Метод максимального правдоподобия - презентация, доклад, проект скачать

Нажмите для полного просмотра!

Метод максимального правдоподобия, слайд №1

Метод максимального правдоподобия, слайд №2

Метод максимального правдоподобия, слайд №3

Метод максимального правдоподобия, слайд №4

Метод максимального правдоподобия, слайд №5

Метод максимального правдоподобия, слайд №6

Метод максимального правдоподобия, слайд №7

Метод максимального правдоподобия, слайд №8

Метод максимального правдоподобия, слайд №9

Метод максимального правдоподобия, слайд №10

Метод максимального правдоподобия, слайд №11

Метод максимального правдоподобия, слайд №12

Метод максимального правдоподобия, слайд №13

Метод максимального правдоподобия, слайд №14

Метод максимального правдоподобия, слайд №15

Содержание ▲

Вы можете ознакомиться и скачать презентацию на тему Метод максимального правдоподобия. Доклад-сообщение содержит 15 слайдов. Презентации для любого класса можно скачать бесплатно. Если материал и наш сайт презентаций Mypresentation Вам понравились – поделитесь им с друзьями с помощью социальных кнопок и добавьте в закладки в своем браузере.

Слайды и текст этой презентации

Слайд 1

Описание слайда:

Метод максимального правдоподобия ММП позволяет получить по крайней мере асимптотически несмещенные и эффективные оценки параметров распределения, которые имеют нормальный закон распределения. В основе ММП лежит понятие функции правдоподобия выборки. Определение. Пусть имеем случайную величину Y, которая имеет функцию плотности вероятностей Py(t, a1,a2,…,ak) и случайную выборку наблюдений за поведением этой величины Y(y1,y2,…,yn). Тогда функцией правдоподобия выборки Y(y1,y2,…,yn) называется функция L, зависящая от аргументов а={a1,a2,…,ak}, а от элементов выборки как от параметров и определяется равенством: L(a1,a2,…,ak, y1,y2,…,yn)=Py(y1, a) Py(y2, a)…Py(yn, a)

Слайд 2

Описание слайда:

Метод максимального правдоподобия Функция правдоподобия: L(a1,a2,…,ak, y1,y2,…,yn)=Py(y1, a) Py(y2, a)…Py(yn, a) Основные свойства функции правдоподобия. 1. Правая часть равенства имеет смысл значения закона распределения выборки при случайных значениях аргументов t1=y1, t2=y2,…, tn=yn. Следовательно, функция правдоподобия L также случайная величина при любых значениях аргументов а={a1,a2,…,ak}. 2. Все значения функции правдоподобия L ≥0. Эти свойства являются следствием свойств выборки.

Слайд 3

Описание слайда:

Метод максимального правдоподобия Идея метода. В качестве оценки неизвестного параметра принимается такое, которое обеспечивает максимум функции правдоподобия при всех возможных значениях случайной величины Y. Математически это выражается так: ãj= argmax(L(a1,a2,…,ak, y1,y2,…,yn) Очевидно, что оценка ãj зависит от случайной выборки, следовательно, ãj= f(y1,y2,…,yn), где f есть процедура вычисления оценки ãj по результатам выборки.

Слайд 4

Описание слайда:

Метод максимального правдоподобия Алгоритм решения задачи с помощью ММП. Предполагается: 1. Вид закона распределения известен; 2. Функция плотности вероятности гладкая во всей области определения. Последовательность решения: 1. Составляется функция правдоподобия. 2. Вычисляется логарифм функции правдоподобия. 3. Оценки параметров получаются в результате решения системы уравнений вида: ∂ln(L)/∂ai = 0; i=1,2,3,…,k 4. Проверяется условие максимума функции правдоподобия.

Слайд 5

Описание слайда:

Метод максимального правдоподобия Пример 1. Рассмотрим случайную величину, индикатор случайного события. Закон распределения этой величины: Py(t,p)=pt(1-p)(1-t) , где t=0, 1. p-параметр закона распределения. M(Y)=p, σ2(Y)=p(1-p). Имеем выборку наблюдений Y={y1,y2,…,yn,p}. Решение. Составляем функцию правдоподобия: L(y1,y2,…,yn,p)=py1(1-p)(1-y1) py2(1-p)(1-y2)… pyk(1-p)(1-yk) =pΣyi(1-p)Σ(1-yi) 2. Вычисляем логарифм функции правдоподобия: ln(L)=Σyiln(p) + Σ(1-yi)ln(1-p)

Слайд 6

Описание слайда:

Метод максимального правдоподобия Пример 1. (продолжение) 3. Составляем уравнение для вычисления оценки параметра «р».

Слайд 7

Описание слайда:

Метод максимального правдоподобия Проверка свойств полученной оценки. Несмещенность: M(Σyi/n)=(1/n)ΣM(yi)=(1/n)(np) = p Математическое ожидание оценки равно его теоретическому значению. Вывод: получена несмещенная оценка на выборке ограниченного объема!

Слайд 8

Описание слайда:

Метод максимального правдоподобия Неравенство Рао-Крамера. Метод проверки условия эффективности. Оно позволяет оценить нижнюю границу точности, с которой можно несмещенно оценить неизвестные параметры. Нижняя граница соответствует минимальной дисперсии оценки. Следовательно, если дисперсия полученной оценки равна нижней границе, то эта оценка удовлетворяет условию эффективности. Теорема. Для любой ковариационной матрицы любой несмещенной оценки вектора параметров «а» неравенство Рао-Крамера имеет вид: Cov(ã,ã) ≥ I-1 где: I – квадратная матрица, информационная матрица Фишера:

Слайд 9

Описание слайда:

Метод максимального правдоподобия Пример 1. (Продолжение) Вычислим информационное количество Фишера.

Слайд 10

Описание слайда:

Метод максимального правдоподобия Вычисляем дисперсию оценки

Слайд 11

Описание слайда:

Метод максимального правдоподобия Пример 2. Получить ММП оценки случайной величины, имеющей нормальный закон распределения. Имеем выборку Y={y1,y2,…,yn}. Переменная Y имеет нормальный закон распределения: