- •Введение
- •1 Общие сведения
- •2 Оценки характеристик случайной величины
- •2.2 Интервальные оценки
- •3 Графическое представление случайной величины
- •4 Подгонка теоретических распределений к эмпирическим
- •4.1 Определение оценок параметров экспоненциального закона
- •4.4 Определение оценок параметров закона Вейбулла
- •4.2 Определение оценок параметров нормального закона
- •4.3 Определение оценок параметров логарифмически нормального
- •5 Проверка соответствия с помощью критериев согласия
- •5.1 Проверка с помощью критерия Пирсона
- •5.2 Проверка с помощью критерия Колмогорова
- •Список использованных источников
- •Приложение б (справочное) Справочные таблицы
4 Подгонка теоретических распределений к эмпирическим
Для описания случайной величины с помощью закона распределения вначале необходимо определить, к какому параметрическому семейству он принадлежит. Предварительно теоретический закон распределения может быть подобран, исходя из следующих рекомендаций:
а) принципиальный характер кривой распределения назначается по теоретическим соображениям, связанным с существом задачи, или аналогичным задачам;
б) в некоторых случаях теоретическую кривую выбирают, учитывая внешний вид статического распределения;
в) иногда полезно использовать систему кривых Джонсона или Пирсона, каждая из которых зависит от четырех параметров, и выбор нужной кривой можно осуществить с использованием специально разработанных графиков;
г) при использовании ЭВМ для расчетов можно определить несколько законов распределения и выбрать наилучший. В качестве критерия принимают наилучшее согласие теоретической и экспериментальной кривых распределения.
Для определения параметров выбранного закона распределения в математической статистике разработан ряд методов. Наиболее часто используют метод моментов, согласно которому параметры выбирают с таким расчетом, чтобы важнейшие числовые характеристики теоретического распределения были равны соответствующим статистическим характеристикам.
Для определения точечных оценок используют также метод наименьших квадратов, при котором сумма квадратов отклонений должна обращаться в минимум.
В ряде случаев находит применение метод наибольшего (максимального) правдоподобия, выражаемый функцией
(4.1)
Сущность метода максимального правдоподобия заключается в том, что в качестве оценки математического ожидания X или другого параметра распределения выбирается значение аргумента, которое обращает функцию L в максимум. Это значение является функцией от х1, х2, ...,хn и называется оценкой наибольшего (максимального) правдоподобия, определяют его по известным правилам дифференциального исчисления. Следовательно, для определения оценки максимального правдоподобия необходимо решить уравнение:
(4.2)
Метод наибольшего правдоподобия обладает важными преимуществами. Он всегда приводит к оценкам, имеющим наименьшую возможную дисперсию, и наилучшим образом использует всю информацию о неизвестном параметре. Однако применение этого метода связано с необходимостью решения сложных систем уравнений. Поэтому наиболее приемлемым методом для определения параметров законов распределения является метод моментов.
Для экспоненциального, нормального и логарифмически-нормального распределений оценки параметров, найденных методом наибольшего правдоподобия и методом моментов, совпадают. Формулы, используемые далее для вычисления оценок параметров законов нормального, экспоненциального, логарифмически нормального распределений и распределения Вейбулла получены методом моментов.
4.1 Определение оценок параметров экспоненциального закона
Оценка параметра распределения, л, находится по формуле:
л = 1 / Х, (4.3)
где Х - оценка математического ожидания выборки.
