Как найти точность оценки доверительного интервала

Чаще всего оценки делятся на два вида: точечная оценка и интервальная оценка.

Определение 1

Точечная оценка — оценка, которая определяется одним числом.

В математической статистике, при оценке различных совокупностей чаще сего используется интервальная оценка.

Определение 2

Интервальная оценка — оценка, которая определяется двумя числами, которые являются концами интервала.

Для понятия интервальной оценки используются параметры точности и надежности оценки.

Определение 3

Точность оценки — положительное число $delta >0$, характеризующие величину расхождения между оценками выборки и генеральной совокупности, а именно:

[left|Q-Q^*right|1.]

Определение 4

Надежность или доверительная вероятность оценки $Q по Q^*$ – вероятность $gamma $, удовлетворяющее равенству:

[Pleft(Q^*-delta

Чаще всего надежность имеет значения $0,95, 0,99 и 0,999$, то есть значения, близкие к единице.

Доверительный интервал

Определение 5

Доверительный интервал — интервал $(Q^*-delta ,Q^*+delta )$, который покрывает неизвестную величину $Q$ c надежностью $gamma $, то есть $Q^*-delta

Понятие доверительного интервала существует для оценки многих параметров выборки: математического ожидания, среднего квадратического отклонения, дисперсии

В данной статье мы не будем вдаваться в подробности вывода формул для нахождения доверительных интервалов.

  • Доверительный интервал для оценки математического ожидания при заданном среднем квадратическом отклонении $sigma $.

[left(overline{x}-frac{sigma t}{sqrt{n}};overline{x}+frac{sigma t}{sqrt{n}}right)]

где $t$ находится из равенства $2Фleft(tright)=gamma $.

  • Доверительный интервал для оценки математического ожидания при неизвестном среднем квадратическом отклонении $sigma $.

[left(overline{x}-frac{St}{sqrt{n}},overline{x}+frac{St}{sqrt{n}}right)]

  • Доверительный интервал для оценки среднего квадратического отклонения.

[left(Sleft(1-qright),Sleft(1+qright)right), при q1.]

  • Доверительный интервал для оценки дисперсии.

[left(S^2left(1-qright),S^2left(1+qright)right), при q1.]

В последних двух пунктах $q$ имеет табличное значение (таблица 1).

Значения величины $q$.

Рисунок 1. Значения величины $q$.

Пример задачи на нахождения доверительных интервалов

Пример 1

Пусть величина $X$ имеет нормальное распределение с дисперсией $sigma =2$ и исправленным среднем квадратическим отклонением $S=1,8$. Пусть объем выборки $n=25$, а надежность равна $gamma =0,99$.

Найти:1) доверительный интервал для оценки математического ожидания.

2) доверительный интервал для оценки среднего квадратического отклонения.

3) доверительный интервал для оценки дисперсии.

Решение:

1) Для нахождения доверительного интервала для оценки математического ожидания необходимо найти интервал вида

[left(overline{x}-frac{sigma t}{sqrt{n}};overline{x}+frac{sigma t}{sqrt{n}}right)]

Параметр $t$ найдем из формулы

[2Фleft(tright)=gamma ]

Откуда

[Фleft(tright)=frac{gamma }{2}=frac{0,99}{2}=0,495]

Из таблицы значений функции Лапласа получим, что $t=2,6$.

Имеем интервал:

[left(overline{x}-frac{4,6}{sqrt{25}};overline{x}+frac{4,6}{sqrt{25}}right)=left(overline{x}-0,92;overline{x}+0,92right)]

2) Для начала найдем значение величины $q$. Так как $n=25$ и $gamma =0,99$, то из таблицы 1, получим, что $q=0,49$.

Видим, что $q
[left(Sleft(1-qright),Sleft(1+qright)right)] [left(1,8cdot 0,51;1,8cdot 1,49right)=(0,918;2,682)]

3) Так как, как было показано в пункте 2, $q
[left(S^2left(1-qright),S^2left(1+qright)right)]

end{enumerate}

Получим:

[left(1,6524;4,8276right)]

Точечной называют оценку, которая
определяется одним числом. Все оценки,
рассмотренные выше,- точечные. При
выборке малого объема точечная оценка
может значительно отличаться от
оцениваемого параметра, т. е. приводить
к грубым ошибкам. По этой причине при
небольшом объеме выборки следует
пользоваться интервальными оценками.

