Плотников А.Н. Статистическое моделирование
.pdfX1 и Х2, что эквивалентно независимости событий A1 {X1<х1} и А2 {Х2<х2}, функция совместного распределения факторизуется и для ее определения достаточно знать функции распределения компонент
F(x1,x2)=F(x1)F(x2). (1.2.13)
Точно так же факторизуется и плотность совместного распределе-
ния:
f (x , x |
|
) = |
∂2 F (x , x |
2 |
) |
= |
∂F (x ) ∂F (x |
2 |
) |
= f |
(x ) f |
|
(x |
|
). (1.2.14) |
|
2 |
1 |
|
|
1 |
|
2 |
2 |
|||||||||
1 |
|
∂x1∂x2 |
|
|
|
∂x1 |
∂x2 |
|
|
1 |
1 |
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Функция распределения СВ Y=X1+X2 представляет собой интеграл
G( y) = ∫ f (x1, x2 )dx1dx2 = ∫−∞∞ f1(x1)dx1∫−∞y−x1 f2 (x2 )dx2 ,
D(y)
(1.2.15)
где D(y) - область плоскости х1оx2, определяемая из условия х1+х2<у (рис. 1.2.1).
x2 y
y
О |
x1 |
|
D( y)
Рис. 1.2.1. Область интегрирования для определения ПР суммы двух СВ
Дифференцируя (1.2.15) по у, находим плотность распределения суммы:
g( y) = dG( y) = |
∞ |
|
|
|
|
|
|
∫ |
f (x ) f |
|
( y − x )dx , |
(1.2.16) |
|||
dy |
1 |
1 |
2 |
1 |
1 |
|
|
|
|
|
|||||
|
−∞ |
|
|
|
|
|
|
или, учитывая симметрию функции Y=X1+Х2, |
|
|
|||||
g(y) = ∞∫ f1 (y − x2 )f2 (x2 )dx2 . |
|
(1.2.17) |
|||||
−∞ |
|
|
|
|
|
|
|
Интеграл (1.2.16) и эквивалентный ему (1.2.17) называется сверткой и обозначается символом
g=f1*f2. |
|
(1.2.18) |
При композиции двух дискретных СВ интегралы (1.2.16) и (1.2.17) |
||
преобразуются в суммы: |
|
|
n1 |
n1 |
|
P( y) = ∑P1(x1(i) )P2 ( y − x1(i) ) = ∑P1( y − x1(i) )P2 (x2 |
(i) ) . (1.2.19) |
|
i =1 |
i=1 |
|
В примере, приведенном в предыдущем пункте, был использован |
тот факт, что сумма двух нормальных величин также является нормальной, среднее значение и дисперсия которой равны соответственно
сумме |
средних и сумме дисперсий слагаемых: μ = μ1+μ2 , |
σ 2 = σ1 |
2 + σ 2 2 . То же самое справедливо для любого числа независи- |
мых нормальных СВ. При этом плотность распределения суммы из n слагаемых будет представлять собой результат n-кратной последовательной свертки. Суммы непрерывных СВ с распределением, отличным от нормального, уже не сохраняют закон распределения слагаемых, даже если слагаемые распределены одинаково. Однако с увеличением числа слагаемых сумма всякий раз достаточно быстро нормализуется, что напрямую следует из центральной предельной теоремы.
Для иллюстрации центральной предельной теоремы рассмотрим сумму независимых СВ с равномерным распределением на отрезке
n |
|
|
[0;1]Υn = ∑Χi . Последовательно производя преобразования (1.2.16), |
||
i =1 |
|
|
получим для ПР gn ( y) следующие рекуррентные соотношения: |
||
g (y) = |
1, y [0,1]; |
(1.2.20) |
1 |
|
|
|
0, y [0,1]; |
|
y |
|
gn+1( y) = ∫gn (x)dx. |
(1.2.21) |
y−1
Графики функций g2 ÷ g4 изображены на рис. 1.2.2.
21 |
22 |
|
1 |
|
|
|
|
|
|
|
|
|
0.8 |
|
2 |
|
|
3 |
|
|
|
|
|
|
|
|
|
|
|
|
||
0.6 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4 |
|
|
|
0.4 |
|
|
|
|
|
|
|
|
|
0.2 |
|
|
|
|
|
|
|
|
|
0 |
0 |
0.5 |
1 |
1.5 |
2 |
2.5 |
3 |
3.5 |
4 |
Рис. 1.2.2. Нормализация суммы случайных слагаемых R(0,1)
Как видно, последовательность gn достаточно быстро приближается к кривой плотности нормального распределения с параметрами
μ = |
n |
, |
|
σ 2 = |
|
n |
. Если ввести нормированную величину |
|||||||||||
|
12 |
|||||||||||||||||
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|||||
Z |
n |
= (Y |
− |
n |
) |
12 |
, то при n ≥ 6 получим кривую, практически неот- |
|||||||||||
|
|
|||||||||||||||||
|
|
|
n |
2 |
|
|
n |
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
e |
− |
z 2 |
|
||
личимую от стандартной нормальной кривой Гаусса: ϕ0 |
(z) = |
2 |
. |
|||||||||||||||
|
|
|||||||||||||||||
|
2π |
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
6. В п. 1.1 была найдена плотность распределения квадрата стандартной нормальной СВ. Используя соотношение (1.2.16), найдем плотность распределения суммы квадратов двух независимых стан-
дартных нормальных СВ: Y = Z 2 |
+ Z 2 |
: |
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
1 |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
||
|
1 |
|
|
|
1 |
|
|
|
|
|
|
|
|
1 |
|
|
|
|||
f (y)= y |
e− |
|
z1 |
|
= e− |
|
y y |
|
|
dz |
|
u = |
z − |
|
y |
|
|
|||
2 |
|
2 |
|
|
|
|
||||||||||||||
dz |
|
|
= |
2 |
= |
|||||||||||||||
|
|
|
|
|
|
|
|
|
||||||||||||
∫0 |
2π(y − z1 ) |
1 |
|
2π ∫0 |
z(y − z) |
|
|
1 |
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
2 y |
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
− |
1 |
y 1 |
|
|
− |
1 |
y |
|
|
|
|
|
|
|
|
|
|
1 |
|
|
1 |
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
e |
2 |
|
−∫1 |
|
du |
|
e |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
1 − |
|
y |
|
||
= |
|
|
|
|
= |
|
|
|
|
arcsin u |
|
−1 |
= |
2 e |
2 |
. |
(1.2.22) |
|||||||||||
|
2π |
|
(1−u2 ) |
2π |
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
При произвольном k>2, разделяя образующуюся последовательность |
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
по четным/нечетным номерам, ПР χk2 |
|
= ∑Ζi2 по индукции получаем в |
||||||||||||||||||||||||||
виде |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i =1 |
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
k |
1 |
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y |
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
y |
|
−1e− |
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
f |
( y) |
= |
|
2 |
2 |
, |
|
|
|
|
(1.2.23) |
||||||||||
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
k |
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
χk |
|
|
|
Г( |
k |
)2 |
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
∞ |
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
где Г(z) = ∫t z −1e−t dt |
– гамма-функция Эйлера, обладающая следую- |
|||||||||||||||||||||||||||
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
щими свойствами: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
Г(z +1) = zГ(z), Г(1 ) = |
π , Г (1)=1. |
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Для целого аргумента Γ(n +1) = n! |
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
Распределение χk2 |
играет очень важную роль при решении мно- |
гих прикладных задач математической статистики. Среднее и дисперсия χk2 равны:
M [χk2 ]= k ; |
D[χk2 ]= 2k . |
(1.2.24) |
В приложениях часто встречаются распределения, получающиеся |
||
из χk2 путем его преобразования. |
Например, χk = |
χk2 . Плотность |
распределения χk найдем, используя полученное в п. 1.1 соотношение
(1.1.2):
|
x |
k −1 |
e |
− |
1 |
x2 |
|
|||||
fχк (х) = |
2 |
|
||||||||||
|
|
|
. |
(1.2.25) |
||||||||
|
|
|
|
|
|
|||||||
|
|
k |
|
|
|
k |
|
|||||
|
Г( |
)2 |
|
−1 |
|
|||||||
2 |
|
|||||||||||
|
|
|
|
|||||||||
|
|
2 |
|
|
|
|
|
|
|
|
23 |
24 |
|
При k = 2 возникает распределение Рэлея – распределение эксцен-
триситета параллельных осей вала и отверстия: fχ |
(x) = xe |
− |
1 |
x2 |
|||||||||
|
|||||||||||||
|
2 . |
||||||||||||
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
При k = 3 возникает распределение Максвелла – распределение ве- |
||||||||||||
личины |
скорости молекулы газа в трехмерном пространстве: |
||||||||||||
fχ |
(x) = |
2 |
x |
2 |
e |
− |
1 |
x2 |
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
2 . |
|
|
|
|
||||||
|
π |
|
|
|
|
|
|||||||
|
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Среднее и дисперсия величиныχk равны:
|
2Г( |
|
k +1 |
) |
|
|
|
|
|
|
|
|
2 |
|
2 |
|
|||
|
|
|
|
2 |
|
|
|
||
M [χk ]= |
|
|
; D[χk ]= M [χk |
]− (M [χk ]) |
|
= k − |
|||
k |
|
|
|||||||
|
Г |
|
|
|
|
|
|
||
|
|
|
|
|
|
||||
|
2 |
|
|
|
|
|
7. Пусть СВ X1, X2 |
имеют ПР совместного |
fX1X 2 (x1, x2 ) , а Y = X1X 2 |
- их произведение. Область |
творяющая условию {Y < y}, показана на рис.1.2.3.
2Г2 k 2+1
Г2 k .
2
распределения
D( y) , удовле-
x2 |
|
|
x2 |
|
= y = −a2 |
|
x1x2 = y = a |
2 |
x x |
2 |
|
|
|
1 |
|
||
|
|
|
D-(y) |
|
|
О |
x1 |
|
О |
|
x1 |
|
|
|
|||
D+(y) |
|
|
|
|
|
|
а |
|
б |
|
Рис.1.2.3. Область интегрирования для определения произведения двух СВ
Интегрируя ПР совместного распределения по области D( y) , находим ФР Y :
|
|
|
|
y |
|
0 |
|
∞ |
∞ |
x1 |
|
G( y) = ∫ |
( ∫ |
f (x1, x2 )dx2 )dx1 + ∫( ∫ f (x1, x2 )dx2 )dx1 . (1.2.26) |
|||
−∞ |
|
y |
0 |
−∞ |
|
|
|
x1 |
|
|
|
Дифференцируя по y , находим ПР произведения:
|
d |
|
|
0 |
|
|
|
|
y |
|
dx |
|
|
∞ |
|
|
y |
|
dx |
|
|
fY ( y) = |
G( y) = − |
∫ |
f (x, |
) |
+ |
∫ |
f (x, |
|
) |
. (1.2.27) |
|||||||||||
|
|
|
|
|
|
|
|||||||||||||||
|
dy |
|
|
|
x x |
|
|
|
|
x x |
|
||||||||||
|
|
|
|
−∞ |
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
||
Если X1 и X2 независимы и симметричны относительно нуля, то |
|||||||||||||||||||||
(1.2.27) преобразуется к виду |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
∞ |
|
y |
dx |
|
|
∞ |
|
y |
|
|
|
dx |
|
|||||||
fY ( y) = 2∫ f1(x) f2 ( |
= 2∫ f1 |
|
) f2 (x) |
|
|||||||||||||||||
|
) |
|
( |
|
|
. |
(1.2.28) |
||||||||||||||
x |
x |
x |
x |
||||||||||||||||||
0 |
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|||||
Если же X1, X2 независимые положительно–определенные СВ, то |
|||||||||||||||||||||
множитель 2 исчезает. |
X 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
