अज्ञात गणितीय अपेक्षा और विचरण के साथ एक यादृच्छिक चर पर स्वतंत्र प्रयोग किए जाने दें, जिसके परिणाम मिले - . आइए हम मापदंडों के लिए सुसंगत और निष्पक्ष अनुमानों की गणना करें।
गणितीय अपेक्षा के अनुमान के रूप में, हम प्रयोगात्मक मूल्यों का अंकगणितीय माध्य लेते हैं
. (2.9.1)
कानून के अनुसार बड़ी संख्यायह अनुमान है धनवान , संभाव्यता द्वारा मूल्य के साथ। यही आकलन भी है निष्पक्ष , क्योंकि
. (2.9.2)
इस अनुमान का भिन्नता है
. (2.9.3)
यह दिखाया जा सकता है कि सामान्य वितरण कानून के लिए यह अनुमान है असरदार . अन्य कानूनों के लिए ऐसा नहीं हो सकता है।
आइए अब विचरण का अनुमान लगाएं। आइए सबसे पहले अनुमान के लिए सूत्र चुनें सांख्यिकीय विचरण
. (2.9.4)
आइए हम विचरण अनुमान की स्थिरता की जाँच करें। आइए कोष्ठक को सूत्र में खोलें (2.9.4)
.
जब पहला पद संभाव्यता में मान में परिवर्तित हो जाता है , दूसरे में - को। इस प्रकार, हमारा अनुमान संभाव्यता में भिन्नता में परिवर्तित होता है
,
इसलिए वह है धनवान .
की जाँच करें विस्थापित
मात्रा के लिए अनुमान. ऐसा करने के लिए, हम अभिव्यक्ति (2.9.1) को सूत्र (2.9.4) में प्रतिस्थापित करते हैं और ध्यान में रखते हैं कि यादृच्छिक चर स्वतंत्र
,
. (2.9.5)
आइए हम सूत्र (2.9.5) में यादृच्छिक चर के उतार-चढ़ाव की ओर बढ़ते हैं
कोष्ठक खोलने पर हमें प्राप्त होता है
,
. (2.9.6)
आइए इसे ध्यान में रखते हुए मूल्य (2.9.6) की गणितीय अपेक्षा की गणना करें
. (2.9.7)
संबंध (2.9.7) दर्शाता है कि मान की गणना सूत्र (2.9.4) का उपयोग करके की गई है निष्पक्ष अनुमान नहीं है फैलाव के लिए. इसकी गणितीय अपेक्षा न के बराबर है, परंतु कुछ कम है। इस तरह के मूल्यांकन से नीचे की ओर एक व्यवस्थित त्रुटि होती है। इस तरह के पूर्वाग्रह को खत्म करने के लिए, आपको मूल्य को गुणा करके सुधार करने की आवश्यकता है। यह संशोधित सांख्यिकीय विचरण तब विचरण के लिए एक निष्पक्ष अनुमानक के रूप में काम कर सकता है
. (2.9.8)
यह अनुमान अनुमान जितना ही मान्य है, क्योंकि मूल्य कब से है।
व्यवहार में, अनुमान (2.9.8) के बजाय, कभी-कभी दूसरे प्रारंभिक सांख्यिकीय क्षण से जुड़े समकक्ष अनुमान का उपयोग करना अधिक सुविधाजनक होता है
. (2.9.9)
अनुमान (2.9.8), (2.9.9) प्रभावी नहीं हैं। यह दिखाया जा सकता है कि सामान्य वितरण कानून के मामले में वे होंगे स्पर्शोन्मुख रूप से कुशल (इच्छानुसार न्यूनतम संभव मूल्य की ओर प्रवृत्त होता है)।
इस प्रकार, हम सीमित मात्रा में प्रसंस्करण के लिए निम्नलिखित नियम बना सकते हैं सांख्यिकीय सामग्री. यदि स्वतंत्र प्रयोगों में यादृच्छिक चर मान लेता है अज्ञात गणितीय अपेक्षा और फैलाव के साथ, तो इन मापदंडों को निर्धारित करने के लिए अनुमानित अनुमान का उपयोग करना चाहिए
(2.9.10)
काम का अंत -
यह विषय अनुभाग से संबंधित है:
गणित संभाव्यता सिद्धांत गणितीय सांख्यिकी में व्याख्यान नोट्स
उच्च गणित और कंप्यूटर विज्ञान विभाग.. व्याख्यान नोट्स.. गणित में..
यदि आपको इस विषय पर अतिरिक्त सामग्री की आवश्यकता है, या आपको वह नहीं मिला जो आप खोज रहे थे, तो हम अपने कार्यों के डेटाबेस में खोज का उपयोग करने की सलाह देते हैं:
हम प्राप्त सामग्री का क्या करेंगे:
यदि यह सामग्री आपके लिए उपयोगी थी, तो आप इसे सोशल नेटवर्क पर अपने पेज पर सहेज सकते हैं:
करें |
इस अनुभाग के सभी विषय:
सिद्धांत संभावना
संभाव्यता सिद्धांत गणित की एक शाखा है जिसमें यादृच्छिक द्रव्यमान घटनाओं के पैटर्न का अध्ययन किया जाता है। वह घटना जो यादृच्छिक होती है, कहलाती है
संभाव्यता की सांख्यिकीय परिभाषा
एक घटना एक यादृच्छिक घटना है जो अनुभव (अस्पष्ट घटना) के परिणामस्वरूप प्रकट हो भी सकती है और नहीं भी। घटनाओं को बड़े लैटिन अक्षरों में इंगित करें
प्राथमिक घटनाओं का स्थान
मान लीजिए कि किसी अनुभव के साथ कई घटनाएँ जुड़ी हुई हैं, और: 1) अनुभव के परिणामस्वरूप एक और केवल एक ही चीज़ प्रकट होती है
घटनाओं पर कार्रवाई
दो घटनाओं का योग और
पुनर्व्यवस्था
तत्वों के विभिन्न क्रमपरिवर्तनों की संख्या को निरूपित किया जाता है
प्लेसमेंट
तत्त्वों को तदनुसार रखकर
युग्म
तत्वों का एक संयोजन
असंगत घटनाओं के लिए संभावनाओं को जोड़ने का सूत्र
प्रमेय. दो असंगत घटनाओं के योग की प्रायिकता इन घटनाओं की प्रायिकताओं के योग के बराबर होती है। (1
मनमानी घटनाओं के लिए संभावनाओं को जोड़ने का सूत्र
प्रमेय. दो घटनाओं के योग की संभावना उनके उत्पाद की संभावना के बिना इन घटनाओं की संभावनाओं के योग के बराबर होती है।
संभाव्यता गुणन सूत्र
दो घटनाएँ और दी जाएँ। घटना पर विचार करें
कुल संभाव्यता सूत्र
मान लीजिए कि असंगत घटनाओं का एक पूरा समूह है; उन्हें परिकल्पना कहा जाता है। किसी घटना पर विचार करें
परिकल्पना संभाव्यता सूत्र (बेयस)
आइए फिर से विचार करें - असंगत परिकल्पनाओं और घटना का पूरा समूह
एसिम्प्टोटिक पॉइसन फॉर्मूला
ऐसे मामलों में जहां परीक्षणों की संख्या बड़ी है और किसी घटना के घटित होने की संभावना है
यादृच्छिक असतत मात्राएँ
यादृच्छिक मात्रा वह मात्रा है जो किसी प्रयोग को दोहराने पर असमान मान ले सकती है। संख्यात्मक मान. यादृच्छिक चर को असतत कहा जाता है,
यादृच्छिक सतत चर
यदि, प्रयोग के परिणामस्वरूप, एक यादृच्छिक चर एक निश्चित खंड या संपूर्ण वास्तविक अक्ष से कोई भी मान ले सकता है, तो इसे निरंतर कहा जाता है। कानून
एक यादृच्छिक सतत चर की संभाव्यता घनत्व फ़ंक्शन
रहने दो। आइए एक बिंदु पर विचार करें और इसे बढ़ाएँ
यादृच्छिक चर की संख्यात्मक विशेषताएँ
यादृच्छिक असतत या निरंतर चर को पूरी तरह से निर्दिष्ट माना जाता है यदि उनके वितरण कानून ज्ञात हैं। वास्तव में, वितरण कानूनों को जानकर, आप हमेशा हिट होने की संभावना की गणना कर सकते हैं
यादृच्छिक चर की मात्राएँ
एक यादृच्छिक सतत चर के क्रम की मात्रा
यादृच्छिक चर की गणितीय अपेक्षा
अपेक्षित मूल्य अनियमित परिवर्तनशील वस्तुइसके औसत मूल्य को दर्शाता है। यादृच्छिक चर के सभी मानों को इस मान के आसपास समूहीकृत किया जाता है। आइए पहले यादृच्छिक असतत चर पर विचार करें
मानक विचलन और यादृच्छिक चर का फैलाव
आइए पहले हम एक यादृच्छिक असतत चर पर विचार करें। संख्यात्मक विशेषताएँ मोड, माध्यिका, मात्राएँ और गणितीय अपेक्षाएँ
यादृच्छिक चर के क्षण
गणितीय अपेक्षा और फैलाव के अलावा, संभाव्यता सिद्धांत उच्च क्रम की संख्यात्मक विशेषताओं का उपयोग करता है, जिन्हें यादृच्छिक चर के क्षण कहा जाता है।
यादृच्छिक चर की संख्यात्मक विशेषताओं पर प्रमेय
प्रमेय 1. एक गैर-यादृच्छिक मान की गणितीय अपेक्षा इस मान के ही बराबर है। प्रमाण: चलो
द्विपद वितरण कानून
पॉइसन वितरण कानून
एक यादृच्छिक असतत चर को मान लेने दें
समान वितरण कानून
एक समान कानूनएक यादृच्छिक निरंतर चर के वितरण को संभाव्यता घनत्व फ़ंक्शन कानून कहा जाता है, जो
सामान्य वितरण कानून
किसी यादृच्छिक सतत चर का सामान्य वितरण नियम घनत्व फलन नियम है
घातीय वितरण कानून
यादृच्छिक चर के घातीय या घातीय वितरण का उपयोग सिद्धांत जैसे संभाव्यता सिद्धांत के अनुप्रयोगों में किया जाता है कतार, विश्वसनीयता सिद्धांत
यादृच्छिक चर की प्रणाली
व्यवहार में, संभाव्यता सिद्धांत के अनुप्रयोगों में, व्यक्ति को अक्सर ऐसी समस्याओं का सामना करना पड़ता है जिसमें किसी प्रयोग के परिणामों को एक यादृच्छिक चर द्वारा नहीं, बल्कि एक साथ कई यादृच्छिक चर द्वारा वर्णित किया जाता है।
दो यादृच्छिक असतत चरों की प्रणाली
मान लीजिए कि दो यादृच्छिक हैं पृथक मात्राएँएक सिस्टम बनाएं. यादृच्छिक मूल्य
दो यादृच्छिक सतत चरों की प्रणाली
मान लीजिए कि अब सिस्टम दो यादृच्छिक सतत चरों द्वारा बनता है। इस प्रणाली का वितरण नियम संभवतः कहा जाता है
वितरण के सशर्त नियम
आश्रित यादृच्छिक सतत मात्राएँ दें
दो यादृच्छिक चरों की प्रणाली की संख्यात्मक विशेषताएँ
यादृच्छिक चरों की एक प्रणाली के क्रम का प्रारंभिक क्षण
कई यादृच्छिक चर की प्रणाली
दो यादृच्छिक चरों की एक प्रणाली के लिए प्राप्त परिणामों को यादृच्छिक चर की मनमानी संख्या वाली प्रणालियों के मामले में सामान्यीकृत किया जा सकता है। सिस्टम को एक सेट द्वारा बनने दें
दो यादृच्छिक चरों की प्रणाली का सामान्य वितरण नियम
दो यादृच्छिक की एक प्रणाली पर विचार करें निरंतर मात्राएँ. इस प्रणाली का वितरण नियम सामान्य वितरण नियम है
संभाव्यता सिद्धांत की सीमा प्रमेय
संभाव्यता के अनुशासन सिद्धांत का मुख्य लक्ष्य यादृच्छिक द्रव्यमान घटनाओं के पैटर्न का अध्ययन करना है। अभ्यास से पता चलता है कि सजातीय यादृच्छिक घटनाओं के एक समूह के अवलोकन से पता चलता है
चेबीशेव की असमानता
गणितीय अपेक्षा के साथ एक यादृच्छिक चर पर विचार करें
चेबीशेव का प्रमेय
यदि यादृच्छिक चर जोड़ीवार स्वतंत्र हैं और उनमें परिमित, सामूहिक रूप से बंधे हुए भिन्नताएं हैं
बर्नौली का प्रमेय
प्रयोगों की संख्या में असीमित वृद्धि के साथ, किसी घटना के घटित होने की आवृत्ति घटना की प्रायिकता में परिवर्तित हो जाती है
केंद्रीय सीमा प्रमेय
किसी भी वितरण कानून के साथ यादृच्छिक चर जोड़ते समय, लेकिन संयुक्त रूप से सीमित भिन्नताओं के साथ, वितरण कानून
गणितीय सांख्यिकी की मुख्य समस्याएँ
ऊपर चर्चा की गई संभाव्यता सिद्धांत के नियम वास्तविक पैटर्न की गणितीय अभिव्यक्ति का प्रतिनिधित्व करते हैं जो वास्तव में विभिन्न यादृच्छिक द्रव्यमान घटनाओं में मौजूद हैं। पढ़ना
एक सरल सांख्यिकीय जनसंख्या. सांख्यिकीय वितरण समारोह
आइए कुछ यादृच्छिक चर पर विचार करें जिसका वितरण कानून अज्ञात है। अनुभव के आधार पर आवश्यक है
सांख्यिकीय श्रृंखला. बार चार्ट
बड़ी संख्या में अवलोकनों के साथ (सैकड़ों के क्रम में) जनसंख्यासांख्यिकीय सामग्री को रिकॉर्ड करने के लिए यह असुविधाजनक और बोझिल हो जाता है। स्पष्टता और सघनता के लिए, सांख्यिकीय सामग्री
सांख्यिकीय वितरण की संख्यात्मक विशेषताएँ
संभाव्यता सिद्धांत में, यादृच्छिक चर की विभिन्न संख्यात्मक विशेषताओं पर विचार किया गया: गणितीय अपेक्षा, फैलाव, प्रारंभिक और केंद्रीय बिंदुअलग-अलग आदेश. समान संख्याएँ
क्षणों की विधि का उपयोग करके सैद्धांतिक वितरण का चयन