Интервальной называют
оценку, которая определяется двумя
числами – концами интервала. Интервальные
оценки позволяют установить точность
и надежность оценок (смысл этих понятий
выясняется ниже).

Пусть найденная по данным
выборки статистическая характеристика
Θ* служит оценкой неизвестного параметра
Θ. Будем считать Θ постоянным числом (Θ
может быть и случайной величиной). Ясно,
что Θ* тем точнее определяет параметр
Θ, чем меньше абсолютная величина
разности |Θ – Θ*|. Другими словами, если
δ>0
и |Θ – Θ*|<δ,
то чем меньше δ,
тем оценка точнее. Таким образом,
положительное число δ
характеризует точность
оценки.

Однако статистические
методы не позволяют категорически
утверждать, что оценка Θ * удовлетворяет
неравенству |Θ – Θ*|<δ;
можно лишь говорить о вероятности γ, с
которой это неравенство осуществляется.

Надежностью (доверительной
вероятностью
)
оценки Θ по Θ* называют
вероятность γ,
с которой осуществляется
неравенство |Θ – Θ*|<δ.
Обычно надежность оценки задается
наперед, причем в качестве γ берут число,
близкое к единице. Наиболее часто задают
надежность, равную 0,95; 0,99 и 0,999.

Пусть вероятность того, что
|Θ – Θ*|<δ,
равна γ:

Р[|Θ –
Θ*|<δ]=
γ.

Заменив неравенство |Θ –
Θ*|<δ
равносильным ему двойным неравенством

– Θ*< δ,
или Θ*- δ <Θ<
Θ* + δ,
имеем

Р[Θ* – δ
<Θ< Θ* + δ]
= γ.

Это соотношение следует
понимать так: вероятность того, что
интервал(Θ*-δ,
Θ*+δ)
заключает в себе (покрывает) неизвестный
параметр Θ, равна γ.

Доверительным называют
интервал (Θ*-δ,
Θ*+δ),
который покрывает неизвестный параметр
с заданной надежностью γ.

Замечание.
Интервал (Θ*-δ,
Θ*+δ)
имеет случайные концы (их называют
доверительными границами). Действительно,
в разных выборках получаются различные
значения Θ*. Следовательно, от выборки
к выборке будут изменяться и концы
доверительного интервала, т. е.
доверительные границы сами являются
случайными величинами – функциями от
х1,
x2,
…,
хn.

Так
как случайной величиной является не
оцениваемый параметр Θ, а доверительный
интервал, то более правильно говорить
не о вероятности попадания Θ в доверительный
интервал, а о вероятности того, что
доверительный интервал покроет Θ.

Метод доверительных интервалов разработал
американский статистик Ю. Нейман, исходя
из идей английского статистика Р. Фишера.

§ 15. Доверительные интервалы для оценки математического ожидания нормального распределения при известном σ

Пусть количественный признак
X
генеральной совокупности
распределен нормально, причем среднее
квадратическое отклонение σ
этого распределения известно. Требуется
оценить неизвестное математическое
ожидание а
по выборочной средней
.
Поставим своей задачей
найти доверительные интервалы, покрывающие
параметр а с
надежностью γ.

Будем рассматривать
выборочную среднюю

как случайную величину(изменяется от выборки к выборке) и
выборочные значения признаках1,
x2,
…,хn
– как одинаково распределенные независимые
случайные величины Х1,
Х
2,
…,Хn
(эти числа также
изменяются от выборки к выборке). Другими
словами, математическое ожидание каждой
из этих величин равно а
и среднее квадратическое
отклонение – σ.

Примем без доказательства,
что если случайная величина X
распределена нормально,
то выборочная средняя
,
найденная по
независимым наблюдениям, также
распределена нормально. Параметры
распределения

таковы (см. гл. VIII,
§ 9):

M()=a,

.

Потребуем, чтобы выполнялось соотношение

Р(
– а|
< δ)
=
γ,

где γ
– заданная
надежность.

