Файл: Мания, Г. М. Статистическое оценивание распределения вероятностей.pdf

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 21.10.2024

Просмотров: 102

Скачиваний: 0

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

нетрудно

заключить,

что

при

mm nt-> со

случайные величины

 

 

 

 

i

 

 

 

 

i

 

 

 

 

 

 

 

 

 

 

 

 

S— 1

 

 

 

 

 

 

 

 

 

 

 

 

Ф (0(1),...,

0(s>) и

 

/4(Z(,); 0) эквивалентны по вероятности.

 

 

 

 

Ы1

 

 

 

 

 

 

 

 

 

 

 

 

 

Осталось

установить,

что

векторы ZO ,

£ = 1, s— 1

в пре­

деле

независимы,

имея

одинаковое

предельное

распределение

N (О, С).

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

По

условию

7° характеристическая функция V(Jj равна

 

<pHj(«о)=

ехР

j —~

и'оСи0 |4-rj/>

К ) ,

i =

1, s ,

 

где

« 0= (ы 10,...,

ит0)

и

(и0)

стремится

к

нулю

при

оо

равномерно

по

 

 

 

/

 

 

конечной

сферы.

 

'

и0 из каждой

Обозначим

u<7= ( wi g - - - - .

ит9).

 

 

пусть и=

 

 

us)—вектор, подвек­

торами которого являются ид,

q=l,s.

Итак,

и — sm-мерный

вектор. Вычислим

предел

при

min tiq—>~со

 

характеристической

функции ср(ы), sm-мерного вектора (Z(1),...,

Z(s)).

Имеем

 

 

 

 

 

 

 

 

 

 

 

s

 

 

 

 

 

 

 

 

 

 

 

<р (ы) = Е ехр

 

2

«

;

z<*>

,

 

 

 

 

 

 

 

 

 

 

 

 

9=1

 

 

 

 

 

 

 

где

i = Y — 1 •

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Далее

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0=1

 

 

0=1 / = 1

 

j = 1

 

 

 

 

 

 

 

 

 

 

s

m

i

s

 

 

 

 

 

 

 

 

 

 

 

 

 

2

2

( 2

 

 

 

) w , ■=

 

 

 

 

 

 

/= 1/= 1\ q=1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

s

/

s

 

 

 

 

 

 

 

 

 

 

 

 

 

 

/ = 1 \<?= 1

 

 

 

 

 

 

 

 

Поскольку V (J ! ,

j

= 1, s,—независимые

векторы,

то

 

 


 

 

<?(«)=П Щ

2

b v

“«)=

 

 

 

/=1

 

\д=1

 

 

= 1 1

| 6ХР

 

 

 

 

 

 

hi ич +

/ = I

 

 

 

 

 

 

 

 

 

Jr rn).\

^

i bqj Uq

 

 

Ввиду ортогональности

В

 

 

 

 

 

 

s

Г s

 

Т

Г

s

 

“I

 

V

V

bqj uq

С

Х \ ьд, ия =

 

/ =IL - ?=I

 

J

 

9=1

J

 

 

s

s

s

 

 

 

 

 

= ^

 

S bHbr iu‘ Cup=

 

 

 

 

 

1

 

 

 

 

 

Z,p=l

 

/= 1

74 bPi~~

 

 

 

 

 

 

= V

М/С Ир §гр = 2

 

«? C “ ?•

 

/,р=1

 

 

р=1

 

 

где Ъ1р—символ Кронекера.

 

 

 

 

 

Стало

быть

 

 

 

 

 

 

 

 

lim

<p(u) = TT exp

( — i -

ugCuq )

min Л; —00

"ITj

 

l

^

J

Теорема 5.8 доказана.

 

 

 

 

 

Это же доказательство

с

несущественными изменениями

можно было

провести для сравнения предельного при min пг-> оо

распределения статистики

 

 

 

 

 

 

2

ni ^ { У ) ~ т ? Н ( х ;

Q)dx

 

i =

1

 

 

 

 

 

 

166


с предельным при п —>- оо

распределением статистики

 

 

 

 

 

п \\f(x)— f(x)\2H(x-,Q)dx,

 

 

 

при

выполнении

условия

(теоремы 5.6) вместо условия

(теоремы 5.5). Первое окажется

(s— 1)-кратной

сверткой распре­

деления FH(u) из

(5.4.7).

 

 

 

внести и в Н(х; 0).

 

 

 

Более того, случайность можно

Пусть

Н(х\ t)

определена для t ££/е,е

и выполнено

условие

 

 

 

8° почти всюду по х,

^

Х

*-^ .Н 0(х) и Н(х; t) непрерывна

no^t

в t/0>e.

 

Я ( х; 0)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Обозначим

 

 

 

 

 

 

-1

 

 

 

 

 

 

 

 

 

-^-[Я (х;0О )]-1

 

 

 

 

 

Я (* ) = { ^

 

 

 

 

 

 

 

 

 

 

 

п

 

 

 

 

и

 

 

 

 

 

 

 

 

 

 

 

Ф(0<1),...,0<5);;Я )= 2

 

П,-

 

[/^(JC)— /(^ )]а Я(АГ) Лс.

(5.5.3)

 

 

 

/ =

1

 

 

 

 

 

 

 

Очевидно, что при

условии 8°

 

 

 

 

 

 

 

 

р lim Н (х)=Н (х) *>

 

 

 

 

 

 

min щ — со

 

 

 

 

 

и, если

0(() 6 Я0,е,

i = 1, s,

что

при достаточно большом

min

щ

верно

со

сколь угодно большой вероятностью, то

i

 

 

 

 

 

 

 

Н(х)

 

< Я 0(х).

 

 

 

 

 

 

Я (х; 0)

 

 

 

 

 

Пусть выполнено условие

 

 

 

 

 

 

 

 

почти всюду по

х,

| аг(х;

t) \^ G(x;

0) £ L2 (Я Я 0)

и

х; t) непрерывна по t

в t/e_E,

i =

l,m,

 

 

 

и 0* 6 ^ 9,е причем р lim

0* = 0.

 

 

 

 

 

 

 

m in п,- —

оо

 

 

 

 

 

 

 

 

Поскольку

 

 

 

 

 

 

 

 

 

 

|а{(х; 0*) а, (х; 0*) Я (х ) | < G2(х; 0)

Я(х; 0) <

 

 

 

 

 

 

 

 

 

Я (х ;

0)

 

 

s^G 2(x; 0) Я о ( х ) Я( х ; 0)

*) Буква р перед lim означает предел по вероятности.

167


и

 

 

 

 

 

 

 

 

 

 

 

 

р lim at(x\ 0*) t t j

(x; 0*) H (x) — af (x;

0 )а ;-(л:; Q)H(x;

0),.

min щ — °°

 

 

 

 

 

 

 

 

 

 

 

 

то по-теореме о

мажорированной

сходимости

 

 

,!

р hm

 

at(x,

0 *)a; (x;

0*) Я (x) dx = Alj (0;

Я).

 

min щ —со

J

 

 

 

 

 

 

 

i .с -■ -

 

 

.

 

определяется из

(5.4.8). .

 

 

Здесь Лг;(0; Я )

 

 

 

Теперь ясно, что верна

 

 

 

 

 

 

 

 

■ Т е о р е м а

 

5.9 [71].

Если

 

выполнены

условия 7",

8°, 9°г

то

 

 

 

 

 

 

 

 

 

 

г

.

lim

Р (Ф(?<1) , . . . , ? 5);Я )< н ) =

[^ (и )](5- 1^

'

,

min т — с»

 

 

'

 

 

 

 

 

 

 

I

 

 

 

 

 

 

 

 

 

 

 

где Ен(и) определена б (5.4.7).

 

 

 

 

 

 

 

 

Положим

теперь Н (х; t) = —-—

Тогда Н (х) = ^ J — к

 

 

 

 

 

/ ( * ; 0

 

 

 

 

/(* )

Ф (0<4... ,?<s); Я )= ¥ (О*1),,.., ?

s>) =

 

 

 

 

 

 

[ / / ( * ) -

f(x)]2

d,X

 

 

 

 

 

 

 

 

J(x)

 

 

 

 

 

Из теоремы

5.9.

следует

 

 

 

 

 

 

 

 

Т е о р е м а

 

5.10.

Если

почти

всюду по х при t£UQi&r

< Я 0(л;),|а/ (д:;

*)К <У (х\ 0 ) 6 Т 2

( у - ) >

0

непре­

рывна по t в Я 0<Е, i =

1 ,,72, и при п1->- с о

распределение случай­

ного вектора У nt- (0(1)—0)

слабо

сходится к N (О ,/-1),

где J—ин­

формационная матрица Фишера

(5.4.9),

I— 1, s,. то

 

 

lim

Р { Т ^ < 0 , . . . . 3 0 ) < ц } =

0ыв. 1(;(а ):Ч '

 

(5.5.4)

пипщ —со

 

 

 

 

-

■ .

 

 

 

 

ч. v


1 н

М ; ‘. ■ И,

 

 

 

 

 

■г ' ” -

Г Л А В А VI .

 

 

 

! ПАРАМЕТРИЧЕСКАЯ ОЦЕНКА ПЛОТНОСТИ

 

НОРМАЛЬНОГО РАСПРЕДЕЛЕНИЯ

 

Конкретизация тех свойств

параметрической

оценки

плот­

ности распределения,

которые

в общих

чертах

изучались в;

гл. V, наиболее интересна для плотности

нормального распре­

деления. Надо отметить, что результаты

гл. V

возникли

как.

обобщения соответствующих результатов для нормальной

плот­

ности. Последние составляют содержание настоящей главы, из­

ложение

которой существенно

упрощается систематическим*,

использованием обозначений и теорем из гл. V.

 

В

первых работах по тематике гл. VI изучались моменты

и с. к.

п.

параметрических

оценок

плотностей

одномерного*

[27, 28,

30]

и двумерного [29,

33,

34]

нормального

распределе­

ния. Затем, в работе [35] было доказано, что предельное рас­ пределение с. к. р. двух параметрических оценок плотности одномерного нормального распределения совпадает с предельным

распределением с.

к.

п. Это

утверждение оказалось

верным и:

для двумерного нормального распределения [67].

 

Предельному

распределению

с. к. п.

оценок

плотности*

многомерного

нормального

распределения

посвящены работы

[37 — 43], а их моментам — работа

[69].

 

 

Теорема

5.8

из гл. V о соотношении

между предельными*

распределениями [с.

к. р.

Нескольких параметрических ’[оценок,

плотности, и с.

к.

п.

впервые

была

доказана в [44]

для одно­

мерного нормального распределения. В § 1 дается формула для предельного распределения с. к. ,р. из [44]..

Последний результат гл. .VI о параметрической оценка: плотности нормального распределения — это теорема о с. к. о. п. (§ 5) [71].

169*