किसी भी सांख्यिकीय वितरण में अनिवार्य रूप से सीमित संख्या में अवलोकनों से जुड़े यादृच्छिकता के तत्व शामिल होते हैं। बड़ी संख्या में अवलोकनों के साथ, यादृच्छिकता के ये तत्व समाप्त हो जाते हैं,
वितरण कानून के स्वरूप के बारे में परिकल्पना की संभाव्यता की जाँच करना
चलो दिया हुआ सांख्यिकीय वितरणकिसी सैद्धांतिक वक्र द्वारा अनुमानित या
सहमति मानदंड
आइए सबसे अधिक उपयोग किए जाने वाले फिट-ऑफ-फिट मानदंडों में से एक पर विचार करें - तथाकथित पियर्सन मानदंड। अनुमान
अज्ञात वितरण मापदंडों के लिए बिंदु अनुमान
पीपी में. 2.1. – 2.7 हमने विस्तार से जांच की कि गणितीय सांख्यिकी की पहली और दूसरी मुख्य समस्याओं को कैसे हल किया जाए। ये प्रायोगिक डेटा के आधार पर यादृच्छिक चर के वितरण के नियमों को निर्धारित करने की समस्याएं हैं
विश्वास अंतराल। आत्मविश्वास की संभावना
व्यवहार में, यादृच्छिक चर पर कम संख्या में प्रयोगों के साथ, अज्ञात पैरामीटर का अनुमानित प्रतिस्थापन होता है
मान लीजिए कि कोई यादृच्छिक चर है एक्सगणितीय अपेक्षा के साथ एमऔर विचरण डी, जबकि ये दोनों पैरामीटर अज्ञात हैं। मूल्य से ऊपर एक्सउत्पादन एनस्वतंत्र प्रयोग, जिसके परिणामस्वरूप एक सेट एनसंख्यात्मक परिणाम एक्स 1 , एक्स 2 , …, एक्स एन. गणितीय अपेक्षा के अनुमान के रूप में, देखे गए मूल्यों के अंकगणितीय माध्य का प्रस्ताव करना स्वाभाविक है
(1) |
यहाँ के रूप में एक्स मैंपरिणामस्वरूप प्राप्त विशिष्ट मानों (संख्याओं) पर विचार किया जाता है एनप्रयोग. यदि हम दूसरों को लें (पिछले वाले से स्वतंत्र) एनप्रयोग, तो जाहिर है हमें एक अलग मूल्य मिलेगा। यदि आप अधिक लेते हैं एनप्रयोग, तो हमें एक और नया मूल्य मिलेगा। आइए हम इसे निरूपित करें एक्स मैंयादृच्छिक चर के परिणामस्वरूप मैंवां प्रयोग, फिर कार्यान्वयन एक्स मैंइन प्रयोगों से प्राप्त संख्याएँ होंगी। जाहिर है, यादृच्छिक चर एक्स मैंमूल यादृच्छिक चर के समान ही संभाव्यता घनत्व फ़ंक्शन होगा एक्स. हम यह भी मानते हैं कि यादृच्छिक चर एक्स मैंऔर एक्सजेस्वतंत्र हैं जब मैं, सम नही जे(विभिन्न प्रयोग एक दूसरे से स्वतंत्र)। इसलिए, हम सूत्र (1) को एक अलग (सांख्यिकीय) रूप में फिर से लिखते हैं:
(2) |
आइए हम दिखाएं कि अनुमान निष्पक्ष है:
इस प्रकार, नमूना माध्य की गणितीय अपेक्षा यादृच्छिक चर की वास्तविक गणितीय अपेक्षा के बराबर है एम. यह काफी पूर्वानुमानित और समझने योग्य तथ्य है। नतीजतन, नमूना माध्य (2) को एक यादृच्छिक चर की गणितीय अपेक्षा के अनुमान के रूप में लिया जा सकता है। अब सवाल उठता है: प्रयोगों की संख्या बढ़ने पर गणितीय अपेक्षा अनुमान के भिन्नता का क्या होता है? विश्लेषणात्मक गणनाएँ यह दर्शाती हैं
गणितीय अपेक्षा अनुमान (2) का विचरण कहां है, और डी- यादृच्छिक चर का सच्चा विचरण एक्स.
उपरोक्त से यह निष्कर्ष निकलता है कि बढ़ते हुए एन(प्रयोगों की संख्या) अनुमान का विचरण कम हो जाता है, अर्थात। जितना अधिक हम स्वतंत्र अनुभूतियों को जोड़ते हैं, हमें गणितीय अपेक्षा के उतना ही करीब एक अनुमान मिलता है।
गणितीय विचरण का अनुमान
पहली नजर में सबसे स्वाभाविक आकलन यही लगता है
(3) |
जहां सूत्र (2) का उपयोग करके गणना की जाती है। आइए देखें कि अनुमान निष्पक्ष है या नहीं। सूत्र (3) को इस प्रकार लिखा जा सकता है:
आइए इस सूत्र में अभिव्यक्ति (2) को प्रतिस्थापित करें:
आइए विचरण अनुमान की गणितीय अपेक्षा ज्ञात करें:
(4) |
चूँकि किसी यादृच्छिक चर का प्रसरण इस बात पर निर्भर नहीं करता है कि यादृच्छिक चर की गणितीय अपेक्षा क्या है, आइए हम गणितीय अपेक्षा को 0 के बराबर लें, अर्थात। एम = 0.
(5) | |
पर । | (6) |
यादृच्छिक चर की सबसे महत्वपूर्ण संख्यात्मक विशेषताएँ एक्सउसके हैं गणितीय अपेक्षा एम एक्स =एम और फैलावσ 2 एक्स = डी[एक्स] = एम[(एक्स – एमएक्स) 2 ] = एम –. संख्या एमएक्सएक यादृच्छिक चर का औसत मान है जिसके चारों ओर मात्राओं के मान बिखरे हुए हैं एक्स, इस प्रसार का एक माप फैलाव है डी[एक्स]और मानक विचलन:
एस एक्स =(1.11)
हम आगे विचार करेंगे महत्वपूर्ण कार्यकिसी प्रेक्षित यादृच्छिक चर का अध्ययन करना। चलो कुछ नमूना है (हम इसे निरूपित करेंगे)। एस) अनियमित परिवर्तनशील वस्तु एक्स. उपलब्ध नमूने से अनुमान लगाना आवश्यक है अज्ञात मान एमएक्सऔर ।
विभिन्न मापदंडों के अनुमान का सिद्धांत व्याप्त है गणितीय सांख्यिकीमहत्वपूर्ण स्थान. इसलिए, आइए पहले विचार करें सामान्य कार्य. मान लीजिए कि कुछ पैरामीटर का अनुमान लगाना आवश्यक है एनमूने द्वारा एस. ऐसा प्रत्येक मूल्यांकन ए*कुछ कार्य है ए*=ए*(एस)नमूना मूल्यों से. नमूना मान यादृच्छिक हैं, इसलिए अनुमान स्वयं ए*एक यादृच्छिक चर है. अनेकों का निर्माण संभव है अलग-अलग अनुमान(अर्थात् कार्य) ए*, लेकिन साथ ही एक अर्थ में "अच्छा" या "सर्वश्रेष्ठ" होना भी वांछनीय है। निम्नलिखित तीन प्राकृतिक आवश्यकताएँ आमतौर पर मूल्यांकन पर लगाई जाती हैं।
1. विस्थापित.मूल्यांकन की गणितीय अपेक्षा ए*पैरामीटर के सटीक मान के बराबर होना चाहिए: एम = ए. दूसरे शब्दों में, स्कोर ए*व्यवस्थित त्रुटि नहीं होनी चाहिए.