Пользуясь формулой (см. гл.
XII,
§ 6)

Р(|Х-а|
< δ)
=
2Ф(δ/σ),

заменив X
на

и σ
на
,
получим

Р(|Х-а|)
)
= 2Ф(δ)
= 2Ф (t),

где t
=
δ
.

Найдя из последнего равенства


, можем написать

Р (|—а
| <
)
= 2Ф(t).

Приняв во внимание, что
вероятность P
задана и равна γ,
окончательно
имеем (чтобы получить рабочую формулу,
выборочную среднюю вновь обозначим
через
)

Смысл полученного соотношения
таков: с надежностью γ
можно утверждать,
что доверительный интервал (,
) покрывает неизвестный
параметр а;
точность оценки
.

Итак, поставленная выше
задача полностью решена. Укажем еще,
что число t
определяется из равенства 2Ф(t)
=
γ. или Ф(t)=
γ
/2;
по таблице функции
Лапласа (см. приложение 2) находят аргумент
t, которому
соответствует значение функции Лапласа,
равное γ /2.

Замечание
1.

Оценку
называют
классической. Из формулы
,
определяющей
точность классической оценки, можно
сделать следующие выводы:

1) при
возрастании объема выборки п
число
δ
убывает
и, следовательно, точность оценки
увеличивается;

2)
увеличение надежности оценки γ
=
2Ф(t)
приводит к увеличению t(Ф
(t)
— возрастающая функция), следовательно,
и к возрастанию δ;
другими словами, увеличение надежности
классической оценки влечет за собой
уменьшение ее точности.

Пример.
Случайная величина X
имеет
нормальное распределение с известным
средним квадратическим отклонением σ
= 3. Найти доверительные интервалы для
оценки неизвестного математического
ожидания а
по
выборочным средним
,
если
объем выборки n
= 36 и задана надежность оценки
γ= 0,95.

Решение.
Найдем
t.
Из
соотношения 2Ф(t)=0,95
получим Ф(t)
= 0,475. По таблице приложения 2 находим
t=1,96.

Найдем точность
оценки:

.

Доверительный
интервал таков: (-0,98;


+ 0,98). Например, если

= 4,1, то доверительный интервал имеет
следующие доверительные границы:


0,98
= 4,1- 0,98 = 3,12;
+
0,98 = 4,1 + 0,98 = 5,08.

Таким
образом, значения неизвестного параметра
а,
согласующиеся
с данными выборки, удовлетворяют
неравенству 3,12 < а
<
5,08.
Подчеркнем, что было бы ошибочным
написать Р(3,12
<
а < 5,08) = 0,95. Действительно, так как а

постоянная величина, то либо она заключена
в найденном интервале (тогда событие
3,12 < а
<
5,08
достоверно и его вероятность равна
единице), либо в нем не заключена (в
этом
случае событие 3,12 < а
<
5,08 невозможно и его вероятность равна
нулю). Другими словами, доверительную
вероятность не следует связывать с
оцениваемым параметром; она связана
лишь с границами доверительного
интервала, которые, как уже было указано,
изменяются от выборки к выборке.

Поясним
смысл, который имеет заданная надежность.
Надежность γ = 0,95 указывает, что если
произведено достаточно большое число
выборок, то 95% из них определяет такие
доверительные интервалы, в которых
параметр действительно заключен; лишь
в 5% случаев он может выйти за границы
доверительного интервала.

Замечание
2.

Если требуется оценить математическое
ожидание с наперед заданной точностью
δ
и
надежностью γ, то минимальный объем
выборки, который обеспечит эту точность,
находят по формуле

(следствие
равенства
).

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

  • #
  • #
  • #
  • #
  • #
  • #
  • #
  • #
  • #
  • #
  • #

Погрешность и доверительный интервал: в чем разница?

  • Редакция Кодкампа

17 авг. 2022 г.
читать 2 мин


Часто в статистике мы используем доверительные интервалы для оценки значения параметра совокупности с определенным уровнем достоверности.

Каждый доверительный интервал принимает следующий вид:

Доверительный интервал = [нижняя граница, верхняя граница]

Погрешность равна половине ширины всего доверительного интервала.

Например, предположим, что у нас есть следующий доверительный интервал для среднего значения генеральной совокупности:

95% доверительный интервал = [12,5, 18,5]

Ширина доверительного интервала составляет 18,5 – 12,5 = 6. Допустимая погрешность равна половине ширины, которая будет равна 6/2 = 3 .

