(осень 2012-2013 уч. года, лектор-М.В. Болдин)
1.Статистическая модель, примеры. Теорема Гливенко-Кантелли. Понятие о методе подстановки на примерах выборочных моментов и квантилей, их сходимость п.н.
2.Введение в задачу оптимального параметрического оценивания. Скалярный параметр: статистики, оценки, среднеквадратический риск, несмещенные оценки с равномерно наименьшей дисперсией (с.к. оптимальные оценки). Неравенство Рао-Крамера в случае скалярного параметра. Случай н.о.р. данных. Экспоненциальные семейства распределений, примеры. Теоремы о достаточных и необходимых условиях равенства в неравенстве Рао-Крамера. Эффективные оценки, примеры.
Оценивание векторного параметра: несмещенные оценки с равномерно наименьшей ковариационной матрицей, векторное неравенство Рао-Крамера, эффективные оценки.
3.Условное математическое ожидание (у.м.о.) и условные распределения. У.м.о. относительно дискретной сигма-алгебры – два эквивалентных определения. Определение у.м.о. в общей ситуации (для скалярных и векторных случайных величин). Теорема существования. Свойства у.м.о. (все с доказательством).
У.м.о., условная вероятность и условное (регулярное) распределение относительно случайных величин (векторов). Условная плотность вероятности, теорема о ее вычислении и о вычислении у.м.о. через условную плотность. Примеры.
4.Достаточные статистики и оптимальные оценки. Достаточные статистики, теорема факторизации (доказательство для дискретного и гладкого случаев). Примеры. Теорема об улучшении несмещенной оценки усреднением по достаточной статистике (теорема Рао-Бллекуэлла-Колмогорова). Полные статистики. Оптимальное оценивание при наличии полной достаточной статистики (теорема Лемана – Шефаре). Примеры для пуассоновских, биномиальных, равномерных выборок.
5. Гауссовская линейная модель и метод наименьших квадратов. Определение и основные свойства многомерного гауссовского закона (все с доказательством). Распределение (центральное) хи-квадрат Пирсона и лемма о круговом гауссовском распределении. Линейная гауссовская модель, полные достаточные статистики (полнота без доказательства) и оптимальные оценки для среднего и дисперсии. Линейная гауссовская регрессия, оценки наименьших квадратов и их вычисление, теорема о свойствах о.н.к. (распределение, независимость, оптимальность). Примеры- гауссовская выборка, однофакторная линейная модель.
6.Введение в доверительное оценивание. (Центральное) распределение Стьюдента и доверительные интервалы для параметров гауссовской выборки. (Центральное) распределение Фишера и доверительные эллипсоиды и интервалы для параметров гауссовской линейной регрессии.
Слабая сходимость случайных векторов, лемма о наследовании слабой сходимости и сходимости по вероятности. Лемма Слуцкого. Асимптотически нормальные и состоятельные оценки. Асимптотические доверительные интервалы.
7.Метод максимального правдоподобия оценивания параметров. Скалярный параметр: теорема об экстремальном свойстве правдоподобия для истинного значения параметра, теорема о существовании состоятельного решении уравнения правдоподобия. Теорема Бахадура (без доказательства) и асимптотически эффективные оценки. Теорема об асимптотической эффективности состоятельного решения уравнения правдоподобия.
8.Проверка параметрических гипотез. Общие понятия: гипотеза, критическое множество (критерий), ошибки 1-го и 2-го рода, мощность, уровень значимости, равномерно наиболее мощные (РНМ) и наиболее мощные критерии. Лемма Неймана-Пирсона и примеры ее применения для гипотез о параметрах гауссовской выборки.
Доверительные множества и теорема о двойственности задач оценивания и проверки гипотез. Нецентральные распределения хи-квадрат Пирсона и Фишера. Лемма о свойствах нецентрального распределения хи-квадрат, в частности, о стохастической упорядоченности. F-критерий Фишера для проверки линейных гипотез вида Ac=\beta_0 в гауссовской линейной регрессии. Мощность F-критерия при альтернативе, вид параметра нецентральности, монотонность по параметру нецентральности, несмещенность. Примеры применения F-критерия: проверка однородности гауссовских выборок, проверка гипотезы о порядке линейной регрессии,
Проверка простой гипотезы в схеме независимых полиномиальных испытаний критерием хи-квадрат Пирсона, теорема Пирсона. Приложение к проверке непараметрической гипотезы о виде функции распределения.
Литература
1.М.В. Болдин. Конспект лекций по математической статистике, 2012.
2.Г.И. Ивченко, Ю.И. Медведев. Математическая статистика. М., «Высшая школа.», 1992.
3.А.А. Боровков. Математическая статистика. Оценка параметров. Проверка гипотез. М., «Наука», 1984.
4.Ю.Н. Тюрин. Записки лекций по математической. статистике.
5.А.Н. Ширяев. Вероятность. М., «Наука», 1989 (или след. изд.).
6.Д.М. Чибисов, В.И. Пагурова. Задачи по математической. статистике. М.,«МГУ», 1990.