Тип работы:
Предмет:
Язык работы:


ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ НЕКОТОРЫХ НЕПАРАМЕТРИЧЕСКИХ КРИТЕРИЕВ ПРОВЕРКИ ГИПОТЕЗ О РАЗРЫВНОСТИ ФУНКЦИИ РЕГРЕССИИ И ИНТЕНСИВНОСТИ ПУАССОНОВСКОГО ПРОЦЕССА

Работа №127540

Тип работы

Бакалаврская работа

Предмет

информатика

Объем работы48
Год сдачи2022
Стоимость4330 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
27
Не подходит работа?

Узнай цену на написание


Введение 3
Глава 1. Критерий проверки разрывности функции условной медианы 6
1.1. Необходимые определения 6
1.2. Постановка задачи 7
1.3. Построение критерия 8
1.4. Моделирование для проверки результатов 11
1.4.1. Описание модели 11
1.4.2. Моделирование 12
1.5. Перестановочный вариант критерия 17
1.5.1. Построение критерия 17
1.5.2. Моделирование 18
1.6. Сравнение критериев 19
1.6.1. Постановка сравнения 19
1.6.2. Моделирование 20
Глава 2. Критерий проверки разрывности плотности интенсивности пуассоновского процесса 22
2.1. Необходимые определения 22
2.2. Построение критерия 23
2.3. Моделирование 26
Заключение 29
Список литературы 30
Приложение А. Доказательства утверждений 32
А.1. Доказательство утверждения 1.1 32
А.2. Доказательство утверждения 2.1 38
Приложение Б. Описание методов, примененных в моделировании 1.4.2 42
Б.1. Отзеркаливание ядерной оценки плотности 42
Б.2. Исправление ширины окна 42
Приложение В. Теория, использованная в главе 1 44
В.1. Об асимптотической нормальности 44
В.2. О построении перестановочного критерия 45


Задача о проверке непрерывности или разрывности функций в статистике имеет множество приложений как в случае распределений случайных величин, так и процессов и временных рядов. В класс рассматриваемых функций входят функция регрессии одной случайной величины на другую и плотность интенсивности пуассоновского процесса.
Задача о разрывности функции регрессии исследована в большом количестве работ, связанных с общественными науками. Впервые идея проверки гипотезы о разрывности появилась в психологии [1], но также нашла применение в исследованиях в экономической [2], образовательной [3], политической [4] и прочих сферах. В работе [5] для функции регрессии, представленной как условное математическое ожидание, получены асимптотические свойства статистики критерия проверки гипотезы о непрерывности.
Задача о проверке разрывности функции плотности интенсивности пуассоновского процесса входит в круг задач, имеющих отношение к обнаружению разладок (в англоязычной литературе change-point analysis')в процессах и временных рядах. Задачи такого рода встречаются в таких дисциплинах, как акустика [6], геномика [7], океанография [8] и т.д. Методы обнаружения сводят эту задачу к максимизации функции логарифмического правдоподобия [9, 10] или к статистической проверке гипотез [11,12]. Насколько известно автору, непараметрическая проверка рассматриваемой гипотезы о разрывности плотности интенсивности пуассоновского процесса ещё не изучалась.
В рамках данной работы предложен и изучен в плане асимптотических свойств непараметрический критерий проверки гипотезы разрывности функции регрессии, построенный на основе оценки условной медианы, а также построена и изучена его модификация на основе теории перестановочных критериев для малых объёмов выборки. Также предложен и изучен непараметрический критерий проверки гипотезы о разрывности плотности интенсивности пуассоновского процесса. В основу критериев положено ядерное оценивание регрессии и плотности интенсивности, а также используется перестановочный подход построения критериев.
Цели работы:
• Изучить литературу о свойствах ядерных оценок и построении на их основе перестановочных критериев;
• Построить непараметрический критерий проверки гипотезы о разрывности функции регрессии на основе ядерной оценки условной медианы, изучить его асимптотические свойства аналитически и построить его перестановочную модификацию;
• Сравнить в моделировании построенный критерий с известным, представленным в литературе критерием, построенным на основе оценки условного матожидания;
• Построить непараметрический критерий проверки гипотезы о разрывности плотности интенсивности пуассоновского процесса с использованием ядерной оценки разрыва плотности интенсивности и аналитически изучить его асимптотические свойства;
• Для всех построенных критериев провести моделирование для валидации теоретических результатов.
Организация работы:
Глава 1 данной работы относится к построению и изучению критерия проверки гипотезы разрывности функции регрессии, построенного на основе оценки условной медианы, и его статистики. Раздел 1.1 содержит необходимые определения и обозначения, относящиеся к этой главе. Раздел 1.2 приводит постановку задачи проверки гипотезы о разрывности функции регрессии в виде условной медианы. Раздел 1.3 посвящен построению критерия проверки этой гипотезы, для которого в этом разделе сформулировано основное утверждение о предельном распределении и дисперсии его статистики. В разделе 1.4 приведены результаты моделирования на модельных данных, подтверждающего теоретические результаты, полученные в разделе 1.3. Перестановочный вариант критерия в обычной и стьюдентизированной формах, предназначенный для меньших объемов выборки, представлен в разделе 1.5 вместе с моделированием, демонстрирующим ситуации, когда они неравносильны. Раздел 1.6 посвящен сравнению построенного критерия с известным, представленным в литературе критерием, построенном на основе ядерной оценки условного матожидания, предложенным в литературе, на модельных данных в терминах задачи о робастности их статистик. Моделирование показало, что статистика построенного критерия более устойчива к шуму в данных, чем аналогичная.
Глава 2 данной работы относится к построению и изучению критерия проверки гипотезы разрывности плотности интенсивности пуассоновского процесса и его статистики. Раздел 2.1 содержит необходимые определения, обозначения и известные результаты, относящиеся к теории пуассоновского процесса. В разделе 2.2 приведена постановка задачи проверки гипотезы о разрывности плотности интенсивности, а также вместе с построением критерия для проверки этой гипотезы представлено основное утверждение этой главы, формулирующее асимптотические свойства статистики построенного критерия, а именно предельное распределение и предельная дисперсия. В разделе 2.3 представлены результаты моделирования на модельных данных, которые подтверждают теоретические результаты раздела 2.2.
В приложении А представлены доказательства утверждений из разделов 1.3 и
2.2. Приложение Б содержит дополнительную теорию, относящуюся к моделированию, представленному в разделе 1.4. Приложение В содержит дополнительную теорию, относящуюся к главе 1.

Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


В результате работы были получены критерии проверки гипотезы о разрывности функции условной медианы и плотности интенсивности пуассоновского процесса, а также модификация первого в двух формах, основанная на перестановках и предназначенный для меньших объемов выборки. При этом
• Для двух построенных в работе критериев аналитически изучены асимптотические свойства;
• Для них же было проведено моделирование, которое подтвердило эти свойства;
• Обычный перестановочный критерий проверки гипотезы о разрывности функции регрессии, построенный на оценке условной медианы, работает корректно при соблюдении гипотезы равенства распределений;
• Построен стьюдентизированный перестановочный критерий проверки гипотезы о разрывности функции регрессии, построенный на оценке условной медианы, который корректен даже при нарушении гипотезы равенства распределений. Моделирование это подтверждает;
• Для двух критериев проверки гипотезы о разрывности функции регрессии, основанных на условном матожидании и условной медиане, проведено сравнение на модельных данных, показавшее неустойчивость первого к шуму, в отличие от второго.
Программный код, реализованный для моделирования, размещен на ресурсе Zenodo |18].
В дальнейшем планируется построить модификацию критерия проверки разрывности плотности пуассоновского процесса с использованием подхода перестановочных критериев, а также сопоставить полученный критерий проверки разрывности плотности пуассоновского процесса с известными методами обнаружения разладок в случае пуассоновского процесса.



