Опубликован: 16.12.2009 | Доступ: свободный | Студентов: 2566 / 424 | Оценка: 4.26 / 4.23 | Длительность: 33:53:00
Специальности: Руководитель, Экономист
Лекция 8:

Статистика нечисловых данных

Законы больших чисел и состоятельность статистических оценок в пространствах произвольной природы

Законы больших чисел состоят в том, что эмпирические средние сходятся к теоретическим. В классическом варианте: выборочное среднее арифметическое при определенных условиях сходится по вероятности при росте числа слагаемых к математическому ожиданию. На основе законов больших чисел обычно доказывают состоятельность различных статистических оценок. В целом эта тематика занимает заметное место в теории вероятностей и математической статистике.

Однако математический аппарат при этом основан на свойствах сумм случайных величин (векторов, элементов линейных пространств). Следовательно, он не пригоден для изучения вероятностных и статистических проблем, связанных со случайными объектами нечисловой природы. Это такие объекты, как бинарные отношения, нечеткие множества, вообще элементы пространств без векторной структуры. Объекты нечисловой природы все чаще встречаются в прикладных исследованиях. Много конкретных примеров приведено выше в настоящей лекции. Поэтому представляется полезным получение законов больших чисел в пространствах нечисловой природы. Необходимо решить следующие задачи.

  • Определить понятие эмпирического среднего.
  • Определить понятие теоретического среднего.
  • Ввести понятие сходимости эмпирических средних к теоретическому.
  • Доказать при тех или иных комплексах условий сходимость эмпирических средних к теоретическому.
  • Обобщив это доказательство, получить метод обоснования состоятельности различных статистических оценок.
  • Дать применения полученных результатов при решении конкретных задач.

Ввиду принципиальной важности рассматриваемых результатов приводим доказательство закона больших чисел, а также результаты компьютерного анализа множества эмпирических средних.

Определения средних величин. Пусть X - пространство произвольной природы, x_1, x_2, x_3, \dots, x_n - его элементы. Чтобы ввести эмпирическое среднее для x_1, x_2, x_3, \dots, x_n будем использовать действительнозначную (т.е. с числовыми значениями) функцию f(x,y) двух переменных со значениями в X . В стандартных математических обозначениях, f:X^2 \to R^1 Величина f(x,y) интерпретируется как показатель различия между x и y : чем f(x,y) больше, тем x и y сильнее различаются. В качестве f можно использовать расстояние в Х , квадрат расстояния и т.п.

Определение 1. Средней величиной для совокупности x_1, x_2, x_3, \dots, x_n (относительно меры различия f ), обозначаемой любым из трех способов:

х_{ср}  = E_n(f) = E_n(x_1, x_2, x_3, \dots, x_n ; f),

называем решение оптимизационной задачи

\sum_{i=1}^nf(x,y) \to \min, y \in X

Это определение согласуется с классическим: если Х = R^1, f(x,y) = (x - y)^2 , то х_{ср} - выборочное среднее арифметическое. Если же Х = R^1, f(x,y) = |x - y| , то при n = 2k+1 имеем х_{ср} = x(k+1) , при n= 2k эмпирическое среднее является отрезком [x(k), x(k+1)] . Здесь через x(i) обозначен i -ый член вариационного ряда, построенного по x_1, x_2, x_3,\dots, x_n , т.е. i -я порядковая статистика. Таким образом, при Х = R^1, f(x,y) = |x - y| решение задачи (1) дает естественное определение выборочной медианы, правда, несколько отличающееся от предлагаемого в курсах "Общей теории статистики", в котором при n= 2k медианой называют полусумму двух центральных членов вариационного ряда (x(k) + x(k+1))/2 . Иногда x(k) называют левой медианой , а х(k+1) - правой медианой [3].