8. Для преобразования Y = |
|
область |
|
D( y) показана на |
|||||||||||||||||
X1 |
|
||||||||||||||||||||
рис. 1.2.4. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
x2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
x2 = yx1 |
|
|
|
|
|
|
|
|
|
|
||||
|
|
О |
|
|
|
|
|
|
x1 |
|
|
|
|
|
|
|
|
|
|
D(y
)
Рис.1.2.4. Область интегрирования для определения отношения двух СВ
Интегрируя, получаем ФР Y в виде
0 |
∞ |
|
∞ |
yx1 |
|
|
|
G( y) = ∫ |
( ∫ |
f (x1, x2 )dx2 )dx1 + ∫( ∫ f (x1, x2 )dx2 )dx1 . |
(1.2.29) |
||||
−∞ |
yx1 |
|
0 |
−∞ |
|
|
|
Дифференцируем по y , находим ПР Y : |
|
|
|||||
fY ( y) = |
d |
G( y) = ∞∫xf (x, yx)dx − ∫0 |
xf (x, yx)dx . (1.2.30) |
||||
dy |
|||||||
|
|
0 |
−∞ |
|
|
||
Для пары независимых и положительных СВ (1.2.30) преобразует- |
|||||||
ся к виду |
|
|
fY ( y) = ∞∫xf1(x) f2 ( yx)dx . |
|
|||
|
|
|
(1.2.31) |
||||
|
|
|
0 |
|
|
|
25 |
26 |
|
Пусть, Y m . Подставляя в (1.2.31) ПР (1.2.23), получим
= χ2
χ2n
|
|
|
|
m + n |
m−2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
Г |
|
|
|
|
|
|
|
|
|
|
y |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
fY ( y) = |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
, y ≥ 0. |
|
|
(1.2.32) |
||||||||||||
m |
n |
|
|
|
|
|
|
m+n |
|
|
||||||||||||||||||||||||||||
|
Г |
|
Г |
|
|
(1+ y) |
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
2 |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
Для отношения средних квадратов Ζ = |
|
1 |
|
χ2 |
1 |
|
χ2 |
, связанного с |
||||||||||||||||||||||||||||||
|
m |
n |
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m |
n |
|
|
|||||||||||
Y линейным соотношением Ζ = |
|
Y , будем иметь |
|
|
|
|
|
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
m + n n |
n |
|
|
m−2 |
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
2 |
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
Г |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
z 2 |
|
|
|
|
|
||||||||||||
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
fZ (z) = |
|
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
, z ≥ 0. |
(1.2.33) |
||||||||||||||||
|
|
|
|
|
|
|
n |
|
n |
|
|
|
|
|
|
|
m+n |
|||||||||||||||||||||
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
Г |
|
|
|
Г |
|
|
|
|
|
|
|
|
|
+ z |
|
|
|
|
|
|
|
|
|
|||||||||||||
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
2 m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Соотношение (1.2.33) есть ПР диперсионного отношения Фишера
–основной инструмент дисперсионного анализа.
8.Найдем дисперсию суммы двух СВ, полагая наличие связи между ними. Используя свойства средних и дисперсий, получим
D[X +Υ] = М[Χ +Υ]2 −(μ + μ )2 = М[Χ2 ]+ М[Υ2 |
]− μ2 |
− μ2 |
+ |
|||||
|
|
|
Χ |
Υ |
Χ |
|
Υ |
|
+2(М[ΧΥ]− μ μ ) = σ2 |
+σ2 |
+2(М[ΧΥ]− μ μ ). |
|
|
|
(1.2.34) |
||
Χ |
Υ |
Χ |
Υ |
Χ Υ |
|
|
|
|
С помощью |
тождественного преобразования |
вида |
Χ − μΧ + μΧ |
получаем, что последнее слагаемое в (1.2.34) представляет собой сме-
шанный второй центральный момент 2М[(Χ − μΧ )(Υ − μΥ )]. |
Таким |
||
образом, окончательно дисперсию суммы получаем в виде |
|
||
σΧ2 |
+Υ =σΧ2 +σΥ2 |
+ 2cov(Χ,Υ), |
(1.2.35) |
где cov(Χ, Υ) = М[(Χ − μΧ )(Υ − μΥ )]- |
ковариация, служащая |
мерой |
линейной зависимости между Х и Y. Удельная мера, или коэффициент корреляции, определяется как
ρ(Χ,Υ) = cov(Χ,Υ) .
σΧσΥ
Подставив (1.2.34) в (1.2.35), для дисперсии суммы будем иметь
|
|
|
σ2Χ+Υ = σ2Χ +σΥ2 |
+ 2ρ(Χ,Υ)σΧσΥ . |
|
(1.2.36) |
||||||
|
Коэффициент корреляции, очевидно, сохраняет постоянное значе- |
|||||||||||
ние при масштабировании |
Χ~ = аΧ , Υ~ = bΥ , где a и b – произвольные |
|||||||||||
положительные константы. |
Полагая |
а = |
1 |
, b = |
1 |
, |
|
получим |
||||
|
|
|
||||||||||
|
|
|
|
|
|
σΧ |
|
σΥ |
|
|
||
σ |
2 |
2 |
2 |
Χσ |
Υ . |
Так |
как |
σΧ |
=σΥ =1, |
|||
Χ+Υ |
=σΧ |
+σΥ + 2ρ(Χ,Υ)σ |
||||||||||
|
~ ~ |
~ |
~ |
~ |
~ |
|
|
|
|
|
~ |
~ |
σ |
2 |
= 2(1+ ρ(Χ,Υ)) . Левая часть последнего соотношения неотрица- |
||||||||||
Χ+Υ |
||||||||||||
|
~ ~ |
|
|
|
|
|
|
|
|
|
|
|
тельна, следовательно ρ(Χ,Υ) ≤1.
Множественная ковариация системы СВ Χk задается симметричной ковариационной матрицей n×n. На главной диагонали стоят дис-
персии σ 2 = cov(Χ |
k |
, Х |
k |
) . Внедиагональные элементы представляют |
k |
|
|
собой соответствующие ковариации cov(Χk , X m ) . Путем деления
ковариационной матрицы на соответствующие дисперсии образуется корреляционная матрица, сохраняющая симметрию. На ее главной диагонали стоят 1, внедиагональными элементами являются коэффи-
циенты корреляции ρ(Χk , X m ) .