2. धन.नमूना आकार में अनंत वृद्धि के साथ, अनुमान ए*एक सटीक मान पर अभिसरण होना चाहिए, अर्थात, जैसे-जैसे अवलोकनों की संख्या बढ़ती है, अनुमान त्रुटि शून्य हो जाती है।
3. दक्षता.श्रेणी ए*इसे कुशल कहा जाता है यदि यह निष्पक्ष हो और इसमें त्रुटि भिन्नता सबसे कम हो। इस मामले में, अनुमानों का प्रसार न्यूनतम है ए*सटीक मान के सापेक्ष और अनुमान एक निश्चित अर्थ में "सबसे सटीक" है।
दुर्भाग्य से, ऐसा मूल्यांकन बनाना हमेशा संभव नहीं होता जो सभी तीन आवश्यकताओं को एक साथ पूरा करता हो।
गणितीय अपेक्षा का अनुमान लगाने के लिए, अनुमान का सबसे अधिक उपयोग किया जाता है।
= , (1.12)
अर्थात्, नमूने का अंकगणितीय माध्य। यदि यादृच्छिक चर एक्सपरिमित है एमएक्सऔर एस एक्स, तो अनुमान (1.12) पक्षपातपूर्ण और सुसंगत नहीं है। यह अनुमान प्रभावी है, उदाहरण के लिए, यदि एक्सइसका सामान्य वितरण है (चित्र 1.4, परिशिष्ट 1)। अन्य वितरणों के लिए यह प्रभावी नहीं हो सकता है. उदाहरण के लिए, मामले में वर्दी वितरण(चित्र 1.1, परिशिष्ट 1) एक निष्पक्ष, सुसंगत अनुमान होगा
(1.13)
साथ ही, सामान्य वितरण के लिए अनुमान (1.13) न तो सुसंगत होगा और न ही प्रभावी होगा, और नमूना आकार बढ़ने के साथ और भी खराब हो जाएगा।
इस प्रकार, प्रत्येक प्रकार के वितरण के लिए एक यादृच्छिक चर होता है एक्सआपको गणितीय अपेक्षा के अपने अनुमान का उपयोग करना चाहिए। हालाँकि, हमारी स्थिति में, वितरण का प्रकार केवल अस्थायी तौर पर ही जाना जा सकता है। इसलिए, हम अनुमान (1.12) का उपयोग करेंगे, जो काफी सरल है और सबसे अधिक है महत्वपूर्ण गुणनिष्पक्षता और निरंतरता.
समूहीकृत नमूने के लिए गणितीय अपेक्षा का अनुमान लगाने के लिए, निम्नलिखित सूत्र का उपयोग किया जाता है:
= , (1.14)
जो पिछले वाले से प्राप्त किया जा सकता है, अगर हम हर चीज़ पर विचार करें एम मैंनमूना मान शामिल हैं मैं-वें अंतराल प्रतिनिधि के बराबर z मैंयह अंतराल. यह अनुमान स्वाभाविक रूप से अधिक मोटा है, लेकिन इसमें काफी कम गणना की आवश्यकता होती है, खासकर बड़े नमूना आकार के साथ।
विचरण का अनुमान लगाने के लिए सबसे अधिक इस्तेमाल किया जाने वाला अनुमान है:
= , (1.15)
यह अनुमान पक्षपातपूर्ण नहीं है और किसी भी यादृच्छिक चर के लिए मान्य है एक्स, जिसमें चौथे क्रम तक सीमित क्षण शामिल हैं।
समूहीकृत नमूने के मामले में, उपयोग किया गया अनुमान है:
= (1.16)
अनुमान (1.14) और (1.16), एक नियम के रूप में, पक्षपाती और अस्थिर हैं, क्योंकि उनकी गणितीय अपेक्षाएँ और वे सीमाएँ जिनसे वे अभिसरण करते हैं, भिन्न हैं एमएक्सऔर इसमें शामिल सभी नमूना मूल्यों के प्रतिस्थापन के कारण मैं-वें अंतराल, प्रति अंतराल प्रतिनिधि z मैं.
ध्यान दें कि बड़े के लिए एन,गुणक एन/(एन - 1)अभिव्यक्ति (1.15) और (1.16) में एकता के करीब है, इसलिए इसे छोड़ा जा सकता है।
अंतराल अनुमान.
होने देना सही मूल्यकुछ पैरामीटर के बराबर है एऔर इसका अनुमान पाया गया जैसा)नमूने द्वारा एस. मूल्यांकन ए*संख्यात्मक अक्ष पर एक बिंदु से मेल खाता है (चित्र 1.5), इसलिए यह अनुमान कहा जाता है बिंदु. पिछले पैराग्राफ में चर्चा किए गए सभी अनुमान बिंदु अनुमान हैं। लगभग हमेशा, संयोगवश
ए* ¹ ए, और हम केवल यही आशा कर सकते हैं कि बात ए*कहीं आस-पास है ए. लेकिन कितना करीब? किसी भी अन्य बिंदु अनुमान में वही खामी होगी - परिणाम की विश्वसनीयता के माप की कमी।
चित्र.1.5. बिंदु पैरामीटर अनुमान.
इस संबंध में और अधिक विशिष्ट हैं अंतराल अनुमान. अंतराल स्कोर एक अंतराल का प्रतिनिधित्व करता है मैं बी = (ए, बी), जिसमें किसी दी गई संभावना के साथ अनुमानित पैरामीटर का सटीक मान पाया जाता है बी. मध्यान्तर आईबीबुलाया विश्वास अंतराल, और संभावना बीबुलाया आत्मविश्वास की संभावना और माना जा सकता है मूल्यांकन की विश्वसनीयता.
विश्वास अंतराल उपलब्ध नमूने पर आधारित है एस, यह इस अर्थ में यादृच्छिक है कि इसकी सीमाएँ यादृच्छिक हैं जैसा)और बी(एस), जिसकी गणना हम एक (यादृच्छिक) नमूने से करेंगे। इसीलिए बीऐसी संभावना है कि यादृच्छिक अंतराल आईबीएक गैर-यादृच्छिक बिंदु को कवर करेगा ए. चित्र में. 1.6. मध्यान्तर आईबीमुद्दे को कवर किया ए, ए आईबी*- नहीं। इसलिए ऐसा कहना पूरी तरह से सही नहीं है ए "गिरता है" अंतराल में।
यदि आत्मविश्वास की संभावना बीबड़ा (उदाहरण के लिए, बी = 0.999), तो लगभग हमेशा सटीक मान एनिर्मित अंतराल के भीतर है.
![]() |
चित्र.1.6. पैरामीटर का विश्वास अंतराल एविभिन्न नमूनों के लिए.
आइए निर्माण विधि पर विचार करें विश्वास अंतरालएक यादृच्छिक चर की गणितीय अपेक्षा के लिए एक्स,पर आधारित केंद्रीय सीमा प्रमेय.
चलो यादृच्छिक चर एक्सएक अज्ञात गणितीय अपेक्षा है एमएक्सऔर ज्ञात विचरण. फिर, केंद्रीय सीमा प्रमेय के आधार पर, अंकगणितीय माध्य है:
= , (1.17)
परिणाम एन स्वतंत्र परीक्षणमात्रा एक्सएक यादृच्छिक चर है जिसका वितरण बड़े पैमाने पर होता है एन, के करीब सामान्य वितरणऔसत के साथ एमएक्सऔर मानक विचलन. इसलिए यादृच्छिक चर
(1.18)
एक संभाव्यता वितरण है जिस पर विचार किया जा सकता है मानक सामान्यवितरण घनत्व के साथ जे(टी), जिसका ग्राफ चित्र 1.7 (साथ ही चित्र 1.4, परिशिष्ट 1) में दिखाया गया है।
![]() |
चित्र.1.7. एक यादृच्छिक चर का संभाव्यता घनत्व वितरण टी.
विश्वास की संभावना दी जाए बीऔर टी बी -समीकरण को संतुष्ट करने वाली संख्या
बी = Ф 0 (टी बी) – Ф 0 (-टी बी) = 2 Ф 0 (टी बी),(1.19)
कहाँ - लाप्लास फ़ंक्शन. फिर अंतराल में गिरने की संभावना (-टी बी , टी बी)चित्र 1.7 में छायांकित के बराबर होगा। क्षेत्र, और, अभिव्यक्ति के आधार पर (1.19), के बराबर है बी. इस तरह
बी = पी(-टी बी< < t b) = P( - टी.बी< m x < + टी बी ) =
= पी( - टी.बी< m x < + टी बी ) .(1.20)
इस प्रकार, विश्वास अंतराल के रूप में हम अंतराल ले सकते हैं
मैं बी = ( – टी बी ; + टी बी ) , (1.21)
चूँकि अभिव्यक्ति (1.20) का अर्थ है कि अज्ञात सटीक मान एमएक्समें है आईबीकिसी निश्चित आत्मविश्वास संभावना के साथ बी. निर्माण के लिए आईबीनिर्दिष्ट के अनुसार आवश्यक है बीखोजो टी बीसमीकरण (1.19) से. आइए कुछ मूल्य दें टी बीभविष्य में जरूरत है :
टी 0.9 = 1.645; टी 0.95 = 1.96; टी 0.99 = 2.58; टी 0.999 = 3.3.
व्यंजक (1.21) निकालते समय यह मान लिया गया कि मानक विचलन का सटीक मान ज्ञात है एस एक्स. हालाँकि, यह हमेशा ज्ञात नहीं होता है। इसलिए आइए हम उसके अनुमान (1.15) का उपयोग करें और प्राप्त करें:
मैं बी = ( – टी बी ; +टीबी). (1.22)
तदनुसार, समूहीकृत नमूने से प्राप्त अनुमान और विश्वास अंतराल के लिए निम्नलिखित सूत्र देते हैं:
मैं बी = ( – टी बी ; +टीबी). (1.23)
व्याख्यान का उद्देश्य: एक अज्ञात वितरण पैरामीटर का अनुमान लगाने की अवधारणा का परिचय देना और ऐसे अनुमानों का वर्गीकरण देना; गणितीय अपेक्षा और फैलाव के बिंदु और अंतराल अनुमान प्राप्त करें।
व्यवहार में, ज्यादातर मामलों में, यादृच्छिक चर का वितरण कानून अज्ञात है, और अवलोकनों के परिणामों के अनुसार संख्यात्मक विशेषताओं (उदाहरण के लिए, गणितीय अपेक्षा, फैलाव या अन्य क्षण) या अज्ञात पैरामीटर का अनुमान लगाना आवश्यक है
, जो वितरण कानून (वितरण घनत्व) निर्धारित करता है
यादृच्छिक चर का अध्ययन किया जा रहा है। इस प्रकार, एक घातीय वितरण या पॉइसन वितरण के लिए, एक पैरामीटर का अनुमान लगाना पर्याप्त है, लेकिन सामान्य वितरण के लिए, दो मापदंडों का अनुमान लगाया जाना चाहिए - गणितीय अपेक्षा और विचरण।
आकलन के प्रकार
यादृच्छिक मूल्य संभाव्यता घनत्व है
, कहाँ
– अज्ञात वितरण पैरामीटर. प्रयोग के परिणामस्वरूप, इस यादृच्छिक चर के मान प्राप्त हुए:
. मूल्यांकन करने का अनिवार्य रूप से मतलब है कि एक यादृच्छिक चर का नमूना मान एक निश्चित पैरामीटर मान के साथ जुड़ा होना चाहिए
, यानी अवलोकन परिणामों का कुछ फ़ंक्शन बनाएं
, जिसका मूल्य अनुमान के रूप में लिया जाता है
पैरामीटर
. अनुक्रमणिका
किए गए प्रयोगों की संख्या को इंगित करता है।
कोई भी फ़ंक्शन जो अवलोकनों के परिणामों पर निर्भर करता है, कहलाता है आंकड़े. चूँकि प्रेक्षणों के परिणाम यादृच्छिक चर होते हैं, सांख्यिकी भी एक यादृच्छिक चर होगी। इसलिए, मूल्यांकन अज्ञात पैरामीटर
इसे एक यादृच्छिक चर के रूप में माना जाना चाहिए, और इसके मूल्य की गणना मात्रा में प्रयोगात्मक डेटा से की जानी चाहिए
, - में से एक संभावित मानयह यादृच्छिक चर.
वितरण मापदंडों के अनुमान (यादृच्छिक चर की संख्यात्मक विशेषताएं) को बिंदु और अंतराल में विभाजित किया गया है। बिंदु लागतपैरामीटर एक संख्या द्वारा निर्धारित
, और इसकी सटीकता अनुमान के भिन्नता द्वारा विशेषता है। अंतराल अनुमानवह स्कोर कहलाता है जो दो संख्याओं द्वारा निर्धारित होता है,
और
- अनुमानित पैरामीटर को कवर करने वाले अंतराल के अंत
किसी निश्चित आत्मविश्वास संभावना के साथ।
वर्गीकरण बिंदु अनुमान
किसी अज्ञात पैरामीटर के बिंदु अनुमान के लिए सटीकता की दृष्टि से सर्वोत्तम, यह सुसंगत, निष्पक्ष और कुशल होना चाहिए।
धनवानमूल्यांकन कहा जाता है पैरामीटर
, यदि यह अनुमानित पैरामीटर में संभाव्यता में परिवर्तित हो जाता है, अर्थात।
. (8.8)
चेबीशेव की असमानता के आधार पर यह दिखाया जा सकता है पर्याप्त स्थितिसंबंध की पूर्ति (8.8) समानता है
.
संगति अनुमान की एक स्पर्शोन्मुख विशेषता है .
निष्पक्षमूल्यांकन कहा जाता है (व्यवस्थित त्रुटि के बिना अनुमान), जिसकी गणितीय अपेक्षा अनुमानित पैरामीटर के बराबर है, अर्थात।
. (8.9)
यदि समानता (8.9) संतुष्ट न हो तो अनुमान पक्षपातपूर्ण कहा जाता है। अंतर अनुमान में पूर्वाग्रह या व्यवस्थित त्रुटि कहा जाता है। यदि समानता (8.9) केवल के लिए संतुष्ट है
, तो संबंधित अनुमान को स्पर्शोन्मुख रूप से निष्पक्ष कहा जाता है।
यह ध्यान दिया जाना चाहिए कि यदि व्यवहार में उपयोग किए जाने वाले सभी अनुमानों के लिए स्थिरता लगभग अनिवार्य शर्त है (असंगत अनुमानों का उपयोग बहुत ही कम किया जाता है), तो निष्पक्षता की संपत्ति केवल वांछनीय है। अक्सर उपयोग किए जाने वाले कई अनुमानों में निष्पक्ष संपत्ति नहीं होती है।
सामान्य तौर पर, कुछ पैरामीटर का अनुमान लगाने की सटीकता , प्रायोगिक डेटा के आधार पर प्राप्त किया गया
, माध्य चुकता त्रुटि द्वारा विशेषता
,
जिसे फॉर्म में छोटा किया जा सकता है
,
भिन्नता कहां है, - वर्ग अनुमान पूर्वाग्रह.
यदि अनुमान निष्पक्ष है, तो
परिमित पर माध्य वर्ग त्रुटि के आधार पर अनुमान भिन्न हो सकते हैं
. स्वाभाविक रूप से, यह त्रुटि जितनी छोटी होगी, अनुमानित पैरामीटर के आसपास मूल्यांकन मान उतने ही अधिक समूहीकृत होंगे। इसलिए, यह हमेशा वांछनीय है कि अनुमान त्रुटि यथासंभव छोटी हो, यानी शर्त पूरी हो
. (8.10)
मूल्यांकन , संतोषजनक स्थिति (8.10), को न्यूनतम वर्ग त्रुटि वाला अनुमान कहा जाता है।
असरदारमूल्यांकन कहा जाता है , जिसके लिए माध्य चुकता त्रुटि किसी अन्य अनुमान की माध्य चुकता त्रुटि से अधिक नहीं है, अर्थात।
कहाँ - कोई अन्य पैरामीटर अनुमान
.