В следующих примерах показано, как рассчитать доверительный интервал вместе с погрешностью для нескольких различных сценариев.

Пример 1: Доверительный интервал и допустимая погрешность для среднего значения генеральной совокупности

Мы используем следующую формулу для расчета доверительного интервала для среднего значения генеральной совокупности:

Доверительный интервал = x +/- z*(s/ √n )

куда:

  • x : выборочное среднее
  • z: z-критическое значение
  • s: стандартное отклонение выборки
  • n: размер выборки

Пример: Предположим, мы собираем случайную выборку дельфинов со следующей информацией:

  • Размер выборки n = 40
  • Средний вес выборки x = 300
  • Стандартное отклонение выборки s = 18,5

Мы можем подставить эти числа в калькулятор доверительного интервала , чтобы найти 95% доверительный интервал:

95% доверительный интервал для истинного среднего веса популяции черепах составляет [294,267, 305,733] .

Погрешность будет равна половине ширины доверительного интервала, который равен:

Погрешность: (305,733 – 294,267) / 2 = 5,733 .

Пример 2: Доверительный интервал и допустимая погрешность для доли населения

Мы используем следующую формулу для расчета доверительного интервала для доли населения:

Доверительный интервал = p +/- z * (√ p (1-p) / n )

куда:

  • p: доля выборки
  • z: выбранное значение z
  • n: размер выборки

Пример: Предположим, мы хотим оценить долю жителей округа, поддерживающих определенный закон. Мы выбираем случайную выборку из 100 жителей и спрашиваем их об их отношении к закону. Вот результаты:

  • Размер выборки n = 100
  • Доля в пользу закона p = 0,56

Мы можем подставить эти числа в доверительный интервал для калькулятора пропорций , чтобы найти 95% доверительный интервал:

95% доверительный интервал для истинной доли населения составляет [0,4627, 0,6573] .

Погрешность будет равна половине ширины доверительного интервала, который равен:

Погрешность: (0,6573 – 0,4627) / 2 = 0,0973 .

Дополнительные ресурсы

Погрешность и стандартная ошибка: в чем разница?
Как найти погрешность в Excel
Как найти погрешность на калькуляторе TI-84

Содержание:

  1. Точечные и интервальные оценки параметров распределения
  2. Примеры решения задач

Точечные и интервальные оценки параметров распределения

Оценка параметра распределения совокупности Точечные и интервальные оценки параметров распределенияв общем случае является случайной величиной, которая определяется по данным выборки и используется вместо неизвестного значения параметра, который нужно оценить.

Оценка называется обоснованной, если она совпадает по вероятности с соответствующим параметром при Точечные и интервальные оценки параметров распределения

Оценка называется несмещенной, если ее математическое ожидание совпадает со значением параметра.

В случае выбора из всех известных несмещенных обоснованных оценок определенной оценки, необходимо указать критерий, по которому сделан выбор.

Чаще всего используется критерий, который состоит в выборе оценки, имеющей наименьшую возможную дисперсию. Такая оценка называется эффективной. Нижняя граница дисперсии несмещенной оценки параметра Точечные и интервальные оценки параметров распределения(которую будем обозначать Точечные и интервальные оценки параметров распределения) определяется по формуле:

Точечные и интервальные оценки параметров распределения

где Точечные и интервальные оценки параметров распределения– плотность распределения случайной величины (для дискретной случайной величины Точечные и интервальные оценки параметров распределения).

Оценки параметров распределения находят методами максимальной правдоподобности и моментов. Метод максимальной правдоподобности состоит вот в чем. Пусть закон распределения случайной величины определяется через параметр Точечные и интервальные оценки параметров распределения который в общем случае Точечные и интервальные оценки параметров распределения-мерный. Тогда для выборки Точечные и интервальные оценки параметров распределенияобщий закон распределения представляется функцией правдоподобности (запишем, например, для непрерывных величин):

Точечные и интервальные оценки параметров распределения

За оценки максимальной правдоподобности параметров Точечные и интервальные оценки параметров распределения берутся выборочные функции, которые является решением системы уравнений:

Точечные и интервальные оценки параметров распределения

Использование метода моментов основывается на сходстве (по вероятности) статистических моментов распределения с соответствующими теоретическими моментами распределения, которые в этом случае должны существовать. Как известно, теоретические моменты распределения выражаются через параметры распределения. Составим систему Точечные и интервальные оценки параметров распределенияуравнений, в которой попарно приравняем соответствующие теоретические и статистические моменты. Решением этой системы являются оценки для параметров распределения.

