Концепция в статистике
В статистике параметр местоположения распределения вероятностей — это скалярный или векторный параметр , который определяет «местоположение» или сдвиг распределения. В литературе по оценке параметров местоположения распределения вероятностей с таким параметром формально определяются одним из следующих эквивалентных способов:![{\displaystyle x_{0}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- либо как функция плотности вероятности , либо как функция массы вероятности ; [1] или
![{\displaystyle f(xx_{0})}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- наличие кумулятивной функции распределения ; [2] или
![{\displaystyle F(xx_{0})}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
- определяется как результат преобразования случайной величины , где — случайная величина с определенным, возможно, неизвестным распределением [3] (см. также #Additive_noise).
![{\displaystyle x_{0}+X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Прямым примером параметра местоположения является параметр нормального распределения . Чтобы убедиться в этом, обратите внимание, что функция плотности вероятности нормального распределения может быть вычтена из параметра и записана как: ![{\displaystyle \mu }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ Displaystyle е (х | \ му, \ сигма)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle {\mathcal {N}}(\mu,\sigma ^{2})}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \mu }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle g(y-\mu |\sigma) = {\frac {1}{\sigma {\sqrt {2\pi }}}}e^{- {\frac {1}{2}}\left ({\frac {y}{\sigma }}\right)^{2}}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
таким образом выполняя первое из приведенных выше определений.
Приведенное выше определение указывает в одномерном случае, что при увеличении плотность вероятности или функция массы жестко смещаются вправо, сохраняя свою точную форму.![{\displaystyle x_{0}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Параметр местоположения также можно найти в семействах, имеющих более одного параметра, например в семействах масштаба местоположения . В этом случае функция плотности вероятности или функция массы вероятности будет частным случаем более общего вида
![{\displaystyle f_{x_{0},\theta }(x)=f_{\theta }(xx_{0})}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
где – параметр местоположения, θ представляет дополнительные параметры и представляет собой функцию, параметризованную на дополнительных параметрах.![{\displaystyle x_{0}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle f_{\theta }}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Определение [4]
Пусть – любая функция плотности вероятности, и пусть и – любые заданные константы. Тогда функция![{\ displaystyle f (x)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \mu }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \sigma >0}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle g(x|\mu,\sigma) = {\frac {1}{\sigma }}f\left({\frac {x-\mu }{\sigma }}\right)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
представляет собой функцию плотности вероятности.
Тогда семейство местоположений определяется следующим образом:
Пусть — любая функция плотности вероятности. Тогда семейство функций плотности вероятности называется семейством местоположения со стандартной функцией плотности вероятности , где называется параметром местоположения для семейства.![{\ displaystyle f (x)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle {\mathcal {F}}=\{f(x-\mu):\mu \in \mathbb {R} \}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ displaystyle f (x)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \mu }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Аддитивный шум
Альтернативный подход к семействам местоположений основан на концепции аддитивного шума . Если — константа, а W — случайный шум с плотностью вероятности, то она имеет плотность вероятности , и поэтому его распределение является частью семейства местоположений.![{\displaystyle x_{0}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle f_{W} (ш),}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle X=x_{0}+W}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle f_{x_{0}}(x)=f_{W}(x-x_{0})}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Доказательства
Для непрерывного одномерного случая рассмотрим функцию плотности вероятности , где – вектор параметров. Параметр местоположения можно добавить, указав:![{\displaystyle f(x|\theta),x\in [a,b]\subset \mathbb {R} }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\ displaystyle \ theta }](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle x_{0}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle g(x|\theta,x_{0})=f(xx_{0}|\theta),\;x\in [a-x_{0},bx_{0}]}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
можно доказать, что это PDF-файл, проверив, соответствует ли он двум условиям [5] и . интегрируется до 1, потому что:
![{\displaystyle g(x|\theta,x_{0})\geq 0}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \int _{-\infty }^{\infty }g(x|\theta,x_{0})dx=1}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle г}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \int _{-\infty }^{\infty }g(x|\theta,x_{0})dx=\int _{a-x_{0}}^{b-x_{0}} g(x|\theta ,x_{0})dx=\int _{a-x_{0}}^{b-x_{0}}f(x-x_{0}|\theta )dx}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
теперь изменение переменной и соответствующее обновление интервала интегрирования дает:![{\displaystyle u=xx_{0}}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle \int _{a}^{b}f(u|\theta)du=1}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
потому что это pdf по гипотезе. следует из совместного использования одного и того же изображения в формате PDF, поэтому его изображение содержится в формате .![{\ displaystyle f (x | \ theta)}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle g(x|\theta,x_{0})\geq 0}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle г}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle е}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
![{\displaystyle [0,1]}](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Смотрите также
Рекомендации
- ^ Такеучи, Кей (1971). «Равномерно асимптотически эффективная оценка параметра местоположения». Журнал Американской статистической ассоциации . 66 (334): 292–301. дои : 10.1080/01621459.1971.10482258. S2CID 120949417.
- ^ Хубер, Питер Дж. (1992). «Надежная оценка параметра местоположения». Прорывы в статистике . Серия Спрингера по статистике. Спрингер: 492–518. дои : 10.1007/978-1-4612-4380-9_35. ISBN 978-0-387-94039-7.
- ^ Стоун, Чарльз Дж. (1975). «Адаптивные оценки максимального правдоподобия параметра местоположения». Анналы статистики . 3 (2): 267–284. дои : 10.1214/aos/1176343056 .
- ^ Казелла, Джордж; Бергер, Роджер (2001). Статистический вывод (2-е изд.). п. 116. ИСБН 978-0534243128.
- ^ Росс, Шелдон (2010). Введение в вероятностные модели . Амстердам Бостон: Академическая пресса. ISBN 978-0-12-375686-2. ОСЛК 444116127.