Бизнес-портал для руководителей, менеджеров, маркетологов, экономистов и финансистов

Поиск на AUP.Ru


Объявления

Орлов А.И.
Нечисловая статистика

М.: МЗ-Пресс, 2004.

Предыдущая

Глава 2. Статистические методы в пространствах произвольной природы

2.1. Эмпирические и теоретические средние

          Одна из основных статистических процедур - вычисление средних величин для тех или иных совокупностей данных. 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 главе 1. Поэтому необходимо научиться усреднять различные нечисловые данные, т.е. определять эмпирические и теоретические средние в пространствах произвольной природы. Кроме того, представляется полезным получение законов больших чисел в пространствах нечисловой природы.

          Для осуществления описанной научной программы необходимо решить следующие задачи.

          А) Определить понятие эмпирического среднего.

          Б) Определить понятие теоретического среднего.

          В) Ввести понятие сходимости эмпирических средних к теоретическому.

          Г) Доказать при тех или иных комплексах условий сходимость эмпирических средних к теоретическому.

          Д) Обобщив это доказательство, получить метод обоснования состоятельности различных статистических оценок.

          Е) Дать применения полученных результатов при решении конкретных задач.

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

Определения средних величин. Пусть X - пространство произвольной природы, x1, x2, x3,...,xn - его элементы. Чтобы ввести эмпирическое среднее для x1, x2, x3,...,xn  будем использовать действительнозначную (т.е. с числовыми значениями) функцию f(x,y) двух переменных со значениями в X. В стандартных математических обозначениях: 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 x1, x2, x3,...,xn (относительно меры различия f), обозначаемой любым из трех способов:

хср  = En(f) = En(x1, x2, x3,...,xn; f),

называем решение оптимизационной задачи

      (1)

          Это определение согласуется с классическими определениями средних величин. Если Х = R1, f(x,y) = (x - y)2, то хср - выборочное среднее арифметическое. Если же Х = R1, f(x,y) = |x - y|, то при n = 2k+1 имеем хср = 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 x1, x2, x3,...,xn, т.е. i-я порядковая статистика. Таким образом, при Х = R1, f(x,y) = |x - y| решение задачи (1) дает естественное определение выборочной медианы. Правда, несколько отличающееся от определения, обычно 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 [1].

          Решением задачи (1) является множество En(f), которое может быть пустым, состоять из одного или многих элементов. Выше приведен пример, когда решением является отрезок. Если Х = R1\{х0}, f(x,y) = (x - y)2 , а среднее арифметическое выборки равно х0, то En(f) пусто.

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

           Понятия случайного элемента  со значениями в Х, его распределения, независимости случайных элементов используем согласно определениям главы 1, т.е. каноническому справочнику Ю.В. Прохорова и Ю.А. Розанова [2]. Будем считать, что функция f измерима относительно -алгебры, участвующей в определении случайного элемента . Тогда  при фиксированном y является действительнозначной случайной величиной. Предположим, что она имеет математическое ожидание.

          Определение 2. Теоретическим средним E(x,f) (другими словами, математическим ожиданием) случайного элемента  относительно меры различия f называется решение оптимизационной задачи

             (2)

          Это определение, как и для эмпирических средних, согласуется с классическим. Если Х = R1, f(x,y) = (x - y)2, то Е(x,f) = М(x(ω)) - обычное математическое ожидание. При этом М - дисперсия случайной величины . Если же Х = R1, f(x,y) = |x - y| , то E(x,f) = [a,b], где a = sup{t: F(t)<0,5}, b = inf{t: F(t)>0,5}, где F(t) - функция распределения случайной величины . 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 .

          Теоретическое среднее E(x, f) можно определить лишь тогда, когда  существует при всех . Оно может быть пустым множеством, например, если Х = R1\{х0}, f(x,y) = (x - y)2, x0= М(x(ω)). 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 [1].

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 [3]. Так, топологическое пространство называется бикомпактным в том и только в том случае, когда из каждого его открытого покрытия можно выбрать конечное подпокрытие [3, с.183].

          Теорема 1. Пусть Х - бикомпактное пространство, функция f непрерывна на Х2 (в топологии произведения). Тогда эмпирическое и теоретическое средние существуют.

          Доказательство. Функция f(xi, 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 [3, с.194] из бикомпактности Х вытекает бикомпактность Х2. Для каждой точки (x, y) из Х2 рассмотрим  - окрестность в Х2 в смысле показателя различия f, т.е. множество

Поскольку f непрерывна, то множества U(x,y) открыты в рассматриваемой топологии в Х2. По теореме Уоллеса [3, с.193] существуют открытые (в Х) множества V(x) и W(y), содержащие x и y соответственно и такие, что их декартово произведение V(xW(y) целиком содержится внутри U(x, y).

          Рассмотрим покрытие Х2 открытыми множествами V(xW(y). Из бикомпактности Х2 вытекает существование конечного подпокрытия {V(xiW(yi), i = 1, 2, ... , m}. Для каждого х из Х рассмотрим все декартовы произведения V(xiW(yi), куда входит точка (x, y) при каком-либо y. Таких декартовых произведений и их первых множителей V(xi) конечное число. Возьмем пересечение таких первых множителей V(xi) 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 Z1, Z2, ..., Zk.

          Покажем, что если  и  принадлежат одному и тому же Zj при некотором j, то

         (3)

Пусть Zj = Z(x0) при некотором x0. Пусть V(xiW(yi),  , - совокупность всех тех исходных декартовых произведений из системы {V(xiW(yi), i = 1, 2, ... , m}, куда входят точки (x0, y) при различных y. Покажем, что их объединение содержит также точки  и  при всех y. Действительно, если (х0, y) входит в V(xiW(yi), то y входит в W(yi), а  и  вместе с x0 входят в V(xi), поскольку ,  и x0  входят в Z(x0). Таким образом,  и  принадлежат V(xiW(yi), а потому согласно определению V(xiW(yi)

откуда и следует неравенство (3).