यह ज्ञात है कि एक पैरामीटर के किसी भी निष्पक्ष अनुमान का विचरण क्रैमर-राव असमानता को संतुष्ट करता है
,
कहाँ - पैरामीटर के वास्तविक मान पर यादृच्छिक चर के प्राप्त मूल्यों का सशर्त संभाव्यता घनत्व वितरण
.
इस प्रकार, निष्पक्ष अनुमान , जिसके लिए क्रैमर-राव असमानता समानता बन जाती है, प्रभावी होगी, यानी, ऐसे अनुमान में न्यूनतम भिन्नता होती है।
अपेक्षा और विचरण का बिंदु अनुमान
यदि एक यादृच्छिक चर पर विचार किया जाता है , जिसकी गणितीय अपेक्षा है
और विचरण
, तो ये दोनों पैरामीटर अज्ञात माने जाते हैं। इसलिए, एक यादृच्छिक चर पर
उत्पादन
स्वतंत्र प्रयोग जो परिणाम देते हैं:
. अज्ञात मापदंडों के सुसंगत और निष्पक्ष अनुमान लगाना आवश्यक है
और
.
जैसा अनुमान है और
आमतौर पर सांख्यिकीय (नमूना) माध्य और सांख्यिकीय (नमूना) विचरण क्रमशः चुना जाता है:
; (8.11)
. (8.12)
गणितीय अपेक्षा का अनुमान (8.11) बड़ी संख्या के नियम (चेबीशेव प्रमेय) के अनुसार सुसंगत है:
.
एक यादृच्छिक चर की अपेक्षा
.
इसलिए, अनुमान निष्पक्ष है.
गणितीय अपेक्षा अनुमान का फैलाव:
यदि यादृच्छिक चर सामान्य कानून के अनुसार वितरित किया जाता है, फिर अनुमान
प्रभावी भी है.
विचरण अनुमान की अपेक्षा
एक ही समय में
.
क्योंकि , ए
, तो हमें मिलता है
. (8.13)
इस प्रकार, - एक पक्षपातपूर्ण मूल्यांकन, हालांकि यह सुसंगत और प्रभावी है।
सूत्र (8.13) से यह निष्कर्ष निकलता है कि निष्पक्ष अनुमान प्राप्त करना है नमूना विचरण (8.12) को निम्नानुसार संशोधित किया जाना चाहिए:
जिसे अनुमान (8.12) की तुलना में "बेहतर" माना जाता है, हालाँकि बड़े पैमाने पर ये अनुमान लगभग एक दूसरे के बराबर हैं।
वितरण मापदंडों का अनुमान प्राप्त करने की विधियाँ
अक्सर व्यवहार में, यह उस भौतिक तंत्र के विश्लेषण पर आधारित होता है जो यादृच्छिक चर उत्पन्न करता है , हम इस यादृच्छिक चर के वितरण कानून के बारे में निष्कर्ष निकाल सकते हैं। हालाँकि, इस वितरण के पैरामीटर अज्ञात हैं और प्रयोगात्मक परिणामों से अनुमान लगाया जाना चाहिए, आमतौर पर एक सीमित नमूने के रूप में प्रस्तुत किया जाता है
. इस समस्या को हल करने के लिए, दो विधियों का सबसे अधिक उपयोग किया जाता है: क्षणों की विधि और अधिकतम संभावना विधि।
क्षणों की विधि. इस विधि में सैद्धांतिक क्षणों को समान क्रम के संगत अनुभवजन्य क्षणों के साथ बराबर करना शामिल है।
अनुभवजन्य प्रारंभिक बिंदु -वां क्रम सूत्रों द्वारा निर्धारित किया जाता है:
,
और संबंधित सैद्धांतिक प्रारंभिक क्षण -वां क्रम - सूत्र:
असतत यादृच्छिक चर के लिए,
निरंतर यादृच्छिक चर के लिए,
कहाँ - अनुमानित वितरण पैरामीटर।
दो अज्ञात मापदंडों वाले वितरण के मापदंडों का अनुमान प्राप्त करना और
, दो समीकरणों की एक प्रणाली संकलित की गई है
कहाँ और
- दूसरे क्रम के सैद्धांतिक और अनुभवजन्य केंद्रीय क्षण।
समीकरणों की प्रणाली का समाधान अनुमान है और
अज्ञात वितरण पैरामीटर
और
.
पहले क्रम के सैद्धांतिक और अनुभवजन्य प्रारंभिक क्षणों की बराबरी करते हुए, हम एक यादृच्छिक चर की गणितीय अपेक्षा का अनुमान लगाकर इसे प्राप्त करते हैं , एक मनमाना वितरण होने पर, नमूना माध्य होगा, अर्थात।
. फिर, दूसरे क्रम के सैद्धांतिक और अनुभवजन्य केंद्रीय क्षणों की बराबरी करते हुए, हम पाते हैं कि यादृच्छिक चर के विचरण का अनुमान
, जिसका मनमाना वितरण होता है, सूत्र द्वारा निर्धारित किया जाता है
.
इसी प्रकार, कोई भी किसी भी क्रम के सैद्धांतिक क्षणों का अनुमान पा सकता है।
क्षणों की विधि सरल है और इसमें जटिल गणनाओं की आवश्यकता नहीं होती है, लेकिन इस विधि द्वारा प्राप्त अनुमान अक्सर अप्रभावी होते हैं।
अधिकतम संभावना विधि. अज्ञात वितरण मापदंडों के बिंदु अनुमान की अधिकतम संभावना विधि एक या अधिक अनुमानित मापदंडों के अधिकतम कार्य को खोजने के लिए नीचे आती है।
होने देना एक सतत यादृच्छिक चर है, जिसके परिणामस्वरूप
परीक्षणों ने मान लिया
. किसी अज्ञात पैरामीटर का अनुमान प्राप्त करने के लिए
ऐसा मान ज्ञात करना आवश्यक है
, जिस पर परिणामी नमूने को लागू करने की संभावना अधिकतम होगी। क्योंकि
समान संभाव्यता घनत्व के साथ परस्पर स्वतंत्र मात्राओं का प्रतिनिधित्व करते हैं
, वह संभाव्यता समारोहतर्क फ़ंक्शन को कॉल करें
:
पैरामीटर की अधिकतम संभावना अनुमान द्वारा इस मान को कहा जाता है
, जिस पर संभाव्यता फलन अधिकतम तक पहुँच जाता है, अर्थात, समीकरण का एक समाधान है
,
जो स्पष्ट रूप से परीक्षण परिणामों पर निर्भर करता है .
कार्यों के बाद से और
समान मूल्यों पर अधिकतम तक पहुँचें
, फिर गणनाओं को सरल बनाने के लिए वे अक्सर लॉगरिदमिक संभावना फ़ंक्शन का उपयोग करते हैं और संबंधित समीकरण की जड़ की तलाश करते हैं
,
जिसे कहा जाता है संभाव्यता समीकरण.
यदि आपको कई मापदंडों का मूल्यांकन करने की आवश्यकता है वितरण
, तो संभावना फ़ंक्शन इन मापदंडों पर निर्भर करेगा। अनुमान खोजने के लिए
सिस्टम को हल करने के लिए वितरण पैरामीटर आवश्यक है
संभाव्यता समीकरण
.
