Академический Документы
Профессиональный Документы
Культура Документы
Prelegere nr. 9
Tema: Оценки. Метод максимального правдоподобия
Chișinău, 2022
1
Оценка для - статистика
.
2
Несмещенная оценка
Оценка называется несмещенной для если
,
и смещенной в противном случае.
3
Минимальная дисперсия
Пусть - несмещенная оценка для .
Эта оценка называется несмещенной оценкой минимальной дисперсии,
если для всех остальных несмещенных оценок для из той же выборки
имеем
4
Теорема (неравенство Rao-Cramer (RC)):
Пусть - выборка длины n из популяции X с плотностью , где –
неизвестный параметр, и пусть
5
Нижняя граница для дисперсии любой несмещенной оценки
представляется неравенством RC, является функцией параметра и
называется нижняя граница Rao-Cramer:
7
Достаточность
Пусть - выборка популяции X, распределение которой зависит от
неизвестного параметра .
Если является статистикой, так что для любой другой статистики
,
условное распределение Z, исходя из того что , не зависит от , тогда Y
называется достаточной статистикой для параметра .
Если , тогда Y называется достаточной оценкой для .
8
Теорема (критерий факторизации Фишера-Неймана):
Пусть
статистика базирующаяся на выборке размера n непрерывной популяции
X. Тогда Y является достаточной статистикой для тогда и только тогда, если
общая плотность распределения для может быть факторизована
(разложена) как
9
Метод максимального правдоподобия
(Maximum Likelihood Estimation (MLE))
Введен Фишером в 1922.
Пусть – плотность популяции X, где – единственный параметр, который
нужно оценить из набора значений выборки .
Функция правдоподобия набора n значений популяции – это
10
Если даны значения выборки, тогда функция правдободобия L является функцией
зависящей от одной переменной . Процедура оценки параметра на основе метода
максимального правдоподобия состоит в выборе, как оценки для , конкретного значения
которое максимизирует L. Максимум в большинстве случаев появляется для значения
где . Следовательно, в подавляющем числе случаев, оценка максимального
правдоподобия (ОМП) для , на основе значений выборки , может быть определена
следующим образом:
Как мы видели выше, функция L имеет вид произведения 𝜃-функций. Поскольку L всегда
неотрицательна и достигает максимума при том же значении , что и ln𝐿, а ln𝐿 имеет
форму суммы, в общем случае проще получить EVM , решив уравнение
12
Пример
1. Niculescu, pag. 104 – 105
2. https://www.youtube.com/watch?v=Dn6b9fCIUpM&t=631s
13