




版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
極大似然法1.極大似然估計法的發(fā)展2.極大似然法的思想
3.似然函數(shù)與極大似然估計4.似然估計基本原理5.系統(tǒng)參數(shù)的極大似然估計6.約束條件和松弛算法
7.幾種參數(shù)估計方法的比較8.求極大似然估計的一般步驟9.極大似然估計的不變性10.極大似然估計法的應用高斯,偉大的數(shù)學家,在1809年提出了極大似然法的基本思想,指出根據(jù)概率論的方法,能夠得到由觀測數(shù)據(jù)來確定參數(shù)的一般方法。R.A.費希爾,著名的統(tǒng)計學家,則在1912年首次提出將極大似然法作為一種參數(shù)估計法。以后極大似然法逐步完整為一種普遍的參數(shù)估計方法。極大似然估計法的發(fā)展觀測數(shù)據(jù)概率論未知參數(shù)極大似然法的思想引例:某位同學與一位獵人一起外出打獵,一只野兔從前方竄過.只聽一聲槍響,野兔應聲到下,如果要你推測,這一發(fā)命中的子彈是誰打的?你就會想,只發(fā)一槍便打中,由于獵人命中的概率一般大于這位同學命中的概率,看來這一槍是獵人射中的.這個例子所作的推斷就體現(xiàn)了極大似然法的基本思想極大似然法的思想一般地說,事件與參數(shù)有關(guān),取值不同,則也不同.若發(fā)生了,則認為此時的值就是的估計值.這就是極大似然思想.下面看一例子:設袋中裝有許多黑、白球,不同顏色球的數(shù)量比為3:1,試設計一種方法,估計任取一球為黑球的概率極大似然法的思想故根據(jù)極大似然思想即知:在上面的例子中,是分布中的參數(shù),它只能取兩個值:1/4或3/4,需要通過抽樣來決定分布中參數(shù)究竟是1/4還是3/4.在給定了樣本觀測值后去計算該樣本出現(xiàn)的概率,這一概率依賴于的值,為此需要用1/4、3/4分別去計算此概率,在相對比較之下,哪個概率大,則就最像哪個.極大似然法的思想似然函數(shù)與極大似然估計
1、離散分布場合:設總體是離散型隨機變量,其概率函數(shù)為其中是未知參數(shù).設為取自總體的樣本.的聯(lián)合概率函數(shù)為這里,是常量,是變量.似然函數(shù)與極大似然估計
若我們已知樣本取的值是,則事件發(fā)生的概率為
這一概率隨的值而變化.應使樣本值的出現(xiàn)具有最大的概率.將上式看作的函數(shù),并用表示,就有:
稱為似然函數(shù).求總體參數(shù)的極大似然估計值的問題就是求似然函數(shù)的最大值問題.似然函數(shù)與極大似然估計
2、連續(xù)分布場合:設總體是連續(xù)離散型隨機變量,其概率密度函數(shù)為,若取得樣本觀察值為,則因為隨機點取值為時聯(lián)合密度函數(shù)值為。所以,按極大似然法,應選擇的值使此概率達到最大.我們?nèi)∷迫缓瘮?shù)為再按前述方法求參數(shù)的極大似然估計值.似然函數(shù)與極大似然估計
極大似然函數(shù)極大似然估計,是以極大似然函數(shù)為基礎。所謂“似然函數(shù)”,就是構(gòu)造一個以觀察數(shù)據(jù)和待估計參數(shù)為自變量的函數(shù)。它是觀測數(shù)據(jù)和待估計參數(shù)的聯(lián)合概率密度函數(shù)。如果我們對未知參數(shù)的估計越接近參數(shù)的真正值,那么在該估計下的觀測數(shù)據(jù)出現(xiàn)的可能性也越大,即條件概率密度越大。因此,極大似然估計的實質(zhì),在于對未知參數(shù)進行良好的估計,使似然函數(shù)取得最大值。極大似然函數(shù)極大似然函數(shù)是一個以觀察數(shù)據(jù)和待估計參數(shù)為自變量的函數(shù)優(yōu)點:無論在白噪聲干擾或有色噪聲干擾下,都有良好的統(tǒng)計特性。缺點:最終要歸結(jié)為是似然函數(shù)值為最大的最優(yōu)化問題,這就往往得不到解析解,只能采用數(shù)值解法,所以計算工作量較大。