Применение моделирования статистических игр в задаче оценивания параметра гипергеометрического распределения

Применение моделирования статистических игр в задаче оценивания параметра гипергеометрического распределения

Автор: Иванов, Михаил Анатольевич

Шифр специальности: 05.13.18

Научная степень: Кандидатская

Год защиты: 2000

Место защиты: Великий Новгород

Количество страниц: 132 с. ил.

Артикул: 270251

Автор: Иванов, Михаил Анатольевич

Стоимость: 250 руб.

ОГЛАВЛЕНИЕ. Введение. Глава 1. Антагонистические игры и их решение. Глава 2. Полученные результаты. Глава 3. Постановка задачи. Сравнение оценок для гипергеометричсского параметра
Глава 4. Структура компьютерной системы. Заключение. Приложение 1. Приложение 2. Пример выходною файла. Приложение 3. Текст программы. Существуют и другие численные методы решения матричных игр см. X множество наблюдений, т. Х, е распределением Л для всех 0е0. Множество йс1 возможных решений Статистика. В задачах точечного оценивания, как правило, множество О совпадает с множеством 0 либо является ею подмножеством. Статистик, если значение оцениваемого параметра равно 0, а Статистик принял решение . В задачах точечного оценивания обычно считают, что и0,0 при 0 и и0,. Под решением статистической задачи оценивания параметра понимают нахождение некоторой функции от результатов наблюдения точечной оценки 6 ХЭЧ для которой потери Статистика 0,с1х в некотором смысле наименьшие. Множество оценок обозначим через Ох.


Множество йс1 возможных решений Статистика. В задачах точечного оценивания, как правило, множество О совпадает с множеством 0 либо является ею подмножеством. Статистик, если значение оцениваемого параметра равно 0, а Статистик принял решение . В задачах точечного оценивания обычно считают, что и0,0 при 0 и и0,. Под решением статистической задачи оценивания параметра понимают нахождение некоторой функции от результатов наблюдения точечной оценки 6 ХЭЧ для которой потери Статистика 0,с1х в некотором смысле наименьшие. Множество оценок обозначим через Ох. У . Наилучшей оценкой параметра 0 была бы оценка с , минимизирующая функцию риска Я0,с1 при каждом значении 0, т. Я0,б 0,с1 для любой функции О и всехОв. Однако, в большинстве случаев такой равномерно наилучшей оценки б не существует, а графики функций рисков различных оценок обычно ведут себя так, как показано на рис. Рис. Поэтому приходится использовать более слабое свойство оптимальности, чем требование равномерно минимальною риска. Рассмотрим два таких свойства оптимальности минимизация среднего риска и минимизация максимального риска. Применение первого из этих подходов приводит к байесовской, а второго к минимаксной оценке. Определение 1. Байесовские оценки играют важную роль в теории статистических решений Вальда. Один из основных результатов этой теории состоит в том, что в любой статистической задаче можно ограничится байесовскими решающими функциями. Поэтому неудивительно, что байесовские оценки оказываются инструментом для решения минимаксных задач.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.326, запросов: 244