СТАТИСТИЧЕСКИЕ ОЦЕНКИ, функции от результатов наблюдений, употребляемые для статистического оценивания неизвестных параметров распределения вероятностей изучаемых случайных величин. Напр., если X1, ..., Xn - независимые случайные величины, имеющие одно и то же нормальное распределение с неизвестным средним значением а, то функции - среднее арифметическое результатов наблюдений
и выборочная медиана = (Х,.... Xn) являются возможными точечными С. о. неизвестного параметра а. В качестве С. о. к.-л. параметра естественно выбрать функцию *(Х, .., Xn) от результатов наблюдений Xi, ..., Xn, в нек-ром смысле близкую к истинному значению параметра. Принимая к.-л. меру "близости" С. о. к значению оцениваемого параметра, можно сравнивать различные оценки по качеству. Обычно мерой близости оценки к истинному значению параметра служит величина среднего значения квадрата ошибки
(выражающаяся через математическое ожидание оценки Е* и её дисперсию DQ*). В классе всех несмещённых опенок (для к-рых E* = ) наилучшими с этой точки зрения будут оценки, имеющие при заданном минимальную возможную дисперсию _при всех . Указанная выше оценка X для параметра а нормального распределения является наилучшей несмещённой оценкой, поскольку дисперсия любой другой несмещенной оценки а* параметра а удовлетворяет неравенству Daa* > DaX = 2/п, где 2 - дисперсия нормального распределения. Если существует несмещённая оценка с минимальной дисперсией, то можно найти и несмещённую наилучшую оценку в классе функций, зависящих только от достаточной статистики. Имея в виду построение С. о. для больших значений п, естественно предполагать, что вероятность отклонений * от истинного значения параметра , превосходящих к.-л. заданное число, будет близка к нулю при n -> бескон.. С. о. с таким свойством называются состоятельными оценками. Несмещённые оценки, дисперсия к-рых стремится к нулю при n->бескон., являются состоятельными. Поскольку скорость стремления к пределу играет при этом важную роль, то асимптотич. сравнение С. о. производят по отношению их асимптотич. дисперсий. Так, среднее арифметическое X в приведённом выше примере - наилучшая и, следовательно, асимптотически наилучшая оценка для параметра а, тогда как выборочная медиана , представляющая собой также несмещённую оценку, не является асимптотически наилучшей, т. к.
(тем не менее использование имеет также положительные стороны: напр., если истинное распределение не является в точности нормальным, а несколько отличается от него, дисперсия X может резко возрасти, а дисперсия остаётся почти той же, т. е. обладает свойством, наз. "прочностью"). Одним из распространённых общих методов получения С. о. является метод моментов, к-рый заключается в приравнивании определённого числа выборочных моментов к соответствующим моментам теоретич. распределения, к-рые суть функции от неизвестных параметров, и решении полученных уравнений относительно этих параметров. Хотя метод моментов удобен в практич. отношении, однако С. о., найденные при его использовании, вообще говоря, не являются асимптотически наилучшими. Более важным с теоретич. точки зрения представляется максимального правдоподобия метод, который приводит к оценкам, при некоторых общих условиях асимптотически наилучшим. Частным случаем последнего является наименьших квадратов метод. Метод С. о. существенно дополняется оцениванием с помощью доверительных границ.
Лит.: К е н д а л л M., СтьюартА., Статистические выводы и связи, пер. с англ., M., 1973; Крамер Г., Математические методы статистики, пер. с англ., 2 изд., M., 1975. А. В. Прохоров.
Смотреть больше слов в «Большой советской энциклопедии»
функции от результатов наблюдений, употребляемые для статистического оценивания (См. Статистическое оценивание) неизвестных параметров распреде... смотреть