1.3. Закон совместного распределения выборочных значений
1. Все множество объектов, из которого производится их случайный равновероятный отбор, или, в терминах случайной величины, множество всех ее возможных значений, называется генеральной совокупностью. Группа из конечного числа n объектов, охваченных об-
следованием, называется случайной выборкой, или просто - выборкой,
а их количество n - объемом выборки. Выборка называется репрезентативной (представительной), если она достаточно точно повторяет пропорции генеральной совокупности. В вероятностной интерпретации набор выборочных значений представляет собой n «экземпляров» одной и той же СВ X, т.е. последовательность значений СВ X, полученных в результате n независимых в совокупности испы-
27 |
28 |
|
таний. Именно это априорное умопостроение, кажущееся, с одной стороны, несколько искусственным, а с другой стороны, почти очевидным, позволяет применять к выборочным значениям аппарат теории вероятностей. При этом следует заметить, что полная и замкнутая теория выборочных распределений построена только для выборок из нормальных совокупностей. В связи с этим в дальнейшем изложении все рассматриваемые совокупности будут априорно полагаться нормальными (если не оговорено обратное). Интерпретация выборки как
последовательности независимых реализаций одной и той же СВ по-
зволяет однозначно установить связь между законом совместного распределения выборочных значений и законом распределения исследуемой СВ X:
FX1X 2 ..X n (x1, x2 ,..., xn ) = FX (x1)FX (x2 )...FX (xn ) . |
(1.3.1) |
Вслучае непрерывной СВ аналогичное соотношение справедливо
идля плотности совместного распределения:
|
|
|
|
fX1X 2..X n (x1, x2 ,..., xn ) = fX (x1) fX (x2 )... fX (xn ) . |
(1.3.2) |
|||||||||
|
|
|
При этом, поскольку все выборочные значения равновероятны с |
|||||||||||
вероятностью |
p = |
1 |
|
, выборочное среднее, определяемое как среднее |
||||||||||
n |
||||||||||||||
|
|
|
|
|
n |
|
|
n |
|
|
||||
|
|
|
|
|
_ |
|
1 |
|
|
|||||
арифметическое |
x = ∑ |
xi |
= |
∑xi , представляет |
собой |
СВ |
||||||||
|
|
|||||||||||||
|
|
|
|
|
|
|
i=1 n |
|
n i=1 |
|
|
|||
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
= |
1 ∑X (i) |
(n - |
кратную композицию величины 1 X |
с самой со- |
||||||||
X |
||||||||||||||
|
|
|
n i =1 |
|
|
|
|
|
|
|
n |
|
|
бой). Плотность распределения выборочного среднего можно полу-
n
чить, воспользовавшись тем, что СВ Un = ∑X (i) имеет ПР, представ-
i =1
ляющую собой n - кратную свертку плотности распределения СВ X:
fU n = fX * fX *...* fX . |
(1.3.3) |
Так как величины Un и X связаны линейным соотношением, то на основании правила линейного преобразования (п. 1.1.) получим
f |
|
(x) = nfU n (nx) . |
(1.3.4) |
X |
2. Чтобы прояснить смысл соотношений (1.3.3), (1.3.4), рассмотрим следующий пример. Пусть X — стандартная нормальная СВ N (0,1) . Выборка объемом n = 2 представляет собой две независимых
СВ |
X1 , X 2 |
|
с |
|
|
плотностью |
|
|
|
совместного |
распределения |
||||||||||||||||||||||||
|
|
|
|
|
|
1 |
|
|
|
|
x 2 |
+x 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
f (x1, x2 ) = |
|
|
|
e |
− |
1 |
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
2 |
|
|
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
2π |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
Свертка (1.3.3) дает следующий результат: |
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
∞ |
|
|
|
|
1 2 |
|
|
|
|
|
|
|
2 |
− |
u 2 |
|
∞ |
|
1 1 2 |
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
fU 2 (u)= 21π |
|
|
∫ e |
− |
|
|
|
+(u −x) |
|
|
dx = e2π |
∫e |
− |
|
|
|
u |
dx = |
|
||||||||||||||||
|
|
2 |
|
|
|
|
2 |
2 |
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
4 |
|
|
|
x− |
|
|
|
|||||||||||
|
|
|
|
|
−∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
−∞ |
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
e |
− |
u 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
= v = |
2 x − |
2 |
u |
= |
|
|
|
|
|
|
|
|
. Совершив второе преобразование путем |
||||||||||||||||||||||
2 |
π |
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(2x) = e−x2 . |
|
|||||||||||||||
деления на 2, находим |
|
f |
|
|
|
|
(x) = 2 f |
U 2 |
|
||||||||||||||||||||||||||
|
X |
2 |
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
π |
|
|
|||||||
|
Выборочное среднее в данном случае имеет нормальное распреде- |
||||||||||||||||||||||||||||||||||
ление с параметрами μ = 0 , σ = |
|
1 |
|
. С увеличением объема выборки |
|||||||||||||||||||||||||||||||
|
2 |
||||||||||||||||||||||||||||||||||
|
N (0,1) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
из |
|
|
СКО |
|
выборочного |
|
среднего |
уменьшается по закону |
σ = 1n . При распределениях, отличных от нормального, выборочное
среднее, представляющее собой композицию нескольких СВ с одним законом распределения, достаточно быстро нормализуется с увеличением объема выборки. Этот факт, являющийся следствием центральной предельной теоремы, был проиллюстрирован в п.1.2
Математическая статистика решает как бы «обратную задачу» теории вероятностей. То есть, если при классическом определении случайного события и вероятности по известным характеристикам генеральной совокупности вычислялись вероятности выборочных значений (результатов независимых испытаний), то в практических приложениях, наоборот, по имеющимся в распоряжении «наблюденным» выборочным значениям оцениваются неизвестные числовые характеристики и законы распределения генеральной совокупности.
29 |
30 |
|
1.4.Выборочные оценки параметров распределения
1.При практическом применении статистических методов для анализа качества продукции, стабильности и точности технологических и измерительных процессов чаще всего приходится иметь дело со статистическим материалом ограниченного объема - 10÷100 измерений, либо сериями 5÷25 проб - малых выборок по 3÷7 измерений. Такого ограниченного материала недостаточно, чтобы найти заранее неизвестный закон распределения, хотя можно определить его важнейшие числовые характеристики: среднее и дисперсию либо параметры априорно известного закона распределения. Оценкой неизвестного параметра θ называется СВ, представляющая собой функцию выбо-
рочных значений x1, x2 ,..., xn :θˆ =ϕ(x1,..., xn ), вид которой определяет-
ся, исходя из «физического смысла» параметра θ и информации о законе распределения СВ X.
