Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
1403.03.01;РУ.01;2.doc
Скачиваний:
0
Добавлен:
01.07.2025
Размер:
2.59 Mб
Скачать

5 Методы, основанные на свойствах функции правдоподобия

5.1 Функция правдоподобия

Функцией правдоподобия называется плотность вероятности (в дискретной модели просто вероятность) совместного появления результатов выборки x1, x2,…,xn.

Таким образом, для распределения, зависящего от параметра  функция правдоподобия L(x1,x2,…xn,) задается по формуле:

,

где f(x,) – плотность распределения в случае непрерывной модели и вероятность значения х в дискретной модели.

5.2 Метод максимального правдоподобия для получения оценки неизвестного параметра 

Р. Фишером для получения оценки неизвестного параметра  был в 1912 г. предложен метод, обладающий оптимальными свойствами, который называется методом максимального правдоподобия.

Согласно методу максимального правдоподобия в качестве оценки неизвестного параметра  принимается такое значение n, при котором плотность вероятности (в дискретной модели просто вероятность) совместного появления результатов выборки x1, x2,…xn. максимальна, и, следовательно, функция правдоподобия достигает максимума.

В точке, в которой значение функции L максимально, ее производная по параметру  обращается в ноль. Чаще всего ищется не максимум функции L, а максимум ее логарифма, так как максимум этих функций достигается при одном и том же значении . Следовательно, для нахож-дения оценки требуется решить уравнение (или, если параметров несколько, систему уравнений) правдоподобия:

или .

Основной недостаток метода максимального правдоподобия – трудность вычисления оценок, связанных с решением уравнения правдоподобия. Кроме того, необходимо знать тип анализи-руемого закона распределения f(х,), что во многих случаях оказывается практически нереальным. Достоинством метода является то, что при достаточно общих условиях оценки максимального правдоподобия являются состоятельными, асимптотически эффективными и имеют асимптоти-чески нормальное распределение.

Пример 5.1. Методом максимального правдоподобия найти оценку для вероятности р наступления события А в схеме Бернулли (n раз проводятся независимые испытания, при которых возможны только два исхода – с вероятностью р происходит событие А, с вероятностью q = 1–p событие А не происходит). В результате n испытаний событие А произошло m раз.

Выписываем функцию правдоподобия:

Откуда

.

Таким образом, оценкой метода максимального правдоподобия вероятности р события А является относительная частота m/n этого события.

Пример 5.2. Выборка производится из нормального распределения N(a).

Следовательно, ln L равен

Приравняв нулю производные по а и по , можно показать, что для его параметров а и 2 оценками наибольшего правдоподобия будут те же и S2, которые мы получили в качестве оценок для этих параметров методом моментов.

5.3 Функции правдоподобия в задачах проверки гипотез

Рассмотрим простейшую задачу проверки гипотезы, когда конкурирующими являются две простые гипотезы: Н0 – значение неизвестного параметра распределения равно а0, и альтерна-тивная ей Н1 – значение неизвестного параметра распределения равно а1. На основе статисти-ческого эксперимента надо принять решение о том, какая из гипотез правильная.

Составим отношение вероятностей Ln (отношение функций правдоподобия для конкури-рующих гипотез) для n испытаний:

Задачу о конкурирующих гипотезах можно решать, изучая поведение отношения вероят-ностей. Согласно теореме Неймана-Пирсона, там, где оно больше некоторого порога (Ln > C или lnLn > lnC), следует предпочесть гипотезу Н1, в противном случае – Н0. Порог C надо принять таким, чтобы обеспечить уверенность в том, что, если верна гипотеза Н0, то мы ее отбросим с вероятностью не большей, чем . Симметричным рассуждением (поменяв местами гипотезы), находим порог для значений отношения вероятностей такой, что если верна гипотеза Н1, то ее мы отбросим с вероятностью, не большей чем .

Пример 5.3. Производятся испытания с величиной x, которая распределена нормально с известной дисперсией s2. Относительно математического ожидания а имеются две гипотезы: Н0 состоит в том, что а = а0, и Н1 – состоит в том, что а=а1. Вычислим lnLn.

Таким образом, вместо порога функции правдоподобия, обеспечивающего ошибку a, можно искать порог для статистики . Порог ищется по распределению вероятностей. Эта статистика имеет нормальное распределение. Тем же способом найдем и порог, обеспечивающий требуемую величину ошибки 2-го рода. Если верна гипотеза

Задача свелась к рассмотренному выше примеру. Надо вычислить необходимое число испы-таний n по формуле:

и пороговое соотношение для Xn из уравнения:

,

с учетом вычисленного значения n. Это дает:

Рисунок 5.1

Таким образом, в терминах отношения правдоподобия процедура проверки гипотезы о среднем, когда конкурируют две простые гипотезы для значений среднего а0 и а1 при генеральном среднеквадратическом отклонении  для заданных ошибок 1-го и 2-го рода a и , выглядит следующим образом:

1. Вычисляется число испытаний n по формуле:

2. Для величины Xn вычисляется порог, определяющий критическую область критерия. Критическая область, при попадании в которую гипотеза Н0 отвергается, имеет вид:

.

На рисунок 5.1 изображены плотности распределения статистики Xn и критические области для случая a = . При a =  критерий выглядит очень просто. Число испытаний находится по формуле:

(Какая плотность больше, та и считается верной).

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]