайная величина k биномиально распределена,
;
Следовательно,
— несмещенная оценка вероятности, асимптотически состоятельная и асимптотически нормальная.
Пример 1.2.2. Пусть случайная величина распределена по закону Пуассона с неизвестным параметром
. Проведем выборку и получим значения
(
– целые числа). Пусть
– набольшее из наблюдаемых в выборке чисел,
– абсолютные частоты, с которыми числа
появляются в выборке ;
. Тогда согласно формуле (3.2)
. Из соотношения получаем
, откуда
.
Величина есть, таким образом, правдоподобная оценка для
и вместе с тем состоятельная, асимптотически нормально распределенная.
Пример 1.2.3. Пусть случайная величина распределена нормально с параметрами
и
. Их следует оценить исходя их выборки
объема
.
Решение. Функция правдоподобия
,
следовательно
.
Согласно (2.5), получаем следующие уравнения для определения и
:
;
, откуда
и
. Следовательно,
есть наиболее правдоподобная оценка параметров
. Мы уже знаем, что
не является несмещенной оценкой, а только асимптотически не смещена.
1.3 Точечные оценки
Одной из задач математической статистики является оценка неизвестных параметров выбранной параметрической модели.
Очень часто в приложениях рассматривают параметрическую модель. В этом случае предполагают, что закон распределения генеральной совокупности принадлежит множеству
, где вид функции распределения задан, а вектор параметров
неизвестен. Требуется найти оценку для
или некоторой функции от него (например, математического ожидания, дисперсии) по случайной выборке
из генеральной совокупности X.