Построение - доверительный интервал

Существуют два основных метода построения доверительных интервалов: байесовский метод и метод доверительных интервалов, предложенный Нейманом. Применяя метод построения доверительных интервалов, основанный на формуле Байеса, исходят из предположения, что оцениваемый параметр сам случаен. Предполагается также, что известно априорное распределение параметра. Этот метод часто неприменим, так как оцениваемая величина на практике является просто неизвестной постоянной, а не случайной величиной. Кроме того, ее распределение бывает также неизвестным. От этих недостатков свободен метод доверительных интервалов. Рассмотрим примеры построения доверительных интервалов в ряде случаев.

2.1. Доверительный интервал для математического ожидания при известной дисперсии

Пусть по выборке достаточно большого объема, , и при заданной доверительной вероятности необходимо определить доверительный интервал для математического ожидания , в качестве оценки которого используется среднее арифметическое (среднее выборочное) .

Закон распределения оценки математического ожидания близок к нормальному (распределение суммы независимых случайных величин с конечной дисперсией асимптотически нормально). Если потребовать абсолютную надежность оценки математического ожидания, то границы доверительного интервала будут бесконечными . Выбор любых более узких границ связан с риском ошибки, вероятность которой определяется уровнем значимости , где значения выбираются достаточно близкими к единице, например, 0,9, 0,95, 0,98, 0,99. Величину называют надежностью или доверительной вероятностью. Интерес представляет максимальная точность оценки, т.е. наименьшее значение интервала. Для симметричных функций минимальный интервал тоже будет симметричным относительно оценки . В этом случае выражение для доверительной вероятности имеет вид , где – абсолютная погрешность оценивания.

Нормальный закон полностью определяется двумя параметрами – математическим ожиданием и дисперсией . Величина является несмещенной, состоятельной и эффективной оценкой математического ожидания, поэтому ее значение принимаем за значение математического ожидания в качестве точечной оценки. Будем полагать, что дисперсия известна, тогда выборочное среднее – нормально распределенная случайная величина с параметрами . Для такой случайной величины вероятность попадания на симметричный относительно математического ожидания интервал выражается через функцию Лапласа , где . При заданной надежности , уравнение можно решить приближенно с помощью таблицы значений функции Лапласа (см. приложение, таблица 1). Если точного значения в списке значений нет, то надо найти два ближайших к нему значения, одно большее, а другое меньшее, чем , и найти их среднее арифметическое. Известное значение параметра позволяет записать абсолютную погрешность . Теперь можно указать симметричный интервал . Полученное соотношение означает, что доверительный интервал покрывает неизвестный параметр (математическое ожидание) с вероятностью (надежностью) , а точность оценки .

При фиксированном объеме выборки из оценки следует, что чем больше доверительная вероятность , тем шире границы доверительного интервала (тем больше ошибка в оценке математического ожидания). Чтобы снизить ошибку в оценке значения, можно увеличить объем выборки. При этом, чтобы снизить относительную погрешность на порядок, необходимо увеличить объем выборки на два порядка.