1. Thistlethwaite D. L., Campbell D. T. Regression-discontinuity analysis: An alternative to the ex post facto experiment //Journal of Educational Psychology. — 1960. — Vol. 51, no. 2.— P. 309-317. — Access mode:https://doi.org/10.1037/h0044319.
2. Lemieux Th., Lee D. Regression Discontinuity Design in Economics // Journal of EconomicLiterature. —2010. —06. —Vol. 48. —P. 281-355.
3. Calcagno J., Long B. The Impact of Postsecondary Remediation Using a Regression Disconti¬nuity Approach: Addressing Endogenous Sorting and Noncompliance. — 2008. — 08. — P. 47.
4. Skovron C., Titiunik R. A Practical Guide to Regression Discontinuity Designs in Political Science. — 2015.
5. Bertanha Marinho, Chung EunYi. Permutation Tests at Nonparametric Rates. — 2021. — Access mode:https://arxiv.org/abs/2102.13638.
6. An analysis of airport noise data using a non-homogeneous Poisson model with a change-point / Guarnaccia C., Quartieri J., Tepedino C., and Rodrigues E. //Applied Acoustics. — 2015.— Vol. 91.
7. Circular Binary Segmentation for the Analysis of Array-based DNA Copy Number Data / Olshen A., Venkatraman E.S., Lucito R., and Wigler M. //Biostatistics (Oxford, England). —
2004. —Vol. 5. —P. 557-72.
8. The Uncertainty of Storm Season Changes: Quantifying the Uncertainty of Autocovariance Changepoints / Nam C. F. H., Aston J. A. D., Eckley I. A., and Killick R. //Technometrics. — 2015. —Vol. 57, no. 2. —P. 194-206. — https://doi.org/10.1080/00401706.2014.902776.
9. Yao Y.C. Estimating the number of change-points via Schwarz’ criterion //Statistics &Probability Letters. — 1988. — Vol. 6, no. 3. — P. 181-189. — Access mode:https://www.sciencedirect.com/science/article/pii/0167715288901186.
10. Lavielle M. Using penalized contrasts for the change-point problem // Signal Processing. —
2005. — Vol. 85, no. 8. — P. 1501-1510. — Access mode:https://www.sciencedirect.com/science/article/pii/S0165168405000381.
11. Bai J., Perron P. Estimating and testing linear models with multiple structural changes // Econometrica. — 1995. — Vol. 66. — P. 47-78.
12. Dette H., Wied D. Detecting relevant changes in time series models // Journal of the Royal Statistical Society. Series B (Statistical Methodology). — 2016. — Vol. 78, no. 2. — P. 371¬394. — Access mode:http://www.jstor.org/stable/24775343 (online; accessed: 2022-05¬05).
13. Gramacki A. Nonparametric Kernel Density Estimation and Its Computational Aspects. — 1 ed. — Poland : Springer, 2018. — P. 176. — ISBN: 978-3-319-71687-9. — Access mode:https://doi.org/10.1007/978-3-319-71688-6.
14. Zucchini W. Applied smoothing techniques, Part 1 Kernel Density Estimation. — 2003.
15. Lehmann E. L., Romano J. P. Testing statistical hypotheses. Springer Texts in Statistics. — Third ed. — New York : Springer, 2005. — P. xiv+784. — ISBN: 0-387-98864-5.
16. Huber P.J. Robust statistics. — Wiley New York, 1981.
17. Kutoyants Yu. A. Statistical Inference for Spatial Poisson Processes. — London : Springer New York, NY, 1998. —P. 17-18, 21, 28.
18. Grigorev D. Graduation project simulation code. — 2022. — May. — Access mode:https://doi.org/10.5281/zenodo.6569651.
19. Cline D. B. H, Hart J. D. Kernel Estimation of Densities with Discontinuities or Discontinuous Derivatives //Statistics. — 1991. — Vol. 22, no. 1. — P. 69-84. — https://doi.org/10.1080/02331889108802286.
20. Schuster E. F. Incorporating support constraints into nonparametric estimators of densities // Communications in Statistics-theory and Methods. — 1985. — Vol. 14. — P. 1123-1136.
21. Silverman B. W. Density Estimation for Statistics and Data Analysis. — London : Chapman & Hall, 1986.
22. Kheireddine S, Abdallah S., Yahia D. General method of boundary correction in kernel regres¬sion estimation //Afrika Statistika. — 2015. — 12. — Vol. 10. — P. 739-750.
23. Rosenblatt M. Remarks on Some Nonparametric Estimates of a Density Function // TheAnnals of Mathematical Statistics. — 1956. — Vol. 27, no. 3. — P. 832 - 837. — Access mode: https://doi.org/10.1214/aoms/1177728190.


Работу высылаем на протяжении 30 минут после оплаты.




©2025 Cервис помощи студентам в выполнении работ