Автор работы: Пользователь скрыл имя, 10 Января 2012 в 14:15, курсовая работа
Робастные методы — новое направление в математической статистике. Методы могут применяться в оценке параметров статистических моделей, применяются также в экономико-математических моделях функциональных комплексов автоматизированных систем управления.
Введение……………………………………………………………………2
Понятие робастности……………………………………………………..3
Основные подходы………………………………………………………..6
Группирование данных как метод робастной статистики…………..7
Группирование наблюдений как способ получения робастных
оценок………………………………………………………………………8
Функции влияния и робастность оценок……………………………..22
Список литературы………………………………………………………35
Совершенно другую картину мы наблюдаем для ОМП по негруппированным наблюдениям для параметров распределения Коши (см. рис. 3.5-3.6). Функция влияния для ОМП параметра сдвига по негруппированным данным имеет вид
где
.
Рис. 3.3. Функции влияния для основного параметра
распределения Вейбулла по негруппированным
и сгруппированным данным (ступенчатая
линия)
Рис. 3.4. Функции влияния для параметра масштаба распределения
Вейбулла по негруппированным
и сгруппированным данным
Для ОМП параметра масштаба -
Их
функции влияния ограничены на области
определения случайной
Рис. 3.5. Функции влияния для параметра масштаба
распределения Коши по негруппированным (непрерывная)
и сгруппированным данным (ступенчатая
линия)
Рис. 3.6. Функции влияния для параметра сдвига распределения
Коши по негруппированным и сгруппированным данным
Для
логистического распределения
где , (см. рис. 3.7). Из её неограниченности следует, что соответствующая оценка неробастна. В то же время функция влияния ОМП параметра сдвига
ограничена сверху и снизу, А это свидетельствует о робастности ОМП этого параметра.
Рис. 3.7. Функции влияния для параметра масштаба
логистического распределения по негруппированным
и сгруппированным данным (ступенчатая линия)
Ситуация, которую мы наблюдаем для функций влияния ОМП по негруппированным наблюдениям параметров распределений Коши и логистического (параметр сдвига), оказывается явно нетипичной. Для ОМП параметров остальных законов распределения, включенных в программную систему, а в совокупности это 26 законов и семейств непрерывных распределений, функции влияния неограничены, откуда следует неробастность этих оценок. С другой стороны, функции влияния для ОМП по группированным данным всегда представляют собой ограниченные ступенчатые зависимости, что свидетельствует о робастности этих оценок.
Функции
влияния L-оценок с
Рис. 3.8 Функции влияния для параметра масштаба
логистического распределения по негруппированным
и сгруппированным данным (ступенчатая
линия)
Выводы
Таким образом, анализ функций влияния оценок по негруппированным и группированным выборкам ещё раз позволяет сделать следующие выводы.
1. За редким исключением ОМП по негруппированным наблюдениям являются неробастными.
2. Напротив, ОМП по группированным данным и оптимальные оценки параметров сдвига и масштаба по выборочным квантилям для больших выборок устойчивы как к аномальным ошибкам измерений, так и к отклонениям наблюдаемого закона от предполагаемого.
Список литературы
1. Хьюбер П. Робастность в статистике. - М.: Мир, 1984. - 303 с.
2. Лемешко Б.Ю., Постовалов С.Н. К вопросу о распределениях статистик непараметрических критериев согласия // Сб. научных трудов НГТУ. - 1997. - №1. (в печати).
3. Лемешко Б.Ю. Статистический анализ одномерных наблюдений случайных величин: Программная система. - Новосибирск: Изд-во НГТУ. - 1995. - 125 с.
4. Лемешко Б.Ю., Постовалов С.Н. Статистический анализ одномерных наблюдений по частично группированным данным // Изв. вузов. Физика. - Томск, 1995. - № 9. - С. 39-45.
5. Лемешко Б.Ю., Постовалов С.Н. Вопросы обработки выборок одномерных случайных величин // Научный вестник НГТУ, 1996. - № 2. - C.3-25.
6. Лемешко Б.Ю., Постовалов С.Н. К вопросу о робастности оценок по группированным данным // Сб. научных трудов НГТУ. - 1996. - №2. (в печати).
7. Куллдорф Г. Введение в теорию оценивания по группированным и частично группированным выборкам. - М.: Наука, 1966. - 176 с.
8. Денисов
В.И., Лемешко Б.Ю., Цой Е.Б. Оптимальное
группирование, оценка параметров и планирование
регрессионных экспериментов: В 2 ч. / Новосиб.
гос. техн. ун-т. - Новосибирск, 1993. - 346 с.