Cтраница 1
Условие несмещенности особенно важно при малом объеме выборки. С помощью этого требования удается уточнить юценки, вытекающие из общего принципа. [1]
Какие упрощения условий несмещенности возможны в этом случае. [2]
Вообще говоря, условие несмещенности реализуется следующим образом: если порядок гладкости наблюдаемой величины выше порядка гладкости входного сигнала, то оценка параметра оператора или переменной состояния осуществляется от выхода к входу ( дуальный объект); если наоборот, то - от входа к выходу. [3]
Более того, условие несмещенности может оказаться весьма непривлекательным в ситуациях, когда этот критерий используют для предварительного сужения класса рассматриваемых статистик и уже среди несмещенных оценок ищут оптимальные ( например, в смысле минимума дисперсии), а в то же время многие смещенные оценки, возможно с меньшим средним квадратом ошибки, не попадают в рассматриваемый класс только из-за наличия смещения. Имеются также случаи, когда несмещенных оценок некоторых функций не существует или принципиально затруднена проверка по критерию несмещенности. [4]
Формулы (6.82) называют условиями несмещенности, а описанный метод - неаналоговым моделированием. [5]
Поскольку, устранив в (3.1) условие несмещенности Ejr () /, / G Т п, мы не можем ухудшить оценки, очевидно, что inf E / llrtf) - / 2 E / Hf - / 2, / е 7гп, и можно попытаться улучшить оценку, допуская контролируемое смещение. [6]
Для решения задачи идентификации можно воспользоваться условием несмещенности для восстановления X ( t) по любому Y ( t), что допустимо при наличии в объекте конечной памяти. [7]
В частности, при оценке параметров процессов условие несмещенности оказывается не столь существенным, как для оценок параметров распределений. Это связано с тем, что обычно в распоряжении исследователя имеется лишь небольшое число реализаций процесса, а чаще всего - только одна реализация, тогда как требование несмещенности особенно важно при многократном повторении эксперимента. При оценке параметров процессов на первый план выступают другие свойства оценок; в частности, сравнивать их целесообразнее по вторым моментам М2 ( а), а не по дисперсиям. [8]
Первые два условия в (2.45) являются обобщением условий несмещенности (2.43) на многоальтернативный случай. [9]
Далее непосредственно проверяем, что указанная в формулировке задачи статистика удовлетворяет условию несмещенности. [10]
Са - - некоторые постоянные коэффициенты, которые следует определить таким образом, чтобы оценка (7.12) удовлетворяла условию несмещенности и обладала наименьшей дисперсией. [11]
В нашем случае порядок гладкости у ( t) выше порядка гладкости и ( t), поэтому условие несмещенности необходимо записать для дуального ( инверсного) объекта. [12]
Последнее соотношение, показывающее, что среднее значение теоретической оценки MN совпадает с оцениваемой величиной т, как раз и называется условием несмещенности. Ясно, что на практике свойство несмещенности еще недостаточно для того, чтобы оценку можно было считать хорошей. [13]
Если / С 6е6, 000, то р ( 0о) следует минимизировать, а в случае С 0ев, 0 0о разумно наложить условие локальной несмещенности р ( 00) 0 и максимизировать р ( 6о) как функцию области D. Такой критерий естественно назвать локально наиболее мощным, несмещенным. [14]
Смещение центра группирования ( уровня настройки) затрудняет нахождение составляющей, которая определяет мгновенное распределение. Параметры распределения случайных погрешностей правильно могут быть найдены лишь при условии несмещенности центра группирования. При большем объеме партии деталей, изготовляемой между двумя поднастройками, влияние смещения более заметно. [15]