Решением задачи (1) является множество E_n(f) , которое может быть пустым, состоять из одного или многих элементов. Выше приведен пример, когда решением является отрезок. Если Х = R^1 \{х_0\} , f(x,y) = (x - y)^2 , а среднее арифметическое выборки равно х_0 , то E_n(f) пусто.

При моделировании реальных ситуаций часто можно принять, что Х состоит из конечного числа элементов, а тогда E_n(f) непусто - минимум на конечном множестве всегда достигается.

Понятия случайного элемента x=x(\omega) со значениями в Х , его распределения, независимости случайных элементов используем согласно пункту 2 настоящей лекции, т.е. справочнику Ю.В. Прохорова и Ю.А. Розанова [25]. Будем считать, что функция f измерима относительно \sigma -алгебры, участвующей в определении случайного элемента x=x(\omega). Тогда f(x(\omega),y) при фиксированном y является действительнозначной случайной величиной. Предположим, что она имеет математическое ожидание.

Определение 2. Теоретическим средним (математическим ожиданием) для случайного элемента x=x(\omega) относительно меры различия f, обозначаемом E(x,f) , называется решение оптимизационной задачи

Ef(x(\omega),y) \to \min, y \in X

Это определение также согласуется с классическим. Если Х = R^1, f(x,y) = (x - y)^2, то E(x,f) = E(x) - обычное математическое ожидание, при этом Ef(x(\omega),y) - дисперсия случайной величины x=x(\omega). Если же Х = R^1 , f(x,y) = |x - y|, то E(x,f) = [a,b] , где a = \sup\{t: F(t) \le 0,5\}, b =\ inf\{t: F(t)\ge 0,5\}, причем F(t) - функция распределения случайной величины x=x(\omega). Если график F(t) имеет плоский участок на уровне F(t) = 0,5, то медиана - теоретическое среднее в смысле определения 2 - является отрезком. В классическом случае обычно говорят, что каждый элемент отрезка [a; b] является одним из возможных значений медианы. Поскольку наличие указанного плоского участка - исключительный случай, то обычно решением задачи (2) является множество из одного элемента a = b - классическая медиана распределения случайной величины x=x(\omega).

Теоретическое среднее E(x,f) можно определить лишь тогда, когда Ef(x(\omega),y) существует при всех y \in Y. Оно может быть пустым множеством, например, если Х = R^1 \\ {х_0\} , f(x,y) = (x - y)^2 , x_0= E(x) . И то, и другое исключается, если Х конечно. Однако и для конечных Х теоретическое среднее может состоять не из одного, а из многих элементов. Отметим, однако, что в множестве всех распределений вероятностей на Х подмножество тех распределений, для которых E(x,f) состоит более чем из одного элемента, имеет коразмерность 1, поэтому основной является ситуация, когда множество E(x,f) содержит единственный элемент [3].

Существование средних величин. Под существованием средних величин будем понимать непустоту множеств решений соответствующих оптимизационных задач.

Если Х состоит из конечного числа элементов, то минимум в задачах (1) и (2) берется по конечному множеству, а потому, как уже отмечалось, эмпирические и теоретические средние существуют.

Ввиду важности обсуждаемой темы приведем доказательства. Для строгого математического изложения нам понадобятся термины из раздела математики под названием "общая топология". Топологические термины и результаты будем использовать в соответствии с классической монографией [29]. Так, топологическое пространство называется бикомпактным в том и только в том случае, когда из каждого его открытого покрытия можно выбрать конечное подпокрытие [29, с.183].

Теорема 1. Пусть Х - бикомпактное пространство, функция f непрерывна на Х^2 (в топологии произведения). Тогда эмпирическое и теоретическое средние существуют.

Доказательство. Функция f(x_i,y) от y непрерывна, сумма непрерывных функций непрерывна, непрерывная функция на бикомпакте достигает своего минимума, откуда и следует заключение теоремы относительно эмпирического среднего.