Пусть есть точечная оценка Точечные и интервальные оценки параметров распределенияпараметра Точечные и интервальные оценки параметров распределения Найдем для параметра интервальную оценку, воспользовавшись условием Точечные и интервальные оценки параметров распределения В этом случае Точечные и интервальные оценки параметров распределения называется точностью оценки, а Точечные и интервальные оценки параметров распределения– ее надежностью. Тогда интервальная оценка (доверительный интервал) для параметра Точечные и интервальные оценки параметров распределения принимает вид Точечные и интервальные оценки параметров распределения Параметр Точечные и интервальные оценки параметров распределения – не случайная величина, надежность Точечные и интервальные оценки параметров распределения можно рассматривать как вероятность того, что случайный интервал покрывает действительное значение параметра. Величины Точечные и интервальные оценки параметров распределения и Точечные и интервальные оценки параметров распределения тесно связаны с объемом выборки Точечные и интервальные оценки параметров распределения Если задать две из этих величин, то модно найти третью. Для этого нужно знать закон распределения для Точечные и интервальные оценки параметров распределения

Примеры решения задач

Пример 1. Выборка объемом Точечные и интервальные оценки параметров распределения сделана из совокупности, распределенной по закону Релея 

Точечные и интервальные оценки параметров распределения

Найти оценку для параметра Точечные и интервальные оценки параметров распределения и преобразовать ее в  несмещенность, обоснованность и эффективность.

Решение. Применим метод максимальной правдоподобности. Построим функцию правдоподобности, составим и решим уравнение для определения оценки:

Точечные и интервальные оценки параметров распределения

Проверим оценку на несмещенность, найдя ее математическое ожидание:

Точечные и интервальные оценки параметров распределения

Преобразование выполнено согласно свойствам математического ожидания и с учетом того, что результаты выборки являются независимыми одинаково распределенными случайными величинами. Найдем Точечные и интервальные оценки параметров распределения случайной величины, распределенной по закону Релея:

Точечные и интервальные оценки параметров распределения

Тогда Точечные и интервальные оценки параметров распределения то есть оценка несмещенная.

Проверку обоснованности оценки выполним, второй формой неравенства Чебышева, то есть оценим вероятность Точечные и интервальные оценки параметров распределения Чтобы найти дисперсию оценки, выполним вычисления:

Точечные и интервальные оценки параметров распределения

(Последний интервал, который является математическим ожиданием квадрата случайной величины, равен Точечные и интервальные оценки параметров распределенияи вычислялся ранее). Тогда Точечные и интервальные оценки параметров распределения Следовательно, получим:

Точечные и интервальные оценки параметров распределения

Подставляя дисперсию оценки в неравенство Чебышева, получим:

Точечные и интервальные оценки параметров распределения если Точечные и интервальные оценки параметров распределения

Следовательно, оценка обоснованная.

Находим дисперсию эффективной оценки:

Точечные и интервальные оценки параметров распределения

Дисперсия эффективной оценки совпадает с дисперсией найденной оценки для Точечные и интервальные оценки параметров распределения а это означает, что оценка эффективная.

Пример 2. Методом моментов найти оценку параметра Точечные и интервальные оценки параметров распределения геометрического распределения поп данным выборки объемом Точечные и интервальные оценки параметров распределения

Решение. Геометрический закон распределения определяется формулой Точечные и интервальные оценки параметров распределенияПоскольку нужно найти оценку одного параметра, сравниваем теоретические и статистические начальные моменты первого порядка:

Точечные и интервальные оценки параметров распределения

Пример 3. По данным выборки объемом Точечные и интервальные оценки параметров распределения из нормально распределенной совокупности, дисперсия которой Точечные и интервальные оценки параметров распределенияа надежность Точечные и интервальные оценки параметров распределения найти интервальную оценку для математического ожидания этой совокупности.

