Оценивание - параметр - распределение
Cтраница 1
Оценивание параметров распределений методом минимума х2 Изложенный метод проверки гипотез о распределениях естественно наводит на мысль искать такие оценки неизвестных параметров гипотетического распределения, при которых полученная реализация С X2 меры расхождения Z экспериментальных данных с гипотетическим распределением имеет минимальное значение. [1]
Задачи оценивания параметров распределения, в которых априорная информация о параметрах носит стохастический характер, выделяются как байесовские. [2]
Простейшим примером оценивания параметра распределения является оценивание вероятности некоторого события А. Параметр р принимает значения в интервале ( 0 1) и его значение считаем неизвестным. [3]
Откуда даже при оценивании параметров распределений, точная форма которых неизвестна, можно использовать простые несмещенные оценки. [4]
В зависимости от цели методы оценивания параметров распределения по выборке можно разделить на две грушш: первая - методы еценивания параметров по конечной выборке; вторая - метода оценивания по неограниченной растущей выборке. [5]
В этом параграфе случайное множество рассматривается как инструмент для оценивания параметров распределения. [6]
 |
Равномерно наиболее мощные области принятия гипотезы / / о при альтернативах из класса. F ( / o / о, 1. [7] |
Мы уже обратили внимание на то, что при оценивании параметров распределения посредством случайных множеств возникают вопросы, ответы на которые могут быть даны в терминах теории проверки гипотез. По-видимому, теперь, после обсуждения идей, связанных с задачами проверки гипотез о параметрах распределения, ясно, что задачи оценивания и проверки гипотез можно рассматривать как различные аспекты одной математической проблемы. Действительно, как следует из формул (1.1) и (2.2), множества, оценивающие значения параметров распределения, и множества принятия гипотез о значениях этих параметров являются сечениями одного и того же дискрими-нантного множества Тр С. Связь между этими множествами отмечена условиями (2.3), (2.4) и проиллюстрирована на рис. 4.1 и 4.2. Она-то и позволит уточнить приведенные ранее рассуждения о размере оценивающего множества. [8]
 |
Равномерно наиболее мощные области принятия гипотезы / / о при альтернативах из класса J - ( fo / о, 1. [9] |
Мы уже обратили внимание на то, что при оценивании параметров распределения посредством случайных множеств возникают вопросы, ответы на которые могут быть даны в терминах теории проверки гипотез. По-видимому, теперь, после обсуждения идей, связанных с задачами проверки гипотез о параметрах распределения, ясно, что задачи оценивания и проверки гипотез можно рассматривать как различные аспекты одной математической проблемы. Связь между этими множествами отмечена условиями (2.3), (2.4) и проиллюстрирована на рис. 4.1 и 4.2. Она-то и позволит уточнить приведенные ранее рассуждения о размере оценивающего множества. [10]
Оценивание параметров распределения экстремальных значений типа I, которое широко-используется при изучении экстремальных скоростей ветра, будет рассмотрено ниже в этом приложении. Прежде чем перейти к этой теме, полезно обсудить вопросы моделирования распределения экстремальных значений типа I, используя численные методы, которые обычно-называют методами Монте-Карло. [11]
Процесс определения технического состояния включает в себя несколько этапов, среди которых важное место занимает обработка результатов измерения диагностических параметров. Она сводится к решению задачи оценивания параметров распределения. [12]
Определение f ( Xjv) ведут параметрическими и непараметрическими методами. В качестве основы параметрических процедур используют такие широко распространенные методы, как: а) оценивание параметров распределений классов; б) максимизация функции правдоподобия и в) правило Байеса. [13]
В восьмой главе излагаются основные методы оценивания плотностей и функций распределения случайных величин и методы приближенного аналитического представления распределений. Излагаются методы проверки гипотез о распределениях по критериям К - Пирсона, А. Н. Колмогорова и Н. В. Смирнова и - рассматривается оценивание параметров распределений методом минимума х3 - В последнем параграфе дается краткое изложение метода статистического моделирования как метода приближенных вычислений и как метода научного исследования. [14]
Эти методы в основном применяются для проверки статистических гипотез с использованием того или иного упорядочения информации в пределах каждой выборки. Например, критерий Манна-Уитни может использоваться для проверки, принадлежат ли обе выборки одной генеральной совокупности, а коэффициент ранговой корреляции может применяться для получения ответа на вопрос, являются ли две переменные независимыми. Непараметрические методы могут быть противопоставлены параметрическим, в рамках которых требуются специальные модели для оценивания параметров распределений. [15]
Страницы: 1 2