Исследование парзеновских оценок плотностей на практике
В данном исследовании была поставлена задача смоделировать повторную выборку, соответствующую плотности распределения
( ) и применить к ней парзеновскую оценку, а также сравнить графически найденную оценку с истинной плотностью. Работа выполняется в пакете Microsoft Excel, так как этот пакет один из наиболее пригодных для решения подобных задач. На интервале [-4;9] с шагом 0,2 построим графическое изображение истинного значения плотности распределения по заданной нам функции при . Полученный результат представлен на рис. 1:
Рис. 1. График заданной плотности распределения
Для оценивания ее строим повторную (обучающую) выборку, соответствующую данной плотности распределения. В качестве ядра k(y) выберем функцию .
Проверим, удовлетворяет ли при N=1 функция условиям теорем (2.1) и (2.2).
(a)
где а – некоторая константа,
(b) , (c)
(d) Функция непрерывна во всех точках х ,
(e) .
Таким образом, условия теорем выполнены, и оценка является асимптотически несмещенной оценкой величины p(x) (в силу условий (а)-(d)), то есть
и состоятельной оценкой (в силу условий (а)-(е)), то есть
В зависимости от выбора множителя оценки будут принимать различный вид. Графики сравнения оценки с истинным значением функции при различных представлены на рис. 2-5.
Рис. 2. График сравнения оценки плотности распределения с ее истинным значением при Рис. 3. График сравнения оценки плотности распределения с ее истинным значением при
Рис. 4. График сравнения оценки плотности распределения с ее истинным значением при Рис. 5. График сравнения оценки плотности распределения с ее истинным значением при
Наиболее удачная оценка получается при (см. рис. 6)
Рис. 6. График сравнения оценки плотности распределения с ее истинным значением при Также вид оценки зависит от повторной выборки. Графики, полученные при изменении значений обучающей выборки при неизменном представленны на рис. 6-8.
Рис. 7. График сравнения оценки плотности распределения с ее истинным значением для повторной выборки (1)
Рис. 8. График сравнения оценки плотности распределения с ее истинным значением для повторной выборки (2) Таким образом, для каждой новой повторной выборки необходимо подбирать свое , максимально приближающее оценку к истинной плотности распределения. Заключение
Таким образом, в процессе выполнения курсовой работы мною было исследовано теоретически и на практике построение непараметрических парзеновских оценок. В ходе работы мною сделаны выводы, что хорошо выполненная оценка достаточно достоверно отображает поведение заданной функции и что в результате изменения значений повторной выборки и неотрицательной числовой последовательности можно построить оценку, максимально приближенную к истинному значению функции. Список литературы
1. Лиховидов В.Н. Практический курс распознавания образов. – Владивосток: издательство ДВГУ, 1983. 2. Невельсон М. Б., Хасьминский Р.З. Стохастическая аппроксимация и рекуррентное оценивание. М.: «Наука», 1972. 3. Булдаков В. М., Кошкин Г. М. Рекуррентное оценивание условной плотности вероятности и линии регрессии по зависимой выборке. Материалы V научн. конф. По математике, I. Томск, 1974, 135-136. 4. Воронцов К. В. Лекции по статистическим (байесовским) алгоритмам классификации, 2008.
Популярное: Организация как механизм и форма жизни коллектива: Организация не сможет достичь поставленных целей без соответствующей внутренней... Почему стероиды повышают давление?: Основных причин три... Как построить свою речь (словесное оформление):
При подготовке публичного выступления перед оратором возникает вопрос, как лучше словесно оформить свою... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (179)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |