- •§ 2. Закон распределения вероятностей дискретной двумерной случайной величины
- •§ 3. Функция распределения двумерной случайной величины.
- •§ 4. Свойства функции распределения двумерной случайной величины
- •§ 5. Вероятность попадания случайной точки в полуполосу
- •§ 6. Вероятность попадания случайной точки в прямоугольник
- •§ 7. Плотность совместного распределения вероятностей непрерывной двумерной случайной величины (двумерная плотность вероятности)
- •§ 8. Нахождение функции распределения системы по известной плотности распределения
- •§ 9. Вероятностный смысл двумерной плотности вероятности.
- •§ 10. Вероятность попадания случайной точки в произвольную область
- •§11. Свойства двумерной плотности вероятности
- •§ 12. Отыскание плотностей вероятности составляющих двумерной случайной величины
- •§ 13. Условные законы распределения составляющих системы дискретных случайных величин
- •§ 14. Условные законы распределения составляющих системы непрерывных случайных величин
- •§ 15. Условное математическое ожидание
- •§ 16. Зависимые и независимые случайные величины
- •§ 17. Числовые характеристики системы двух случайных величин. Корреляционный момент. Коэффициент корреляции
- •§ 18. Коррелированность и зависимость случайных величин
- •§ 19. Нормальный закон распределения на плоскости
- •§ 20. Линейная регрессия. Прямые линии среднеквадратической регрессии
- •§ 21. Линейная корреляция. Нормальная корреляция
- •§ 1. Задачи математической статистики
- •§ 2. Краткая историческая справка
- •§ 3. Генеральная и выборочная совокупности
- •§ 4 Повторная и бесповторная выборки. Репрезентативная выборка
- •§ 5. Способы отбора
- •§ 6. Статистическое распределение выборки
- •§ 7. Эмпирическая функция распределения
- •§ 8. Полигон и гистограмма
- •§ 1. Статистические оценки параметров распределения
- •§ 2. Несмещенные, эффективные и состоятельные оценки
- •§ 3. Генеральная средняя
- •§ 4. Выборочная средняя
- •§ 5. Оценка генеральной средней по выборочной средней. Устойчивость выборочных средних
- •§ 6. Групповая и общая средние
- •§ 7. Отклонение от общей средней и его свойство
- •§ 8. Генеральная дисперсия
- •§ 9. Выборочная дисперсия
- •§ 10. Формула для вычисления дисперсии
- •§11. Групповая, внутригрупповая, межгрупповая и общая дисперсии
- •§ 12. Сложение дисперсий
- •§ 13. Оценка генеральной дисперсий по исправленной выборочной
- •§14. Точность оценки, доверительная вероятность (надежность). Доверительный интервал
- •§ 15. Доверительные интервалы для оценки математического ожидания нормального распределения при известном σ
- •§ 16. Доверительные интервалы для оценки математического ожидания нормального распределения при неизвестном σ
- •§ 17. Оценка истинного значения измеряемой величины
- •§ 18. Доверительные интервалы для оценки среднего квадратического отклонения σ нормального распределения
- •§ 19. Оценка точности измерений
- •§ 20. Оценка вероятности (биномиального распределения) по относительной частоте
- •§ 21. Метод моментов для точечной оценки параметров распределения
- •§ 22. Метод наибольшего правдоподобия
- •§ 23. Другие характеристики вариационного ряда
- •§ 1. Условные варианты
- •§ 2. Обычные, начальные и центральные эмпирические моменты
- •§ 3. Условные эмпирические моменты. Отыскание центральных моментов по условным
- •§ 4. Метод произведений для вычисления выборочных средней и дисперсии
- •§ 5. Сведение первоначальных вариант к равноотстоящим
- •§ 6. Эмпирические и выравнивающие (теоретические) частоты
- •§ 7. Построение нормальной кривой по опытным данным
- •§ 8. Оценка отклонения эмпирического распределения от нормального. Асимметрия и эксцесс
- •§ 1. Функциональная, статистическая и корреляционная зависимости
- •§ 2. Условные средние
- •§ 3. Выборочные уравнения регрессии
- •§ 4. Отыскание параметров выборочного уравнения прямой линии среднеквадратичной регрессии по не сгруппированным данным
- •§ 5. Корреляционная таблица
- •§ 6. Отыскание параметров выборочного уравнения прямой линии регрессии по сгруппированным данным
- •§ 7. Выборочный коэффициент корреляции
- •§ 8. Методика вычисления выборочного коэффициента корреляции
- •§ 9. Пример на отыскание выборочного уравнения прямой линии регрессии
- •§ 10. Предварительные соображения к введению меры любой корреляционной связи
- •§ 11. Выборочное корреляционное отношение
- •§ 12. Свойства выборочного корреляционного отношения
- •§ 13. Корреляционное отношение как мера корреляционной связи. Достоинства и недостатки этой меры
- •§ 14. Простейшие случаи криволинейной корреляции
- •§ 15. Понятие о множественной корреляции
- •§ 1. Статистическая гипотеза. Нулевая и конкурирующая, простая и сложная гипотезы
- •§ 2. Ошибки первого и второго рода
- •§ 3. Статистический критерий проверки нулевой гипотезы. Наблюдаемое значение критерия
- •§ 4. Критическая область. Область принятия гипотезы. Критические точки
- •§ 5. Отыскание правосторонней критической области
- •§ 6. Отыскание левосторонней и двусторонней критических областей
- •§ 7. Дополнительные сведения о выборе критической области. Мощность критерия
- •§ 8. Сравнение двух дисперсий нормальных генеральных совокупностей
- •§ 9. Сравнение исправленной выборочной дисперсии с гипотетической генеральной дисперсией нормальной совокупности
- •§ 10. Сравнение двух средних нормальных генеральных совокупностей, дисперсии которых известны (независимые выборки)
- •§ 11( Сравнение двух средних произвольно распределенных генеральных совокупностей (большие независимые выборки)
- •§ 12. Сравнение двух средних нормальных генеральных совокупностей, дисперсии которых неизвестны и одинаковы (малые независимые выборки)
- •§ 13. Сравнение выборочной средней с гипотетической генеральной средней нормальной совокупности а. Дисперсия генеральной совокупности известна.
- •§ 14. Связь между двусторонней критической областью и доверительным интервалом
- •§ 15. Определение минимального объема выборки при сравнении выборочной и гипотетической генеральной средних
- •§ 16. Пример на отыскание мощности критерия
- •§ 17. Сравнение двух средних нормальных генеральных совокупностей с неизвестными дисперсиями (зависимые выборки)
- •§ 18. Сравнение наблюдаемой относительной частоты с гипотетической вероятностью появления события
§ 22. Метод наибольшего правдоподобия
Кроме метода моментов, который изложен в предыдущем параграфе, существуют и другие методы точечной оценки неизвестных параметров распределения. К ним относится метод наибольшего правдоподобия, предложенный Р. Фишером.
А. Дискретные случайные величины. Пусть X - дискретная случайная величина, которая в результате n испытаний приняла значения х1, х2, ..., хп. Допустим, что вид закона распределения величины X задан, но неизвестен параметр θ, которым определяется этот закон. Требуется найти его точечную оценку.
Обозначим вероятность того, что в результате испытания величина X примет значение хi(i= 1 , 2, . . . , n), через p(хi; θ).
Функцией правдоподобия дискретной случайной величины X называют функцию аргумента θ:
L (х1, х2, ..., хп ; θ) = p (х1; θ) р (х2; θ) . . . p (хn; θ),
где х1, х2, ..., хп - фиксированные числа.
В качестве точечной оценки параметра θ принимают такое его значение θ* = θ* (х1, х2, ..., хп), при котором функция правдоподобия достигает максимума. Оценку θ* называют оценкой наибольшего правдоподобия.
Функции L и ln L достигают максимума при одном и том же значении θ, поэтому вместо отыскания максимума функции L ищут (что удобнее) максимум функции ln L.
Логарифмической функцией правдоподобия называют функцию ln L. Как известно, точку максимума функции ln L аргумента θ можно искать, например, так:
найти производную ;
приравнять производную нулю и найти критическую точку - корень полученного уравнения (его называют уравнением правдоподобия);
3) найти вторую производную ; если вторая производная при θ = θ* отрицательна, то θ* - точка максимума.
Найденную точку максимума θ* принимают в качестве оценки наибольшего правдоподобия параметра θ.
Метод наибольшего правдоподобия имеет ряд достоинств: оценки наибольшего правдоподобия, вообще говоря, состоятельны (но они могут быть смещенными), распределены асимптотически нормально (при больших значениях n приближенно нормальны) и имеют наименьшую дисперсию по сравнению с другими асимптотически нормальными оценками; если для оцениваемого параметра θ существует эффективная оценка θ*, то уравнение правдоподобия имеет единственное решение θ*; этот метод наиболее полно использует данные выборки об оцениваемом параметре, поэтому он особенно полезен в случае малых выборок.
Недостаток метода состоит в том, что он часто требует сложных вычислений.
Замечание 1. Функция правдоподобия - функция от аргумента θ; оценка наибольшего правдоподобия - функция от независимых аргументов х1, х2, ..., хп.