В качестве оценки математического ожидания μˆ |
чаще всего ис- |
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
_ |
|
1 |
|
n |
|
|
|
|
||
пользуется выборочное среднее: μˆ = x = |
|
x .Числовые характери- |
|||||||||||||||||||
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n ∑i=1 |
i |
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
стики |
|
равны: M [ |
|
]= μ , D[ |
|
|
] = |
σ 2 |
|
|
. |
|
|
|
|
||||||
X |
X |
X |
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
||
Несмещенная выборочная оценка дисперсии, как известно, имеет |
|||||||||||||||||||||
вид |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
s2 = |
1 |
n (x − x)2 |
= |
1 |
|
n |
x2 |
− |
n |
|
x2 . |
||||||||
|
|
|
|
|
∑i=1 |
|
|||||||||||||||
|
|
|
|
|
|
i |
|
|
|
|
|
n −1 |
i |
|
n −1 |
|
|||||
|
|
|
n −1∑i=1 |
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
1 |
|
|
n |
|
|
|
|
|
|
|
|
Однако выборочное СКО s = |
|
|
|
|
|
∑(xi − x)2 не является несме- |
|||||||||||||||
|
n − |
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
1 i=1 |
|
|
|
|
|
|
|
щенной оценкой параметра σ . В этом легко убедиться, рассмотрев дисперсию s: D[S]= M [S 2 ]− (M [S])2 .
Поскольку M [S 2 ]=σ 2 , приходим к очевидному выводу, что
M [S]<σ .
Это отрицательное смещение оценки s при выборках небольшого объема может приводить к заниженной оценке средней ширины зоны рассеивания процесса, приводя тем самым к завышенной оценке числовых индексов (Ср, Срк и т.д.).
2. Для установления ПР величин Sn2 , Sn и определения несмещенной оценки Sn* рассмотрим нормированную сумму квадратов откло-
|
|
|
~ |
1 |
n |
2 |
|
S(2n−1) |
|
|
|
||||||
нений: |
|
Qn = |
|
|
∑(xk − x) |
|
= |
|
|
|
|
|
. Используя тождественное преоб- |
||||
|
σ |
2 |
|
|
σ |
2 |
|
|
|||||||||
|
|
|
|
|
|
k =1 |
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
~ |
|
в следующем виде: |
|
|||||||
разование, представим Q n |
|
|
|||||||||||||||
~ |
1 |
|
n |
|
|
|
|
2 |
|
1 |
|
n |
|
n |
|||
|
|
|
|
|
|
|
2 |
||||||||||
Qn = |
|
|
|
∑[xk − μ −(x − μ)] = |
|
|
∑(xk − μ) |
|
− 2(x − μ)∑(xk − μ) + |
||||||||
σ |
2 |
|
σ |
2 |
|
||||||||||||
|
|
|
k =1 |
|
|
|
|
|
|
|
k =1 |
|
k =1 |
n(x − μ)2 }= |
1 |
n |
(x |
k |
− μ)2 − |
n |
(x − μ)2 = |
1 n |
(x − μ)2 |
− |
|||||||
|
|
|
|
||||||||||||||
|
|
|
|
σ 2 ∑ |
|
|
σ 2 |
σ 2 ∑ |
k |
|
|||||||
|
|
|
|
|
|
k =1 |
|
|
|
|
|
|
|
|
k =1 |
|
|
− |
1 |
|
(x − μ)2. |
|
|
|
|
|
|
|
|
|
|
(1.4.1) |
|||
σ |
2 |
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Внося σ 2 и σ |
2 |
|
под знак квадрата, убеждаемся, что каждое из |
||||||||||||
|
|
Х |
слагаемых представляет собой СВ χ12 - квадрат стандартной нормаль-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
~ |
|
|
|
|
2 |
|
|
|
2 |
. Поскольку |
2 |
адди- |
||
ной СВ. Перепишем (1.4.1) в виде Qn |
+ χ1 |
= χn |
χm |
||||||||||||||||||||||||||
тивна по степеням свободы ( χm2 |
|
+ χm2 |
2 |
= χm2 |
+m |
2 |
), приходим к выводу, |
||||||||||||||||||||||
что |
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
1 |
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
~ |
|
|
|
S 2 (n −1) |
|
|
|
2 |
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
Qn = |
|
|
|
|
|
|
= χn−1 . |
|
|
(1.4.2) |
||||||||||
|
|
|
|
|
|
|
|
σ2 |
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Величина χт2 была рассмотрена в п.1.2. Используя формулу ли- |
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
S 2 |
|
|
|
нейного преобразования |
Y = aX |
|
( a = |
|
|
|
|
|
|
), найдем ПР |
n |
: |
|
||||||||||||||||
|
|
n −1 |
σ 2 |
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
f |
2 (x) = f 2 |
|
(x) = (n −1) f 2 |
|
((n −1)x) = |
|
|
|
|||||||||||||||||||||
|
Sn |
|
|
|
|
|
|
χn |
−1 |
|
|
|
|
|
|
|
|
|
|
χn |
−1 |
|
|
|
|
||||
|
σ2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
n−1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
n−1 n−3 |
− |
(n−1)x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
(n −1) |
2 |
|
|
|
x |
2 |
|
e |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
= |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
. |
|
|
|
|
|
|
|
|
|
|
(1.4.3) |
|
|
|
n−1 |
|
|
n |
−1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
2 |
|
2 |
|
Γ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
31 |
32 |
|
|
|
Среднее |
S 2 |
|
равно 1. Дисперсию найдем, |
|
используя соотношение |
|||||||||||||||||||||||||||||||||||||||||
|
|
σ2 |
|
|||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
σ 2 |
2 |
= 2(n −1) |
и формулу |
для |
дисперсии |
|
нормированной |
СВ |
||||||||||||||||||||||||||||||||||||||||
χ |
n |
−1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
σаХ2 |
= а2σХ2 . Полагая a = |
|
|
|
|
, получаем |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
n −1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
σ 2 2 = σ |
2 2 |
|
|
= |
2(n −1) |
|
= |
|
2 |
|
|
|
. |
|
|
|
|
(1.4.4) |
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
n −1 |
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
Sn |
|
|
χn−1 |
|
(n −1) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
σ 2 |
|
|
|
|
n−1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
Числовые характеристики выборочной дисперсии соответственно |
||||||||||||||||||||||||||||||||||||||||||||||
составят: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
μ |
2 |
|
=σ 2 |
, |
σ 2 |
= |
|
2σ 4 |
. |
|
|
|
|
|
|
|
|
|
(1.4.5) |
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
n −1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
Sn |
|
|
|
|
|
|
|
|
Sn |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
s |
n |
|
|
|
|
|
|
χ2 |
|
|
|
|
||||
|
|
Для нормированного выборочного СКО |
|
|
|
|
= |
|
|
|
n−1 |
|
|
ПР найдем, |
||||||||||||||||||||||||||||||||||
|
|
|
σ |
|
|
|
n −1 |
|||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
используя преобразование Y = |
|
|
X |
: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n−1 |
|
|
|
|
|
|
|
|
|
(n−1) x2 |
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2(n −1) |
|
|
xn−2e− |
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
f S |
n |
(x) = 2xf |
2 |
|
(x |
2 |
) = |
2 |
|
|
2 |
|
. |
(1.4.6) |
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
− |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
Sn |
|
|
|
|
|
|
|
|
|
|
|
n |
1 |
|
n |
−1 |
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
σ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
σ 2 |
|
|
|
|
|
|
|
|
|
2 2 |
|
Γ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
||||||||
|
|
Рассмотрим структуру последовательности μSn |
= μn . Для n = 2,3 |
|||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
σ |
|
|
|
|
|
|
|
|
|
||
|
