Cтраница 3
Приведенные формулы для решения задач выборочного наблюдения верны для всех случаев повторной выборки. [31]
Так же как и в предыдущем параграфе, предположим, что проводится последовательная повторная выборка из нормального распределения с неизвестным средним W и единичной мерой точности. Будем считать, что цена каждого наблюдения равна с и априорное распределение параметра W нормальное. [32]
Переменная, значение которой было передано в запись, становится недоступной для повторной выборки. При повторном обращении к списку вывода будет выбираться следующая переменная. [33]
Как решаются три задачи выборочного наблюдения при собственно-случайном и механическом отборах для повторной выборки. [34]
Последняя процедура, BMDPKM, была использована в примере, иллюстрирующем применение методики повторных выборок; см. разд. Процедуры BMDP снабжены хорошими описаниями, имеют понятные распечатки и ими довольно легко пользоваться. [35]
Рассмотрим задачу решения, в которой из распределения Бернулли с неизвестным параметром W извлекается последовательная повторная выборка, каждое наблюдение в которой стоит с единиц. Докажите, что при априорном распределении W, являющемся бета-распределением, эта задача решения стабильна. [36]
Отсюда следует также, что выборочные средние обладают устойчивостью, то есть в двух случайных повторных выборках достаточно большого объема выборочные средние должны быть приближенно равны. Этот вывод хорошо согласуется с опытом. [37]
При выполнении некоторых условий регулярности М МП-оценки состоятельны, а именно: если (1.1) - повторная выборка, то ммп - UT по вероятности при n - оо. [38]
Рассмотрим задачу последовательного решения, в которой из экспоненциального распределения с неизвестным параметром W извлекается последовательная повторная выборка, каждое наблюдение в которой стоит с единиц. Покажите, что если априорное распределение для W есть гамма-распределение, то, согласно оптимальной процедуре, надо проводить фиксированное число наблюдений. [39]
В остальной части этой главы мы изучим некоторые предельные-свойства апостериорных распределений, когда число наблюдений в повторной выборке стремится к бесконечности. [40]
Значение КДД возвращается прикладной программе после запоминания или поиска записи в БД и может использоваться впоследствии для повторной выборки этой же записи. [41]
Если каузальные переменные в единичном уравнении эко-нометрической модели ( econometric model) могут рассматриваться как фиксированные для повторных выборок, то они называются экзогенными. Эта концепция применяется к оценкам моделей, использующих данные временных рядов ( time series), и предполагает, что между каузальными и зависимыми переменными отсутствует обратная связь. Лаговые значения зависимой переменной не оказывают влияния на текущие значения любой каузальной переменной. Если распределение каждой каузальной переменной х: не зависит от прошлых значений зависимой переменной У, Р У-2 и т-д - то межДУ Ун и х, отсутствует причинность по Грейнджеру, и xt является строго экзогенной. [42]
Выше мы уже отмечали, что расчеты вероятностей в рассмотренном примере точны только при условии отбора изделий по схеме случайной повторной выборки. Схема случайной бесповторной выборки приводит уже не к биномиальному. [43]
Иногда ( когда N огромное или сверхогромное число, что бывает в статистической практике даже при бесповторной выборке) используется формула повторной выборки, что очень незначительно преувеличивает размер ошибки выборки. [44]
Состоятельность - это минимальное требование, которое следует предъявлять к любой разумной оценке 7 ( п) ( х), и все оценки для модели повторной выборки, с которыми мы встречались ранее, являются состоятельными. [45]