Точность оценки, доверительная вероятность (надежность). Доверительный интервал.

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 ½Θ-Θ^*½. Другими словами, если δ>0 и ½ Θ-Θ^* ½<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 ½Θ-Θ^*½ <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. 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 ½Θ-Θ^*½ <δ, равна γ:

Р(½ Θ - Θ^*½< δ) = γ.

Заменив неравенство ½ Θ-Θ^*½ < δ равносильным ему двойным неравенством –δ < Θ - 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, х₂, …, х_n

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 Х 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 признака х₁, х₂, …, х_n - как одинаково распределенные независимые случайные вели­чины Х₁ Х₂,..., Х_n, (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 Х распределена нормально, то выборочная средняя X, найденная по независимым наблюдениям, также рас­пределена нормально. Параметры распределения Х таковы (см. гл. VIII, § 9):

Потребуем, чтобы выполнялось соотношение

где γ - заданная надежность.

Пользуясь формулой (см. гл.XII, § 6)

Р(|Х—а| <δ)=2Ф(δ/σ),

заменив Х на и σ на ,получим

где .

Найдя из последнего равенства , можем на­писать

Приняв во внимание, что вероятность Р задана и равна g 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)=g, или Ф(t)==g/2; по таблице функции Лапласа (см. приложение 2) находят аргумент t, которому соот­ветствует значение функции Лапласа, равное g/2.

Замечание 1. Оценку называют классиче­ской. Из формулы , определяющей точность классической оценки, можно сделать следующие выводы:

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

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

Пример. Случайная величина Х имеет нормальное распределение с известным средним квадратическим отклонением s=3. Найти дове­рительные интервалы для оценки неизвестного математического ожи­дания а по выборочным средним , если объем выборки. n==36 и задана надежность оценки g=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 g=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 объемвыборки, который обеспечит эту точность, находят по формуле

n=t²s²/d²

(следствие равенства ).

§ 16. Доверительные интервалы для оценки математического ожидания нормального распределения при неизвестном s

Пусть количественный признак Х генеральной совокупности распределен нормально, причем среднее квадратическое отклонение о неизвестно. Требуется оце­нить неизвестное математическое ожидание а с помощью доверительных интервалов. Разумеется, невозможно вос­пользоваться результатами предыдущего параграфа, в ко­тором а предполагалось известным.

Оказывается, что по данным выборки можно построить случайную величину (ее возможные значения будем обозначать через t):

,

которая имеет распределение Стьюдента с k=n— 1 сте­пенями свободы (см. пояснение в конце параграфа); здесь - выборочная средняя, S - «исправленное» среднее квадратическое отклонение, п— объем выборки. Плотность распределения Стьюдента

,

где .

Мы видим, что распределение Стьюдента определяется параметром п - объемом выборки (или, что то же, чис­лом степеней свободы k=n— 1) и не зависит от неиз­вестных параметров а и s; эта особенность является его большим достоинством. Поскольку S(t,n)—четная функ­ция от t, вероятность осуществления неравенства

определяется так (см. гл. § XI, 2, замечание):

Р

Заменив неравенство в круглых скобках равносильным ему двойным неравенством, получим

Итак, пользуясь распределением Стьюдента, мы нашли доверительный интервал , по­крывающий неизвестный параметр а с надежностью g.

Здесь случайные величины и S заменены неслучайными величинами и s, найденными по выборке. По таблице приложения 3 по заданным n и g можно найти t_g.

Пример. Количественный признак Х генеральной совокупности распределен нормально. По выборке объема n ==16 найдены выбороч­ная средняя =20,2 и «исправленное» среднее квадратическое откло­нение s = 0,8. Оценить неизвестное математическое ожидание при помощи доверительного интервала с надежностью 0,95.

Решение. Найдем t_g. Пользуясь таблицей приложения3, по g=0,95 и п ==16 находим t_g =2,13.

Найдем доверительные границы:

Итак, с надежностью 0,95 неизвестный параметр а заключен в доверительном интервале 19,774 < а < 20,626.

Замечание. Из предельных соотношений

следует, что при неограниченном возрастании объема выборки п распределение Стьюдента стремится к нормальному. Поэтому прак­тически при п > 30 можно вместо распределения Стьюдента пользо­ваться нормальным распределением.

Однако важно подчеркнуть, что для малых выбо­рок (п < 30), в особенности для малых значений п, замена распределения нормальным приводит к грубым ошибкам, а именно к неоправданному сужению довери­тельного интервала, т. е. к повышению точности оценки. Например, если п = 5 и g=0,99, то, пользуясь распре­делением Стьюдента, найдем t_g = 4,6 а используя функ­цию Лапласа, найдем t_g = 2,58, т. е. доверительный ин­тервал в последнем случае окажется более узким, чем найденный по распределению Стьюдента.

То обстоятельство, что распределение Стьюдента при малой выборке дает не вполне определенные результаты (широкий доверительный интервал), вовсе не свидетельст­вует о слабости метода Стьюдента, а объясняется тем, что малая выборка, разумеется, содержит малую информацию об интересующем нас признаке.

П о я с не н и е. Ранее было указано (см. гл. XII, § 14), что если Z—нормальная величина, причем M(Z)==0, s(Z)==l, a V— независимая от Z величина, распределен­ная по закону c ² с k степенями свободы, то величина

(*)

распределена по закону Стьюдента с k степенями свободы.

Пусть количественный признак Х генеральной сово­купности распределен нормально, причем М(Х)=а, s(Х)= s. Если из этой совокупности извлекать выборки объема п и по ним находить выборочные средние, то можно доказать, что выборочная средняя распределена нормально, причем (см. гл. VIII, § 9)

М( _в,)=а, s ( _в,)= .

Тогда случайная величина

(**)

также имеет нормальное распределение как линейная функция нормального аргумента _в (см. гл. XII, § 10, замечание), причем M(Z)=0, s(Z)=l.

Доказано, что случайные величины Z и

V=((n -1)S²)/ s² (***)

независимы (S²—исправленная выборочная дисперсия) и что величина V распределена по закону c ² с k = п— 1 степенями свободы.

Следовательно, подставив (**) и (***) в (*), получим величину

которая распределена по закону Стьюдента с k=n —1 степенями свободы.

Дата добавления: 2015-07-19