Решение. Интервальная оценка для математического ожидания, если дисперсия совокупности Точечные и интервальные оценки параметров распределенияизвестна, представляется в виде Точечные и интервальные оценки параметров распределения где Точечные и интервальные оценки параметров распределениягде Точечные и интервальные оценки параметров распределения – функция Лапласа.

Для построения оценки рассматривалась выборочная функция Точечные и интервальные оценки параметров распределения которая имеет нормальный закон распределения с нулевым математически ожиданием и единичной дисперсией. 

Пример 4. Решить предыдущую задачу для случая, когда дисперсия совокупности неизвестна.

Решение. В этом случае интервальную оценку построим с помощью выборочной функции Точечные и интервальные оценки параметров распределения которая распределена по закону Стьюдента с Точечные и интервальные оценки параметров распределения степенями свободы. Доверительный интервал Точечные и интервальные оценки параметров распределениягде Точечные и интервальные оценки параметров распределения где Точечные и интервальные оценки параметров распределения– функция распределения Стьюдента с Точечные и интервальные оценки параметров распределения степенями свободы. Если количество степеней свободы превышает 20, то распределение Стьюдента практически не отличается от нормального закона распределения с нулевым математическим ожиданием и единичной дисперсией. 

Пример 5. По результатам выборки объемом Точечные и интервальные оценки параметров распределенияиз нормально распределенной совокупности с надежностью Точечные и интервальные оценки параметров распределения найти доверительный интервал для дисперсии совокупности.

Решение. Для определения доверительного интервала берем выборочную функцию Точечные и интервальные оценки параметров распределения которая имеет распределение Точечные и интервальные оценки параметров распределенияс Точечные и интервальные оценки параметров распределения степенями свободы. Доверительный интервал представляется в виде Точечные и интервальные оценки параметров распределенияЗначения Точечные и интервальные оценки параметров распределенияи Точечные и интервальные оценки параметров распределения определяются с помощью таблиц распределения Точечные и интервальные оценки параметров распределения с соответствующим количеством степеней свободы: Точечные и интервальные оценки параметров распределения

Пример 6. Найти с надежностью Точечные и интервальные оценки параметров распределения интервальную оценку для вероятности наступления события Точечные и интервальные оценки параметров распределенияв каждом из Точечные и интервальные оценки параметров распределениянезависимых повторных испытаний, если событие произошло Точечные и интервальные оценки параметров распределения раз.

Решение. Для определения доверительного интервала берем выборочную функцию Точечные и интервальные оценки параметров распределения которая имеет закон распределения близкий к нормальному, с нулевым математическим ожиданием и единичной дисперсией. Доверительный интервал:

Точечные и интервальные оценки параметров распределения

где Точечные и интервальные оценки параметров распределения– значение найдено по таблицам функции Лапласа. Вычислим Точечные и интервальные оценки параметров распределения и Точечные и интервальные оценки параметров распределения – левую и правую границы доверительного интервала:

Точечные и интервальные оценки параметров распределения

Получим интервал Точечные и интервальные оценки параметров распределения

Пример 7. Определить минимальный объем выборки Точечные и интервальные оценки параметров распределения для того, чтобы с надежностью Точечные и интервальные оценки параметров распределения можно было получить оценку математического ожидания нормально распределенной совокупности Точечные и интервальные оценки параметров распределения если среднее квадратическое отклонение в генеральной совокупности Точечные и интервальные оценки параметров распределенияи оценка находится с помощью выборочной средней величины.

Решение. Воспользовавшись формулой Точечные и интервальные оценки параметров распределенияполучаем Точечные и интервальные оценки параметров распределенияНайдем Точечные и интервальные оценки параметров распределения из формулы Точечные и интервальные оценки параметров распределения По таблицам функции Лапласа Точечные и интервальные оценки параметров распределения следовательно, Точечные и интервальные оценки параметров распределенияТочечные и интервальные оценки параметров распределения

Пример 8. Из партии однотипных высокоомных сопротивлений взяли для контроля 10 штук. Измерения показали такие отклонения от номинала, кОм:

Точечные и интервальные оценки параметров распределения

Найти выборочную среднюю и дисперсию отклонения фактического значения сопротивления от номинала в этой партии и определить точность оценки математического ожидания выборочной средней величиной с надежностью Точечные и интервальные оценки параметров распределения(использовать распределение Стьюдента).