          Поскольку Х2 - бикомпактное пространство, то функция f ограничена на Х2, а потому существует математическое ожидание  Mf(,y) для любого случайного элемента , удовлетворяющего приведенным выше условиям согласования топологии, связанной с f, и измеримости, связанной с . Если х1 и х2 принадлежат одному открытому множеству Zj, то

а потому функция

g(y) = Mf(,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), yX}, то теорема 1 доказана.

          В ряде интересных для приложений ситуаций Х не является бикомпактным пространством. Например, если Х = R1. В этих случаях приходится наложить на показатель различия f некоторые ограничения, например, так, как это сделано в теореме 2.

          Теорема 2. Пусть Х - топологическое пространство, непрерывная (в топологии произведения) функция f: X2R2 неотрицательна, симметрична (т.е. f(x,y) = f(y,x) для любых x и y из X), существует число D > 0 такое, что при всех x, y, z из X

f(x,y) < D{f(x,z) + f(z,y)}.                   (5)

Пусть в Х существует точка x0  такая, что при любом положительном R множество {x: f(x, x0) < R} является бикомпактным. Пусть для случайного элемента , согласованного с топологией в рассмотренном выше смысле, существует g(x0) = Mf(, x0).

          Тогда существуют (т.е. непусты) математическое ожидание E(x,f) и эмпирические средние En(f).

          Замечание. Условие (5) - некоторое обобщение неравенства треугольника. Например, если g - метрика в X, а f = gp при некотором натуральном p, то для f выполнено соотношение (5) с D = 2p.

          Доказательство. Рассмотрим функцию g(y), определенную формулой (4). Имеем

f(,y) < D {f(, x0) + f(x0,,y)}. (6)

Поскольку по условию теоремы g(x0) существует, а потому конечно, то из оценки (6) следует существование и конечность g(y) при всех y из Х. Докажем непрерывность этой функции.

          Рассмотрим шар (в смысле меры различия f) радиуса R с центром в x0:

K(R) = {x : f(x, x0) < R},  R > 0.

В соответствии с условием теоремы K(R) как подпространство топологического пространства Х является бикомпактным. Рассмотрим произвольную точку х из Х. Справедливо разложение

где (С) - индикатор множества С. Следовательно,

         (7)

Рассмотрим второе слагаемое в (7). В силу (5)

(8)

Возьмем математическое ожидание от обеих частей (8):

    (9) 

В правой части (9) оба слагаемых стремятся к 0 при безграничном возрастании R: первое - в силу того, что

второе - в силу того, что распределение случайного элемента  сосредоточено на Х и

Пусть U(x) - такая окрестность х (т.е. открытое множество, содержащее х), для которой

sup {f(y, x), yU(x)} < 

Имеем

              (10)

В силу (9) и (10) при безграничном возрастании R

              (11)

равномерно по yU(x). Пусть R(0) таково, что левая часть (11) меньше > 0 при R>R(0) и, кроме того, yU(x) K(R(0)). Тогда при R>R(0)

  (12)

Нас интересует поведение выражения в правой части формулы (12) при yU(x). Рассмотрим f1 - сужение функции f на замыкание декартова произведения множеств U(xK(R), и случайный элемент  Тогда

при yU(x), а непрерывность функции  была доказана в теореме 1. Последнее означает, что существует окрестность U1(x) точки х такая, что

              (13)

при y U1(x). Из (12) и (13) вытекает, что при

что и доказывает непрерывность функции g(x).

          Докажем существование математического ожидания E(x,f). Пусть R(0) таково, что

              (14)

Пусть H - некоторая константа, значение которой будет выбрано позже. Рассмотрим точку х из множества K(HR(0))С - дополнения K(HR(0)), т.е. из внешности шара радиуса HR(0) с центром в х0. Пусть Тогда имеем

откуда

     (15)

Выбирая H достаточно большим, получим с учетом условия (14), что при xK(HR(0))С справедливо неравенство

               (16)

Можно выбрать H так, чтобы правая часть (16) превосходила

          Сказанное означает, что Argmin g(x) достаточно искать внутри бикомпактного множества K(HR(0)). Из непрерывности функции g вытекает, что ее минимум достигается на указанном бикомпактном множестве, а потому - и на всем Х. Существование (непустота) теоретического среднего E(x,f) доказана.

          Докажем существование эмпирического среднего En(f). Есть искушение проводить его дословно так же, как и доказательство существования математического ожидания E(x,f), лишь с заменой 1/2 в формуле (16) на частоту попадания элементов выборки xi в шар K(R(0)). Эта частота, очевидно, стремится к вероятности попадания случайного элемента  в K(R(0)), большей 1/2 в соответствии с (14). Однако это рассуждение показывает лишь, что вероятность непустоты En(f) стремится к 1 при безграничном росте объема выборки. Точнее, оно показывает, что

Поэтому пойдем другим путем, не опирающимся к тому же на вероятностную модель выборки. Положим

             (17)

Если х входит в дополнение шара K(HR(1)), то аналогично (15) имеем

               (18)

При достаточно большом H из (17) и (18) следует, что

Следовательно, Argmin достаточно искать на K(HR(1)). Заключение теоремы 2 следует из того, что на бикомпактном пространстве K(HR(1)) минимизируется непрерывная функция.

          Теорема 2 полностью доказана. Перейдем к законам больших чисел.

Предыдущая

Объявления