|
∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|||
μn = ∫xf |
Sn |
(x)dx |
|
легко |
|
вычисляются |
|
|
и |
составляют: |
μ2 = |
, |
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
π |
|||||||||||||||||||||||||||||||||||||||||||
|
|
0 σ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
μ3 = 2π . Рассмотрим случай n > 3:
|
|
|
n−1 |
|
|
|
(n−1) x2 |
|||||
∞ |
(n −1) |
|
|
xn−1e− |
|
|
|
|
||||
2 |
|
2 |
|
|
||||||||
μn = 2∫ |
|
|
|
|
|
|
|
|
dx = |
|||
|
n−1 |
n |
|
|
|
|
||||||
|
|
|
|
|
|
−1 |
||||||
|
|
|
|
|
|
|||||||
0 |
2 |
|
2 Γ |
|
|
|
|
|||||
|
|
2 |
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n−3 |
|
n−2 |
|
|
− |
(n−1) x2 |
|
|
∞ |
|
|
∞ |
|
|
|
n−3 |
|
|
n−3 |
|
|
− |
(n−1) x2 |
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
x |
e |
2 |
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
x |
e |
2 |
|
|
||||||||||||||||||||||
|
|
= − 2 |
(n −1) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
+ 2(n − 2)∫ |
(n −1) |
|
|
|
|
|
|
dx. |
|||||||||||||||||||||||||
|
|
|
n−1 |
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n−1 |
n |
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
−1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
−1 |
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
2 2 Γ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
2 2 Γ |
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
Первое |
слагаемое |
|
|
|
равно |
|
0. Второе |
слагаемое |
|
|
подстановкой |
|||||||||||||||||||||||||||||||||||||||||||||
t = |
|
n − 3 |
x , |
используя рекуррентное свойство Γ(z) , |
|
преобразуем к |
||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
n −1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
виду |
|
|
|
|
|
|
|
|
|
|
|
|
|
n−3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
−2) n −1 ∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(n |
−3)t 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
(n |
(n −3) |
|
|
|
|
tn−3 |
|
|
− |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
2 |
2 |
|
|
|
dt = |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||
|
|
|
n −3 |
|
∫ |
|
|
n−1 n −1 e |
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
0 |
|
2 |
|
|
|
|
Γ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
∞ |
|
|
|
|
|
|
|
|
|
|
n−3 |
|
|
|
|
|
|
|
|
(n−3)t 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
2(n − 2) n −1 |
(n −3) |
|
|
|
2 |
tn−3 |
− |
|
n − 2 |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||
= |
|
∫ |
|
|
|
|
|
|
dt = |
|
|
|
|
|
|
μn−2. (1.4.7) |
||||||||||||||||||||||||||||||||||||||||||
|
|
|
n−1 |
|
|
|
|
|
|
n−3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
e |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n −3 |
|
|
|
|
|
|
(n −1)(n −3) |
|
|
|
|
|
|||||||||||||||||||||||
|
|
2 2 n −3 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||
|
|
2 2 Γ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Заменяя в рекуррентном соотношении (1.4.7) n′ = n − 2 ( n ≥ 4 ) и используя рекуррентное свойство Гамма-функции, по индукции получаем формулу общего члена последовательности μn :
|
|
|
n |
|
|
|
|
||||
|
|
|
2Γ |
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
||||
μ |
n |
= |
2 |
|
|
, n ≥ 2 . |
(1.4.8) |
||||
n |
−1 |
|
|||||||||
|
|
|
|
||||||||
|
|
|
n −1Γ |
|
|
|
|
|
|
||
|
|
|
|
2 |
|
|
|
||||
|
|
|
|
|
|
|
|
Таким образом, несмещенную точечную выборочную оценку СКО получим, устранив отрицательное смещение М[S] тем же приемом, что и для s2:
|
n −1 |
|
|
|
|
|||
|
Г |
|
|
|
|
n |
|
|
2 |
|
|
|
|
||||
s* = |
|
|
|
|
∑ |
(x − x)2 . |
(1.4.9) |
|
|
|
|
|
|
||||
|
|
n |
|
i |
|
|||
|
2Г |
|
|
|
i=1 |
|
|
|
|
|
|
||||||
|
|
2 |
|
|
|
|
33 |
34 |
|
В табл. 1.4.1 приведена |
величина |
относительной ошибки |
εs = s* −* s ×100% в зависимости от объема выборки. s
Таблица 1.4.1
|
n |
|
2 |
|
|
|
|
3 |
|
4 |
|
|
|
5 |
|
6 |
|
|
7 |
|
8 |
|
|
9 |
|
|
10 |
|
12 |
|
15 |
20 |
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
εs,% |
|
20,21 |
|
|
11,38 |
7,78 |
6,01 |
4,85 |
|
4,06 |
|
3,50 |
|
3,07 |
|
2,74 |
2,25 |
1,77 |
1,31 |
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
3. Эффективность полученной оценки будет определяться диспер- |
|||||||||||||||||||||||||||||||||||||||
|
|
|
|
S* |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
сией СВ |
|
n |
: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
σ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
−1 2 |
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
*2 |
|
|
|
|
|
* 2 |
|
|
n −1 |
|
Γ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
σ 2 |
|
= M |
Sn |
|
|
− M |
|
Sn |
|
= |
|
|
|
|
|
2 |
|
|
−1 , |
|
(1.4.10) |
||||||||||||||
|
|
|
|
|
* |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
σ |
2 |
|
|
|
|
σ |
|
2 |
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
Sn |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
σ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Γ |
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|||
и при больших n имеет место асимптотика σ |
2 |
|
|
|
1 |
|
|
1 |
|
|
|
|
||||||||||||||||||||||||||||
|
* |
= |
|
|
|
1 |
+ |
О |
|
|
. |
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Sn |
|
|
|
2n |
|
|
n |
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
σ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Можно указать еще один способ вычисления σ |
2 2 |
= σ 2 . |
Внося |
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Sn |
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
σ 2 |
|
|
|
|
|
|
n 2−1 в (1.4.10) под знак квадрата и используя рекуррентное свойство
Γ(z) , получаем рекуррентное соотношение:
σn2+1 |
|
1 − (n −1)σ 2 |
, n ≥ 2 , σ22 = |
π |
|
|
||
= |
|
n |
|
−1. |
(1.4.11) |
|||
(n −1)(1 +σn2 ) |
2 |
|||||||
|
|
|
|
|
||||
Точные значения σn |
приведены в табл. 1.4.2 в столбце σσˆ s . |
4. Другой способ получения оценок параметров распределения основан на порядковых статистиках. Рассмотрим выборку непрерыв-
ной СВ объемом n, полученную при стандартных условиях из сово-
купности с ФР F (x) = P{X < x} и ПР |
f |
X |
(x) = dFX (x) |
: |
x , x |
2 |
,..., x |
n |
. |
X |
|
dx |
|
1 |
|
|
|||
|
|
|
|
yn,1, yn,2 ,..., yn,n |
|||||
Выборка, упорядоченная по |
|
возрастанию |
|
( m > k, yn,m > yn,k ) , называется вариационным рядом. Член вариационного ряда с фиксированным номером yn,k называется элементар-
ной порядковой статистикой. Каждому номеру k (1 ≤ k ≤ n) соответ-
ствует случайная величина Yn,k с законом распределения, зависящим от FX , fX ,n,k. Основным исходным пунктом при установлении закона распределения Yn,k служит биномиальное (точное полиномиальное)
распределение дискретных случайных величин.