Замечание 2. Оценка наибольшего правдоподобия не всегда совпадает с оценкой, найденной методом моментов.
Пример 1. Найти методом наибольшего правдоподобия оценку параметра λ распределения Пуассона
,
где m - число произведенных испытаний; xi - число появлений события в i-м (i=1, 2, ..., n) опыте (опыт состоит из т испытаний).
Решение. Составим функцию правдоподобия, учитывая, что . θ=λ:
L =p (х1; λ:) p (х2; λ:) . . .p (хn; λ:),=
.
Найдем логарифмическую функцию правдоподобия:
.
Найдем первую производную по λ:
.
Напишем уравнение правдоподобия, для чего приравняем первую производную нулю:
.
Найдем критическую точку, для чего решим полученное уравнение относительно λ:
.
Найдем вторую производную по λ:
Легко видеть, что при λ = вторая производная отрицательна; следовательно, λ = - точка максимума и, значит, в качестве оценки наибольшого правдоподобия параметра λ распределения Пуассона надо принять выборочную среднюю λ* = .
Пример 2. Найти методом наибольшего правдоподобия оценку параметра p биномиального распределения
,
если в n1 независимых испытаниях событие А появилось х1 = m1 раз и в п2 независимых испытаниях событие А появилось х2 = т2 раз.
Решение. Составим функцию правдоподобия, учитывая, что θ = p:
Найдем логарифмическую функцию правдоподобия:
.
Найдем первую производную по р:
.
Напишем уравнение правдоподобия, для чего приравняем первую производную нулю:
.
Найдем критическую точку, для чего решим полученное уравнение относительно p:
.
Найдем вторую производную по p:
.
Легко убедиться, что при вторая производная отрицательна; следовательно, - точка максимума и, значит, ее надо принять в качестве оценки наибольшего правдоподобия неизвестной вероятности p биномиального распределения:
.
Б. Непрерывные случайные величины. Пусть X - непрерывная случайная величина, которая в результате n испытаний приняла значения х1, х2, ..., xп. Допустим, что вид плотности распределения f(x) задан, но не известен параметр θ, которым определяется эта функция.
Функцией правдоподобия непрерывной случайной величины X называют функцию аргумента θ:
L (х1, х2, ..., хп ; θ) = f (х1; θ) f (х2; θ) . . . f (xn; θ),
где х1, х2, ..., xп — фиксированные числа.
Оценку наибольшего правдоподобия неизвестного параметра распределения непрерывной случайной величины ищут так же, как в случае дискретной величины.
Пример 3. Найти методом наибольшего правдоподобия оценку параметра λ, показательного распределения
(0< х < ∞),
если в результате n испытаний случайная величина X, распределенная по показательному закону, приняла значения х1, х2, ..., хп.
Решение. Составим функцию правдоподобия, учитывая, что θ= λ:
L=f (х1; λ) f (х2; λ) . . . f (хn; λ) =.
Отсюда
.
Найдем логарифмическую функцию правдоподобия:
.
Найдем первую производную по λ:
.
Напишем уравнение правдоподобия, для чего приравняем первую производную нулю:
.
Найдем критическую точку, для чего решим полученное уравнение относительно λ:
.
Найдем вторую производную по λ:
.
Легко видеть, что при λ = 1/ вторая производная отрицательна; следовательно, λ = 1/ - точка максимума и, значит, в качестве оценки наибольшего правдоподобия параметра λ показательного распределения надо принять величину, обратную выборочной средней:λ *= 1/.
Замечание. Если плотность распределения f(х) непрерывной случайной величины X определяется двумя неизвестными параметрами θ1 и θ 2, то функция правдоподобия является функцией двух независимых аргументов θ1 и θ 2:
L=f (х1; θ1, θ 2) f (х2; θ1, θ 2) . . . f (хn; θ1, θ 2),
где х1, х2, ..., хп - наблюдавшиеся значения X. Далее находят логарифмическую функцию правдоподобия и для отыскания ее максимума составляют и решают систему
Пример 4. Найти методом наибольшего правдоподобия оценки параметров а и σ нормального распределения
если в результате n испытаний величина X приняла значения х1, х2, ..., хп.
Решение. Составим функцию правдоподобия, учитывая, что θ1=a и θ 2=σ
.
Отсюда
.
Найдем логарифмическую функцию правдоподобия:
.
Найдем частные производные по а и по σ:
;
Приравняв частные производные нулю и решив полученную систему двух уравнений относительно а и σ2, получим:
; .
Итак, искомые оценки наибольшего правдоподобия: а* = ; σ*= . Заметим, что первая оценка несмещенная, а вторая смещенная.