Перейдем к теоретическому среднему. По теореме Тихонова [29, с.194] из бикомпактности Х вытекает бикомпактность Х^2. Для каждой точки (x, y) из Х^2 рассмотрим \epsilon/2 - окрестность в Х^2 в смысле показателя различия f, т.е. множество

U(x,y)=\{(x', y'):|f(x,y)-f(x',y')| < \epsilon /2\}

Поскольку f непрерывна, то множества U(x,y) открыты в рассматриваемой топологии в Х^2. По теореме Уоллеса [29, с.193] существуют открытые (в Х ) множества V(x) и W(y) , содержащие x и y соответственно и такие, что их декартово произведение V(x) x W(y) целиком содержится внутри U(x, y) .

Рассмотрим покрытие Х^2 открытыми множествами V(x) x W(y) . Из бикомпактности Х^2 вытекает существование конечного подпокрытия \{V(x_i) x W(y_i), i = 1,2, \dots, m\}. Для каждого х из Х рассмотрим все декартовы произведения V(x_i) x W(y_i) , куда входит точка (x, y) при каком-либо y. Таких декартовых произведений и их первых множителей V(x_i) конечное число. Возьмем пересечение таких первых множителей V(x_i) и обозначим его Z(x) . Это пересечение открыто, как пересечение конечного числа открытых множеств, и содержит точку х. Из покрытия бикомпактного пространства X открытыми множествами Z(x) выберем открытое подпокрытие Z_1, Z_2,\dots, Z_k.

Покажем, что если x'_1 и x'_2 принадлежат одному и тому же Zj при некотором j, то

\sup\{|f(x'_1, y)-f(x'_2,y)|, y \in X\} \lt; \epsilon ( 3)

Пусть Z_j = Z(x_0) при некотором x_0. Пусть V(x_i) x W(y_i) , y \in I, - совокупность всех тех исходных декартовых произведений из системы \{V(x_i) x W(y_i), i = 1,2, \dots, m\}, куда входят точки (x_0, y) при различных y. Покажем, что их объединение содержит также точки (x'_2,y) и (x'_1,y) при всех y. Действительно, если (х_0, y) входит в V(x_i) x W(y_i) , то y входит в W(y_i), а x'_1 и x'_2 вместе с x_0 входят в V(x_i) , поскольку x'_1, x'_2 и x_0 входят в Z(x_0) . Таким образом, (x'_1, y) и (x'_2,y) принадлежат V(x_i) x W(y_i) , а потому согласно определению V(x_i) x W(y_i)

|f(x'_1,y)-f(x_i,y_i)| < \epsilon /2,\\
|f(x'_2,y)-f(x_i,y_i)| < \epsilon /2

откуда и следует неравенство (3).

Поскольку Х^2 - бикомпактное пространство, то функция f ограничена на Х^2, а потому существует математическое ожидание E f(x(\omega),y) для любого случайного элемента x(\omega), удовлетворяющего приведенным в предыдущем разделе условиям согласования топологии, связанной с f, и измеримости, связанной с x(\omega). Если х_1 и х_2 принадлежат одному открытому множеству Z_j, то |Ef(x_1,y)-|Ef(x_2,y)|  < \epsilon а потому функция

g(y)=Ef(x(\omega),y) ( 4)

непрерывна на Х. Поскольку непрерывная функция на бикомпактном множестве достигает своего минимума, т.е. существуют такие точки z, на которых g(z) = \inf\{g(y), y\inX\}, то теорема 1 доказана.

В ряде интересных для приложений ситуаций Х не является бикомпактным пространством. Например, если Х = R^1. В этих случаях приходится наложить на показатель различия f некоторые ограничения, например, так, как это сделано в теореме 2.

Михаил Агапитов
Михаил Агапитов

Не могу найти  требования по оформлению выпускной контрольной работы по курсу профессиональной переподготовки "Менеджмент предприятия"

Подобед Александр
Подобед Александр

Я нажал кнопку "начать курс" и почти его уже закончил, но для получения диплома на бумаге, нужно его же оплатить? Как оплатить?