Используем универсальное автопреобразование U (X ) = FX (X ) (п.1.2) и рассмотрим вариационный ряд Un,k , все члены которого будут сосредоточены на отрезке [0;1] (рис.1.4.1).
Рис.1.4.1. Схема расположения вариационного ряда выборки из совокупности R(0,1)
Вариационный ряд Un,k , очевидно, разбивается на 3 группы: Ι со-
держит k −1 значение, меньшее Un,k ; ΙΙ – само значение Un,k ; |
ΙΙΙ – |
||
n − k |
значений, больших Un,k . Пусть значение Un,k находится в точ- |
||
ке t |
(t = FX (Un,k )) . Тогда вероятность того, что k −1 значение ока- |
||
жется левее точки t составит tk −1 , вероятность того, что |
n − k |
значе- |
|
ний окажется правее точки t ,соответственно (1−t)n−k . |
Вероятность |
||
всей композиции будет равна произведению tk −1(1−t)n−k . |
Количест- |
во комбинаций, реализующих такое расположение, согласно формуле
35 |
36 |
|
полиномиального |
распределения (см. ссылку. на |
|
|
стр. 7), |
составит |
|||||||||||||||||||||||
R(k −1,1, n − k) = |
|
|
|
|
n! |
|
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
(k −1)!1!(n − k)! |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
Таким |
образом, |
|
функция |
распределения |
|
|
|
|
Un,k |
составит |
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
u |
|
n! |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
FU n,k (u) = P{Un,k < u} = ∫ |
|
|
|
k −1 |
|
|
|
|
n−k |
|
|
|
||||||||||||||||
|
t |
|
|
|
(1−t) |
|
|
dt . |
(1.4.12) |
|||||||||||||||||||
(k −1)!(n − k)! |
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
Дифференцируя |
последнее |
выражение |
|
по |
|
и |
вспоминая, что |
|||||||||||||||||||||
u = F (x) , |
du |
= f |
X |
(x) , получаем плотность распределения Y |
|
: |
||||||||||||||||||||||
|
|
|||||||||||||||||||||||||||
X |
dx |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n,k |
|
||||
|
|
|
(x) = nCk −1F |
(x)k −1[1 − F |
(x)]n−k |
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
f |
n,k |
f |
X |
(x) , |
|
(1.4.13) |
|||||||||||||||||||
|
|
|
|
|
|
|
|
n−1 X |
|
X |
|
|
|
|
|
|
|
|
|
|
||||||||
или, используя свойство биномиальных коэффициентов Сnk , |
получаем |
|||||||||||||||||||||||||||
тождественную форму: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
f |
n,k |
(x) |
= kCk F |
(x)k −1[1− F |
|
(x)]n−k |
f |
X |
(x) . |
|
(1.4.14) |
||||||||||||
|
|
|
|
|
|
|
|
|
n X |
|
X |
|
|
|
|
|
|
|
|
|
|
|
||||||
В частности, для крайних членов вариационного ряда плотность |
||||||||||||||||||||||||||||
распределения получаем, полагая k =1 - для минимального: |
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
f |
n,1 |
(x) = n[1 |
− F (x)]n−1 |
f |
X |
(x), |
|
|
|
|
|
|
|
(1.4.15) |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
|
|
|
|
|
|
|
|
|
|
|
и k = n - для максимального:
f |
n,n |
(x) = nF (x)n−1 |
f |
X |
(x) . |
(1.4.16) |
|
X |
|
|
|
В статистических приложениях большее распространение получили не сами элементарные порядковые статистики, а их композиции. Главным образом это размах Rn = Yn,n −Yn,1 и медиана выборки четно-
го объема M |
|
= |
1 |
(Y |
+Y |
n+2 ) , представляющие собой соответствен- |
||
|
|
|||||||
|
n |
|
2 |
n, |
n |
n, |
|
|
|
|
2 |
|
|||||
|
|
|
|
2 |
|
|
|
но разность и сумму двух членов вариационного ряда (медианой вы-
борки нечетного объема служит статистика Y n+1 ).
n, 2
Для установления законов распределения размаха и медианы необходимо знать закон совместного распределения двух элементарных
порядковых статистик. Пусть их номера k и m |
(m > k ). Как и в пре- |
|
дыдущем случае, применим универсальное |
автопреобразование |
|
U (X ) = FX (X ) и используем аналогичную схему рассуждений. |
В |
данном случае ряд Uk окажется разбитым на 5 групп (рис. 1.4.2) численностью k −1, 1, m − k −1, 1, n − m соответственно.