अधिकतम संभावना विधि सुसंगत और असममित रूप से कुशल अनुमान प्रदान करती है। हालाँकि, अधिकतम संभावना विधि द्वारा प्राप्त अनुमान पक्षपाती होते हैं, और, इसके अलावा, अनुमान खोजने के लिए, समीकरणों की जटिल प्रणालियों को हल करना अक्सर आवश्यक होता है।
अंतराल पैरामीटर अनुमान
बिंदु अनुमानों की सटीकता उनके विचरण द्वारा विशेषता है। हालाँकि, इस बारे में कोई जानकारी नहीं है कि प्राप्त अनुमान मापदंडों के वास्तविक मूल्यों के कितने करीब हैं। कई कार्यों में, आपको न केवल पैरामीटर खोजने की आवश्यकता है उपयुक्त संख्यात्मक मान, बल्कि इसकी सटीकता और विश्वसनीयता का मूल्यांकन भी करना। आपको यह पता लगाना होगा कि किसी पैरामीटर को बदलने से कौन सी त्रुटियाँ हो सकती हैं
इसका बिंदु अनुमान
और हमें किस हद तक विश्वास के साथ यह उम्मीद करनी चाहिए कि ये त्रुटियाँ ज्ञात सीमाओं से अधिक नहीं होंगी।
ऐसे कार्य विशेष रूप से प्रासंगिक होते हैं जब प्रयोगों की संख्या कम होती है। , जब बिंदु अनुमान
काफी हद तक यादृच्छिक और अनुमानित प्रतिस्थापन
पर
महत्वपूर्ण त्रुटियाँ हो सकती हैं।
अधिक पूर्ण और विश्वसनीय तरीकावितरण के मापदंडों का अनुमान लगाने में एक बिंदु मान निर्धारित करना शामिल नहीं है, बल्कि एक अंतराल है, जो किसी दी गई संभावना के साथ, अनुमानित पैरामीटर के सही मूल्य को कवर करता है।
नतीजों के मुताबिक चलो प्रयोगों से एक निष्पक्ष अनुमान प्राप्त हुआ
पैरामीटर
. संभावित त्रुटि का मूल्यांकन करना आवश्यक है. कुछ पर्याप्त रूप से बड़ी संभावना का चयन किया गया है
(उदाहरण के लिए), जैसे कि इस संभावना वाली एक घटना को व्यावहारिक रूप से एक निश्चित घटना माना जा सकता है, और ऐसा मान पाया जाता है
, जिसके लिए
. (8.15)
इस मामले में, प्रतिस्थापन के दौरान होने वाली त्रुटि के व्यावहारिक रूप से संभावित मूल्यों की सीमा पर
, इच्छा
, और बड़े वाले निरपेक्ष मूल्यत्रुटियाँ केवल कम संभावना के साथ दिखाई देंगी
.
अभिव्यक्ति (8.15) का अर्थ है कि संभाव्यता के साथ अज्ञात पैरामीटर मान
अंतराल में पड़ता है
. (8.16)
संभावना बुलाया आत्मविश्वास की संभावना, और अंतराल
, संभाव्यता के साथ कवर करना
पैरामीटर का सही मान कहा जाता है विश्वास अंतराल. ध्यान दें कि यह कहना गलत है कि पैरामीटर मान संभाव्यता के साथ विश्वास अंतराल के भीतर है
. प्रयुक्त सूत्रीकरण (कवर) का अर्थ है कि यद्यपि अनुमानित पैरामीटर अज्ञात है, इसका एक स्थिर मूल्य है और इसलिए इसका कोई प्रसार नहीं है क्योंकि यह एक यादृच्छिक चर नहीं है।
विषय:गणितीय अपेक्षा का बिंदु अनुमान. विचरण का बिंदु अनुमान. किसी घटना की संभावना का बिंदु अनुमान. समान वितरण मापदंडों का बिंदु अनुमान।
खण्ड 1.गणितीय अपेक्षा का बिंदु अनुमान.
आइए मान लें कि यादृच्छिक चर का वितरण फ़ंक्शन अज्ञात पैरामीटर पर निर्भर करता है θ : पी (ξ θ;).
अगर एक्स 1 , एक्स 2 …., एक्स एनएक यादृच्छिक चर ξ की सामान्य जनसंख्या से एक नमूना है, फिर पैरामीटर का अनुमान लगाकर θ नमूना मूल्यों का एक मनमाना कार्य है
अनुमान का मूल्य नमूने से नमूने में बदलता है और इसलिए, एक यादृच्छिक चर है। अधिकांश प्रयोगों में, इस यादृच्छिक चर का मान अनुमानित पैरामीटर के मान के करीब है; यदि किसी मान n के लिए मान की गणितीय अपेक्षा पैरामीटर के वास्तविक मान के बराबर है, तो शर्त को पूरा करने वाले अनुमान कहलाते हैं निष्पक्ष. निष्पक्ष अनुमान का अर्थ है कि अनुमान व्यवस्थित त्रुटि के अधीन नहीं है।
अनुमान को सुसंगत पैरामीटर अनुमान कहा जाता है θ , यदि किसी ξ>0 के लिए यह सत्य है
इस प्रकार, जैसे-जैसे नमूना आकार बढ़ता है, परिणाम की सटीकता बढ़ती है।
होने देना एक्स 1
,
एक्स 2
…
एक्स एन
- एक अज्ञात गणितीय अपेक्षा और ज्ञात विचरण Dξ=σ 2 के साथ एक यादृच्छिक चर ξ के अनुरूप सामान्य जनसंख्या से एक नमूना। आइए हम अज्ञात पैरामीटर के कई अनुमान बनाएं। तो अगर , अर्थात। विचाराधीन अनुमानक एक निष्पक्ष अनुमानक है। लेकिन, चूँकि मान नमूना आकार n पर बिल्कुल भी निर्भर नहीं करता है, इसलिए अनुमान मान्य नहीं है।
सामान्य रूप से वितरित यादृच्छिक चर की गणितीय अपेक्षा का एक प्रभावी अनुमान अनुमान है
अब से, एक यादृच्छिक चर की अज्ञात गणितीय अपेक्षा का अनुमान लगाने के लिए, हम नमूना औसत का उपयोग करेंगे, अर्थात।
अज्ञात वितरण मापदंडों का अनुमान प्राप्त करने के लिए मानक (नियमित) तरीके हैं। उनमें से सबसे प्रसिद्ध: क्षणों की विधि, अधिकतम संभावना विधिऔर न्यूनतम वर्ग विधि.
पृ.2 विचरण के बिंदु अनुमान।
एक यादृच्छिक चर के प्रसरण σ 2 के लिए ξ निम्नलिखित मूल्यांकन प्रस्तावित किया जा सकता है:
नमूना माध्य कहां है.
यह साबित हो चुका है कि यह अनुमान वैध है, लेकिन विस्थापित.
विचरण के सुसंगत निष्पक्ष अनुमान के रूप में, मान का उपयोग करें
यह बिल्कुल अनुमान की निष्पक्षता है एस 2 उसे और समझाता है बारंबार उपयोगपरिमाण के अनुमान के रूप में डीξ.
ध्यान दें कि मैथकैड भिन्नता के अनुमान के रूप में मूल्य प्रदान करता है , नॉट एस 2: फ़ंक्शन वर(एक्स) मूल्य की गणना करता है
कहाँ अर्थ (एक्स) -नमूना माध्य।
कार्य 6.5
Μξ और विचरण डीξ कार्य में दिए गए नमूना मानों के आधार पर यादृच्छिक चर।
कार्य पूर्ण करने की प्रक्रिया
डिस्क से नमूना मान वाली फ़ाइल पढ़ें, या कीबोर्ड से एक निर्दिष्ट नमूना दर्ज करें।
बिंदु अनुमान की गणना करें Μξ और डीξ.