Решение. Считаем, что отклонение Точечные и интервальные оценки параметров распределения имеет нормальный закон распределения с неизвестными параметрами Точечные и интервальные оценки параметров распределенияи Точечные и интервальные оценки параметров распределения Находим числовые характеристики Точечные и интервальные оценки параметров распределения и Точечные и интервальные оценки параметров распределения выборочной совокупности: Точечные и интервальные оценки параметров распределенияТочечные и интервальные оценки параметров распределенияТочность оценки Точечные и интервальные оценки параметров распределенияопределяем по формуле Точечные и интервальные оценки параметров распределения Значение Точечные и интервальные оценки параметров распределения ищем по таблицам функции распределения Стьюдента с 9 степенями свободы: Точечные и интервальные оценки параметров распределенияТочечные и интервальные оценки параметров распределения

Следовательно, получим такой доверительный интервал для математического ожидания: Точечные и интервальные оценки параметров распределения

Пример 9. В ВТК были измерены диаметры 200 валов, изготовленных на станке-автомате. Отклонения измеренных диаметров от номинала, мкм, приведены в таблице.

Точечные и интервальные оценки параметров распределения

Считая, что выборка сделана из нормально распределенной совокупности, определить с надежностью Точечные и интервальные оценки параметров распределения точность оценки дисперсии Точечные и интервальные оценки параметров распределениявыборочной дисперсией Точечные и интервальные оценки параметров распределения

Решение. С помощью условных моментов распределения, вычислим выборочную дисперсию Точечные и интервальные оценки параметров распределения составив таблицу:

Точечные и интервальные оценки параметров распределения

найдем условные моменты распределения и выборочную дисперсию на основании расчетов в таблице:

Точечные и интервальные оценки параметров распределения

Точность оценки Точечные и интервальные оценки параметров распределенияравна половине длины доверительного интервала Точечные и интервальные оценки параметров распределенияЗначения Точечные и интервальные оценки параметров распределенияи Точечные и интервальные оценки параметров распределениявычислим с помощью таблиц распределения Точечные и интервальные оценки параметров распределения с Точечные и интервальные оценки параметров распределения степенями свободы. Но в этой задаче объем выборки Точечные и интервальные оценки параметров распределениятогда как таблицы составлены для значений Точечные и интервальные оценки параметров распределения которые не превышают 30. Поэтому воспользуемся тем, что при Точечные и интервальные оценки параметров распределенияраспределение Точечные и интервальные оценки параметров распределения приближается к нормальному закону распределения с соответствующими математическим ожиданием и дисперсией. Выборочная функция Точечные и интервальные оценки параметров распределения имеет распределение Точечные и интервальные оценки параметров распределения с Точечные и интервальные оценки параметров распределения степенями свободы. Поэтому Точечные и интервальные оценки параметров распределения

Выборочная функция Точечные и интервальные оценки параметров распределенияраспределена нормально с нулевым математическим ожиданием и единичной дисперсией. Доверительный интервал найдем из условия:

Точечные и интервальные оценки параметров распределения

Выполним преобразование для определения границ доверительного интервала:

Точечные и интервальные оценки параметров распределения

Следовательно, доверительный интервал для дисперсии такой: Точечные и интервальные оценки параметров распределенияТочечные и интервальные оценки параметров распределения

Найдем точность оценки как половину длины доверительного интервала:

Точечные и интервальные оценки параметров распределения

Согласно значению Точечные и интервальные оценки параметров распределенияпо таблицам функции Лапласа Точечные и интервальные оценки параметров распределения

Окончательно получим: Точечные и интервальные оценки параметров распределения

Лекции:

  • Проверка статистических гипотез
  • Дисперсионный анализ
  • Элементы теории корреляции
  • Выборка из генеральной совокупности. Вариационный ряд. Гистограмма относительных частот
  • Выборочная функция распределения
  • Закон больших чисел в форме Чебышева
  • Теорема Бернулли
  • Центральная предельная теорема
  • Теория случайных процессов и теория массового обслуживания
  • Первичная обработка и графическое представление выборочных данных

Добавить комментарий