Рис. 1.4.2. Схема расположения вариационного ряда выборки из совокупности R(0,1) с двумя фиксированными членами
t2
1
u2
D
u1 |
t2=t1 |
t1
0 |
u1 |
1 |
Рис. 1.4.3. Схема области интегрирования для определения закона совместного распределения двух порядковых статистик
Функцию совместного распределения двух порядковых статистик получаем в виде:
Fk ,m (u1,u2 ) = P{(t1,t2 ) D} =
|
|
= |
|
|
|
|
|
n! |
|
|
|
|
|
|
tk −1(t −t )m−k −1(1−t )n−m dt dt . |
|||||
|
|
(k −1)!1!(m − k −1)!1!(n |
|
|||||||||||||||||
|
|
|
− m)!∫∫D |
2 |
1 |
2 |
1 |
2 |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
||||||
|
|
Дифференцируя |
Fk ,m (u1 ,u2 ) по |
x1 и x2 |
и учитывая, |
что |
||||||||||||||
u |
j |
= F |
(x |
j |
) , |
du j |
= f |
X |
(x |
j |
); |
j =1,2, |
окончательно получаем плот- |
|||||||
|
||||||||||||||||||||
|
|
X |
|
|
dx j |
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
ность распределения |
fk ,m (x1, x2 ) в виде |
|
|
|
|
|
37 |
38 |
|
|
|
|
|
|
|
|
n! fX |
(x1) fX (x2 ) |
|
k −1 |
|
f |
|
(x , x |
|
) = |
|
|
|
|
F (x ) |
[F (x ) − |
|
|
|
(k |
−1)!(m |
|
|
||||||
|
k ,m |
|
1 |
2 |
|
− k −1)!(n − m)! X 1 |
X 2 |
||||
− F |
|
(x )]m−k −1[1− F (x |
2 |
)]n−m . |
|
(1.4.17) |
|||||
|
X |
1 |
|
|
|
X |
|
|
|
Эту схему рассуждений очевидно можно экстраполировать на любое количество членов вариационного ряда, и ПР совместного распределения всех членов вариационного ряда будет иметь вид
n |
|
f1,2,...,n (x1, x2 ,..., xn ) = n!∏ fX (xj ) , x1 < x2 <..., xn . |
(1.4.18) |
j=1
5.Закон распределения выборочного размаха найдем как частный
случай |
разности |
между |
двумя |
членами вариационного |
ряда: |
|
Rn,k ,m = Yn,m −Yn,k , |
m > k . |
Плотность распределения разности |
двух |
|||
случайных величин имеет вид |
|
|
|
|||
|
|
fRk,m ( y) = ∞∫ fk ,m (x, y + x)dx , y ≥ 0 , |
(1.4.19) |
|||
где fk ,m |
|
|
−∞ |
|
|
|
–ПР совместного распределения (1.4.17). |
|
|
||||
Рассмотрим два частных случая: |
|
|
||||
• |
межвариационный (последовательный) размах. |
Полагая в |
||||
(1.4.19) |
m = k +1, 1 ≤ k ≤ n −1, получаем |
|
|
|||
|
|
∞ |
|
|
|
|
fRk,k +1 ( y) = n(n −1)Cnk−−21 ∫ fX (x) fX ( y + x)FXk −1[1− FX ( y + x)]n−k −1 dx , |
||||||
|
|
−∞ |
|
|
|
|
|
|
|
y ≥ 0 , n ≥ 2 ; |
(1.4.20) |
||
• полный размах выборки (в дальнейшем просто размах). |
|
|||||
Полагая в (1.4.17), (1.4.19) k =1, |
m = n , получаем |
|
|
|||
|
|
|
∞ |
|
|
|
|
fRn ( y) = n(n −1) ∫ fX (x) fX ( y + x)[FX ( y + x) − |
|
|
|||
|
|
|
−∞ |
|
|
|
|
|
− F (x)]n−2 dx, y ≥ 0 . |
(1.4.21) |
|||
|
|
|
X |
|
|
|
Статистика Rn выборки из нормальной совокупности является |
||||||
одной из наиболее популярных, поэтому рассмотрим ПР |
fRn |
более |
детально. Как обычно в подобных случаях, рассмотрим совокупность N(0,1) , поскольку Rn от μ не зависит, а при произвольном σ раз-
мах определяется умножением на σ размаха выборки из
N(0,1) (другими словами рассматривается нормированный размах |
Rn |
|
||||||||||||||||||||||||||
σ |
||||||||||||||||||||||||||||
выборки из произвольной нормальной совокупности). |
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|||||||||||||||||||||||
Приоговоренныхусловиях f |
|
(x) = |
1 |
e− |
1 |
x |
2 |
, |
F |
(x) = |
1 +Ф (x). |
|||||||||||||||||
X |
2 |
|
||||||||||||||||||||||||||
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
2π |
|
|
|
|
|
X |
|
|
|
|
2 |
0 |
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Подставляя n = 2,3 в (1.4.21), находим: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
e |
− |
1 |
y |
2 |
|
|
|
|
|
|
6e |
− |
1 |
y |
2 |
|
|
|
y |
|
|
|
|
|
|
f |
R2 |
( y) = |
4 |
|
, |
|
f |
R3 |
( y) = |
4 |
|
Ф |
( |
|
) |
. |
(1.4.22) |
|||||||||||
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
|
π |
|
|
|
|
|
|
|
|
π |
|
0 |
|
|
6 |
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Для n > 3 точные формулы ПР существуют только в квадратуре и для больших n нужно исследовать их асимптотическое поведение. Вид ПР Rn для n = 2 ÷ 4 , 10 представлен на рис. 1.4.4.
|
|
2 |
4 |
|
10 |
|
|
|
|
3 |
|
|
|
|
|
0.4 |
|
|
|
|
|
|
|
0.2 |
|
|
|
|
|
|
|
0 |
0 |
1 |
2 |
3 |
4 |
5 |
6 |
|
|
Рис. 1.4.4. Плотность выборочного размаха |
|
||||
|
|
в зависимости от объема выборки n |
|
Асимптотика числовых характеристик нормированного размаха
Rσn имеет вид
μRn |
≈ |
4ln n − ln ln n − ln 4π + 2C |
≈ 2 2ln n , |
σ Rn ≈ |
π |
. (1.4.23) |
||||
2ln n |
6ln n |
|||||||||
|
σ |
|
|
|
σ |
|
|
39 |
40 |
|