Skip to Content

Глава 7. Задачи с разборами

Добиваем то, что в параграфах обещали: точные цифры эффективности медианы, засорённые данные, где медиана обгоняет среднее, и двумерный эксперимент с источником из §1. Сначала решай сам, разбор — потом.

Главный инструмент: по теореме 1 асимптотическая дисперсия медианы σMED2=14p2(x1/2)\sigma^2_{MED} = \dfrac{1}{4p^2(x_{1/2})}, по ЦПТ у среднего σXˉ2=DX1\sigma^2_{\bar X} = \mathbf{D}X_1, а относительная эффективность eMED,Xˉ=σXˉ2/σMED2e_{MED, \bar X} = \sigma^2_{\bar X} / \sigma^2_{MED}.


Задача 1

Вычисли eMED,Xˉe_{MED, \bar X} для выборки из закона N(θ,1)N(\theta, 1).


Задача 2

Пусть XX и YY независимы и показательно распределены с параметром λ=1\lambda = 1.

а) Докажи, что разность X−YX - Y имеет плотность p(x)=12e−∣x∣p(x) = \tfrac12 e^{-|x|} (закон Лапласа).

б) Вычисли D(X−Y)\mathbf{D}(X - Y).

в) Для выборки из сдвинутого на θ\theta закона Лапласа найди eMED,Xˉe_{MED, \bar X}.


Задача 3⭐

Элементы выборки распределены по закону F(x−θ)F(x - \theta), где

F(x)=(1−ε) Φ(x)+ε Φ(x/3),0≤ε≤1,F(x) = (1 - \varepsilon)\,\Phi(x) + \varepsilon\,\Phi(x/3), \qquad 0 \le \varepsilon \le 1,

Φ\Phi — функция распределения N(0,1)N(0, 1). Иначе говоря, FF — смесь (§2 главы 5) законов N(0,1)N(0, 1) и N(0,9)N(0, 9) с весами 1−ε1 - \varepsilon и ε\varepsilon: основная масса измерений нормальная, а доля ε\varepsilon — «засорение» с втрое большим разбросом. Найди приближённо, при каком ε\varepsilon медиана становится эффективнее Xˉ\bar X.

Указание. Линеаризуй функцию eMED,Xˉ(ε)e_{MED, \bar X}(\varepsilon) в окрестности нуля.


Задача 4

а) Найди значение aa, при котором достигается минимум функции g(a)=M∣ξ−a∣g(a) = \mathbf{M}|\xi - a| для случайной величины ξ\xi с плотностью p(x)p(x) (сравни с задачей 1 главы 1).

б) Определим в общем случае медиану mm случайной величины ξ\xi как любое число, удовлетворяющее неравенствам P(ξ≤m)≥12\mathbf{P}(\xi \le m) \ge \tfrac12 и P(ξ≥m)≥12\mathbf{P}(\xi \ge m) \ge \tfrac12. Пусть M∣ξ∣<∞\mathbf{M}|\xi| < \infty. Докажи, что g(a)=M∣ξ−a∣g(a) = \mathbf{M}|\xi - a| имеет минимум при a=ma = m.

Указание. Установи, что g(a)−g(m)≥0g(a) - g(m) \ge 0 при a≥ma \ge m.


Задача 5⭐

Выборка размера nn получена из распределения

Fθ(x)=1−(1−x/θ)α,0≤x≤θ,F_\theta(x) = 1 - (1 - x/\theta)^\alpha, \quad 0 \le x \le \theta,

где α>0\alpha > 0 — известный параметр. Каков порядок малости величины θ−X(n)\theta - X_{(n)} при n→∞n \to \infty? Сколько (с точностью до порядка) наблюдений потребуется, чтобы оценить θ=1\theta = 1 с погрешностью 0,10{,}1 при α=5\alpha = 5?


Задача 6

Докажи, что для максимума выборки из закона Коши

P(πX(n)n≤x)→e−1/x I{x>0}при n→∞,\mathbf{P}\left(\frac{\pi X_{(n)}}{n} \le x\right) \to e^{-1/x}\,I_{\{x > 0\}} \quad \text{при } n \to \infty,

то есть предельным является закон экстремальных значений II типа (Фреше) с α=1\alpha = 1 из §2 главы 4.

Указание. Примени правило Лопиталя.


Задача 7⭐

Пусть в эксперименте по локализации источника излучения из §1 источник сидит в точке a=0a = 0, b=0b = 0, c=1c = 1, а (X1,Y1)(X_1, Y_1) — точка, где траектория пересекает плоскость z=0z = 0. Будут ли независимыми

а) полярные координаты RR и Φ\Phi точки (X1,Y1)(X_1, Y_1),

б) сами X1X_1 и Y1Y_1?

Указание. Перейди к полярным координатам и воспользуйся формулой площади поверхности вращения.

Обновлено