किसी कार्य को पूरा करने का उदाहरण
गणितीय अपेक्षा के लगातार निष्पक्ष अनुमान खोजें Μξ और विचरण डीξ अनियमित परिवर्तनशील वस्तु ξ निम्नलिखित तालिका द्वारा दिए गए नमूना मूल्यों के अनुसार।
इस प्रकार की तालिका द्वारा परिभाषित नमूने के लिए (नमूना मूल्य और एक संख्या दी गई है जो दर्शाती है कि नमूने में यह मान कितनी बार आता है), अपेक्षा और भिन्नता के लगातार निष्पक्ष अनुमान के लिए सूत्र हैं:
,
,
कहाँ क - तालिका में मानों की संख्या; एन मैं - मानों की संख्या एक्स मैं नमूने में; एन- नमूने का आकार।
बिंदु अनुमानों की गणना के साथ मैथकैड वर्किंग पेपर का एक टुकड़ा नीचे दिया गया है।
उपरोक्त गणना से यह स्पष्ट है कि पक्षपाती अनुमान विचरण अनुमान का कम अनुमान देता है।
खण्ड 3. घटना संभाव्यता का बिंदु अनुमान
मान लीजिए कि किसी प्रयोग में घटना ए(अनुकूल परीक्षण परिणाम) संभाव्यता के साथ होता है पीऔर संभावना के साथ नहीं होता है क्यू = 1 - आर।कार्य अज्ञात वितरण पैरामीटर का अनुमान प्राप्त करना है पीश्रृंखला परिणामों के आधार पर एनयादृच्छिक प्रयोग. परीक्षणों की एक निश्चित संख्या के लिए एनअनुकूल परिणामों की संख्या एमपरीक्षणों की एक श्रृंखला में - बर्नौली वितरण वाला एक यादृच्छिक चर। आइए इसे अक्षर द्वारा निरूपित करें μ.
यदि घटना एकी एक श्रृंखला में एनस्वतंत्र परीक्षण हुए
एमसमय, फिर मूल्य का अनुमान पीसूत्र का उपयोग करके गणना करने का प्रस्ताव है
आइए प्रस्तावित अनुमान के गुणों का पता लगाएं। यादृच्छिक चर के बाद से μ फिर, बर्नौली वितरण है Μμ= एन.पी. औरएम = एम = पी, अर्थात। एक निष्पक्ष अनुमान है.
बर्नौली परीक्षणों के लिए, बर्नौली का प्रमेय मान्य है, जिसके अनुसार , अर्थात। श्रेणी पी
धनवान।
यह सिद्ध हो चुका है कि यह अनुमान प्रभावी है क्योंकि, अन्य चीजें समान होने के बावजूद, इसमें न्यूनतम भिन्नता है।
मैथकैड में, बर्नौली वितरण के साथ एक यादृच्छिक चर के मूल्यों का एक नमूना अनुकरण करने के लिए, फ़ंक्शन rbinom(fc,η,ρ) का इरादा है, जो एक वेक्टर उत्पन्न करता है को यादृच्छिक संख्या, κα ι जिनमें से प्रत्येक η स्वतंत्र परीक्षणों की श्रृंखला में सफलताओं की संख्या के बराबर है और प्रत्येक में सफलता की संभावना ρ है।
कार्य 6.6
किसी दिए गए पैरामीटर मान के साथ बर्नौली वितरण वाले यादृच्छिक चर के मानों के कई नमूने अनुकरण करें आर. प्रत्येक नमूने के लिए पैरामीटर अनुमान की गणना करें पीऔर निर्दिष्ट मान से तुलना करें. गणना परिणामों को ग्राफिक रूप से प्रस्तुत करें।
कार्य पूर्ण करने की प्रक्रिया
1. फ़ंक्शन rbinom(1, का उपयोग करना एन, पी), दिए गए बर्नौली वितरण वाले एक यादृच्छिक चर के मानों के अनुक्रम का वर्णन करें और उत्पन्न करें पीऔर एनके लिए एन = 10, 20, ..., Ν, नमूना आकार के एक फ़ंक्शन के रूप में पी।
2. प्रत्येक मान की गणना करें एनबिंदु संभाव्यता अनुमान आर।
किसी कार्य को पूरा करने का उदाहरण
आयतन नमूनों के लिए बिंदु अनुमान प्राप्त करने का एक उदाहरण एन= 10, 20,..., पैरामीटर के साथ बर्नौली वितरण वाले एक यादृच्छिक चर μ के 200 मान पी= 0.3, नीचे दिया गया है।
टिप्पणी। चूंकि फ़ंक्शन का मान है वेक्टर, एक शृंखला में सफलताओं की संख्या एनसफलता की संभावना के साथ स्वतंत्र परीक्षण पीप्रत्येक परीक्षण में वेक्टर rbinom(1,) के पहले घटक में निहित है एन, पी), अर्थात। सफलताओं की संख्या rbinom(1, एन, पी). उपरोक्त स्निपेट में क- मैं वेक्टर घटक Ρ श्रृंखला में सफलताओं की संख्या 10 शामिल है कके लिए स्वतंत्र परीक्षण क = 1,2,..., 200.
आइटम 4. समान वितरण के मापदंडों का बिंदु अनुमान
आइए एक और शिक्षाप्रद उदाहरण देखें। मान लीजिए कि यह एक यादृच्छिक चर के अनुरूप सामान्य जनसंख्या से एक नमूना है, जिसका एक अज्ञात पैरामीटर वाले खंड पर एक समान वितरण है θ . हमारा कार्य इस अज्ञात पैरामीटर का अनुमान लगाना है।
आइए इनमें से एक पर विचार करें संभावित तरीकेआवश्यक अनुमान का निर्माण. अगर ξ एक यादृच्छिक चर है जिसका खंड पर एक समान वितरण होता है Μ ξ = . परिमाण अनुमान के बाद से एमξ ज्ञात Μξ =, फिर पैरामीटर अनुमान के लिए θ आप एक अनुमान ले सकते हैं
अनुमान की निष्पक्षता स्पष्ट है:
फैलाव और सीमा D की n →∞ के रूप में गणना करने के बाद, हम अनुमान की वैधता की पुष्टि करते हैं:
एक अलग पैरामीटर अनुमान प्राप्त करने के लिए θ आइये अन्य आँकड़ों पर नजर डालते हैं। मान लीजिए = अधिकतम)। आइए यादृच्छिक चर का वितरण ज्ञात करें:
फिर यादृच्छिक चर की गणितीय अपेक्षा और विचरण
वितरण के साथ क्रमशः बराबर हैं:
;
वे। मूल्यांकन वैध है, लेकिन पक्षपातपूर्ण है। हालाँकि, यदि = अधिकतम) के बजाय हम = अधिकतम) पर विचार करते हैं, तो दोनों, और, इसलिए, अनुमान सुसंगत और निष्पक्ष है।
उसी समय से
मूल्यांकन की तुलना में काफी अधिक प्रभावी है
उदाहरण के लिए, n = 97 के साथ, अनुमान का प्रसार θ^ अनुमान के प्रसार से 33 राल कम है
अंतिम उदाहरण एक बार फिर दिखाता है कि किसी अज्ञात वितरण पैरामीटर का सांख्यिकीय अनुमान चुनना एक महत्वपूर्ण और गैर-तुच्छ कार्य है।
मैथकैड में, एक यादृच्छिक चर के मानों का एक नमूना अनुकरण करने के लिए जिसका अंतराल [ए, बी] पर एक समान वितरण होता है, फ़ंक्शन रनिफ़ (एफसी, ओ, बी) का इरादा है, जो एक वेक्टर उत्पन्न करता है को यादृच्छिक संख्याएँ, जिनमें से प्रत्येक अंतराल [ए, 6] पर समान रूप से वितरित एक यादृच्छिक चर का मान है।