- •1.1. События и их виды. Относительная частота
- •1.2. Случайные величины и их виды, законы распределения
- •1.2.1. Случайные величины и их виды.
- •1.2.2. Законы распределения случайных величин
- •1.2.3. Функция распределения вероятностей
- •1.2.4. Плотность распределения вероятностей непрерывной
- •1.3. Числовые характеристики случайных величин.
- •1.3.1. Числовые характеристики дискретных
- •1.3.2. Нормальный закон распределения
- •1.3.3. Системы случайных величин
- •1.3.4. Ковариация и корреляция
- •1.4. Выборочный метод. Статистические оценки
- •1.4.1. Выборочный метод
- •1.4.2. Статистические оценки параметров распределения
- •2.1. Виды геодезических измерений
- •2.2. Погрешности геодезических измерений,
- •2.3. Критерии оценки точности измерений
- •3.1. Обработка ряда равноточных измерений
- •3.2. Понятие веса
- •3.3. Обработка ряда неравноточных измерений
- •4.1. Оценка точности геодезических измерений
- •4.2.Оценка точности функций геодезических измерений
- •5.1. Метод наименьших квадратов
- •5.2. Сущность и способы уравнивания
- •6.1. Теоретические основы параметрического способа
- •6. 2. Способ узлов Попова составления нормальных уравнений.
- •6. 3. Виды уравнений поправок
- •6. 4. Решение нормальных уравнений способом Гаусса
- •6. 5. Алгоритм уравнивания геодезических построений
- •7. 1. Некоторые виды условий в геодезических сетях
- •7. 2. Теория уравнивания коррелатным способом
- •7. 3. Способ полигонов Попова составления нормальных
- •7.4. Решение нормальных уравнений коррелат
- •7. 5. Оценка точности
1.4.2. Статистические оценки параметров распределения
Статистическое оценивание заключается в приближенном опреде-
лении числовых характеристик генеральной совокупности по выборочным
данным.
Рассматривая x1, x2, …, xn , как независимые случайные величины x1,
x2, …, xn , можно сказать, что найти статистическую оценку неизвестного
параметра теоретического распределения – это значит найти функцию от
наблюдаемых случайных величин, которая и даёт приближенное значение
оцениваемого параметра.
Итак, статистической оценкой неизвестного параметра теорети-
ческого распределения называют функцию от наблюдаемых случайных
величин.
Любую такую функцию называют статистикой. К статистикам
относятся: выборочное среднее, выборочная ковариация, эмпирические
функции распределения и плотности.
Сравнение эмпирического распределения с теоретическим
р а с п р е д е ле нием
Эмпирической функцией распределения (функцией распределения
выборки) называют функцию F *(x), определяющую для каждого значения
x относительную частоту события X < x.
Чтобы определение было понятным, рассмотрим пример. Пусть из
генеральной совокупности извлечена выборка, причем x1 наблюдалось n
раз, x2 – n2 раз, xk – nk раз и ∑ni = n – объем выборки.
Наблюдаемые значения xi называются вариантами. Числа наблюде-
ний – частотами, а их отношения к объекту выборки ni /n = Wi – отно-
сительными частотами.
Итак, по определению
F* (x) = nx / n,
где nx – число вариант, меньших x ; n – объем выборки.
В отличие от эмпирической функции распределения выборки функ-
цию распределения вероятности F(x) генеральной совокупности называ-
ют теоретической функцией распределения.
Различие между ними в том, что теоретическую функцию распреде-
ления генеральной совокупности F(x) определяет вероятность события X
< x, а эмпирическая функция распределения выборки F*(x) определяет от-
носительную частоту этого же события. Из теоремы Бернулли следует,
что относительная частота события X < x, т. е. F* (x) → по вероятности к
25
вероятности F(x) этого события, и при больших n числа F*(x) и F(x) ма-
ло отличаются одно от другого в том смысле, что
Уже отсюда следует целесообразность использования эмпирической
функции распределения выборки для приближенного представления тео-
ретической функции распределения генеральной совокупности.
В ы б о р о ч н о е с р е д н е е и в ы б о р оч н а я д и с п е р с и я
Зададим математическую модель, описывающую свойства иссле-
дуемой генеральной совокупности, в виде уравнения M (X, θ) = 0,
где x – текущее значение случайного признака, причем X1, X2, …, Xn – вы-
борка из генеральной совокупности, любое значение которой xk = (x1, x2,
…, xn) получено из наблюдений; θ – параметр, значение которого надо
оценить по выборке.
Задача математического оценивания θ по выборке состоит в по-
строении такой функции от наблюдений, которая позволяет найти наибо-
лее точные (наилучшие) приближения для истинных значений θ.
Подобные наилучшие оценки могут быть получены по методу max.
правдоподобия и способу наименьших квадратов.
Для одномерной случайной величины x с неизвестной плотностью
f (x) параметр θ = (θ1, θ2), где θ1 = M(x), θ2 = D(x).
Вся информация о параметрах θ1 и θ2 заключена в двух статистиче-
ских оценках:
xk ,
1 n
n k 1
(1.28)
где x(n) - выборочное среднее арифметическое, которое при п → ∞ при-
ближается согласно закону больших чисел к М(Х) - математическому
ожиданию генеральной совокупности;
S (n)
xk2 x ,
1 n
n k 1
( xk x(n)) 2
1
n k
2
(1.29)
где S 2 (n) – выборочная дисперсия, стремящаяся при п → ∞ к генеральной
дисперсии D(X).
26
Для того, чтобы статистические оценки давали šхорошиеŸ
приближения оцениваемых параметров, они должны удовлетворять опре-
деленным требованиям.
Свойства оценок:
1. Свойство состоятельности. Оценка называется состоятельной,
если при п → ∞ она стремится по вероятности к оцениваемому значению
параметра, т.е. для сколь угодно малого ε > 0
P(/ θ / ) 0 при п → ∞,
-
оценки х(n) , S2(n), Fn(X), fn(X).
2. Свойство несмещённости. Оценка является несмещённой, если
среднее значение при любом объеме выборки п совпадает с истинным
значением параметра, т.е. М или х М ( Х ).
Если М θ θ , то оценка смещённая.
Параметры нормального закона а и σ2 являются несмещёнными, а
дисперсия (1.29) – смещённой.
3. Свойство эффективности. Эффективной называют статистиче-
скую оценку, которая (при заданном объеме выборки) имеет наименьшую
возможную дисперсию.
Лекция 2. Теория погрешностей измерений