似然估計基本原理p=白球數(shù)/球總數(shù)似然估計基本原理似然估計基本原理似然估計基本原理似然估計基本原理似然估計基本原理系統(tǒng)參數(shù)的極大似然估計系統(tǒng)參數(shù)的極大似然估計系統(tǒng)參數(shù)的極大似然估計系統(tǒng)參數(shù)的極大似然估計約束條件和松弛算法約束條件和松弛算法約束條件和松弛算法約束條件和松弛算法約束條件和松弛算法約束條件和松弛算法幾種參數(shù)估計方法的比較幾種參數(shù)估計方法的比較1、由總體分布導出樣本的聯(lián)合概率函數(shù)(或聯(lián)合密度);2、把樣本聯(lián)合概率函數(shù)(或聯(lián)合密度)中自變量看成已知常數(shù),而把參數(shù)看作自變量,得到似然函數(shù)
3、求似然函數(shù)的最大值點(常轉(zhuǎn)化為求對數(shù)似然函數(shù)的最大值點);4、在最大值點的表達式中,用樣本值代入就得參數(shù)的極大似然估計值.求極大似然估計的一般步驟求未知參數(shù)的某種函數(shù)的極大似然估計可用極大似然估計的不變原則,證明從略.定理(不變原則)設是的極大似然估計,是的連續(xù)函數(shù),則的極大似然估計為例5、設某元件失效時間服從參數(shù)為的指數(shù)分布,其密度函數(shù)為,未知.現(xiàn)從中抽取了個元件測得其失效時間為,試求及平均壽命的極大似然估計.極大似然估計的不變性
分析:可先求的極大似然估計,由于元件的平均壽命即為的期望值,在指數(shù)分布場合,有,它是的函數(shù),故可用極大似然估計的不變原則,求其極大似然估計.解:(1)寫出似然函數(shù):
(2)取對數(shù)得對數(shù)似然函數(shù):
(3)將對求導得似然方程為:
(4)解似然方程得:極大似然估計的不變性
經(jīng)驗證,能使達到最大,由于上述過程對一切樣本觀察值成立,故的極大似然估計為:根據(jù)極大似然估計的不變原則,元件的平均壽命的極大似然估計為:.極大似然估計的不變性
極大似然估計法的應用A型信息準則極大似然估計法的應用極大似然估計法的應用極大似然估計法的應用極大似然估計法的應用線性模型結(jié)構(gòu)的辨識線性模型結(jié)構(gòu)的辨識線性模型結(jié)構(gòu)的辨識線性模型結(jié)構(gòu)的辨識線性模型結(jié)構(gòu)的辨識線性模型結(jié)構(gòu)的辨識赤池提出A型信息準則(AIC)可表示為其中,是極大似然函數(shù),是參數(shù)的極大似然估計,
K是系統(tǒng)模型中的獨立參數(shù)個數(shù)。對于不同的模型階次假設,AIC(K)的典型曲線如下圖所示。該圖說明,當給定的系統(tǒng)獨立參數(shù)的個數(shù)遠離其真值時,AIC(K)中
的數(shù)值較大,在A
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 人事月報表模板
- 四川樂山圖書館招聘試題帶答案分析2024年
- 孝德演講稿范文
- 好書的演講稿(26篇)
- 壺口瀑布導游詞
- 福建寧德圖書館招聘試題帶答案分析2024年
- 2024年“安全生產(chǎn)事故隱患排查”知識競賽復習提分資料附答案詳解
- 婚宴答謝宴伴郎致辭
- 建筑公司薪酬結(jié)構(gòu)優(yōu)化調(diào)整實施方案
- 建筑公司電力工程接地網(wǎng)電阻值檢測制度
- 國家開放大學??啤斗ɡ韺W》期末紙質(zhì)考試第四大題名詞解釋題庫2025珍藏版
- 網(wǎng)絡安全攻防演練護網(wǎng)工作報告
- 商貿(mào)公司保障服務方案
- 形勢與政策臺灣政治生態(tài)分析
- 市場營銷人員勞動合同指南
- 2024年北京市西城區(qū)中考生物真題(含解析)
- 藥物色譜分離技術(shù)-凝膠色譜(制藥技術(shù)課件)
- DZ∕T 0033-2020 固體礦產(chǎn)地質(zhì)勘查報告編寫規(guī)范(正式版)
- 《抽水蓄能電站豎井式泄洪洞設計導則》
- MOOC 數(shù)字電子技術(shù)基礎-華中科技大學 中國大學慕課答案
- 小學道德與法治培訓感悟
評論
0/150
提交評論