- •Лекция № 3 Введение. Классификация событий. Действия над событиями
- •2. События. Классификация событий. Пространство элементарных событий
- •4. Практические занятия
- •Лекция№5:Условная вероятность. Формула полной вероятности и формула Байеса. Независимые случайные события
- •1.1 Распределение Релея
- •1 Система двух случайных величин
- •1.Введение
- •4. Практические занятия
- •2.Элементы теории множеств.
- •2.1 Определение множества. Мощность множества. Подмножества.
- •2.2 Множества и подмножества.
- •2.3 Способы задания множеств. Универсальное множество.
- •2.4 Операции над множествами.
- •Практическое занятие №2
- •Тема: Основные понятия комбинаторики.
- •2. Перестановки, размещения.
- •3. Сочетания.
- •4. Разбиение на группы:
- •1. Введение
- •3. Алгебра событий
- •1. Введение
- •2. События. Классификация событий. Пространство элементарных событий
- •Примеры.
- •3. Алгебра событий
- •События Вi образуют полную группу событий, если
- •Особый интерес представляют полные группы несовместимых событий
- •План лекции:
- •2. Классический способ задания вероятностей.
- •3. Статистическая вероятность
- •4. Геометрическая вероятность.
- •Лекция№5
- •2. Формула полной вероятности.
- •3. Формула Байеса (теорема гипотез).
- •4. Независимые случайные события.
- •Контрольные вопросы и тесты
- •2 Закон распределения случайной величины.
- •3. Функция распределения
- •4. Плотность распределения случайной величины
- •Практическое занятие №1
- •1.Математическое ожидание , мода и медиана случайной величины
- •2. Моменты. Дисперсия. Среднее квадратическое отклонение.
- •3. Моменты высших порядков
- •Математическое ожидание, мода и медиана случайной величины
- •2. Моменты. Дисперсия. Среднее квадратическое отклонение.
- •3. Моменты высших порядков
- •Практическое занятие №1
- •5. Контрольные вопросы и задания
- •1. Биномиальное распределение
- •2. Распределение Пуассона
- •3. Простейший поток событий
- •1. Испытания (схема) Бернулли. Биномиальное распределение
- •Если ставить вопрос о появлении события а k-раз в n испытаниях в произвольном порядке, то событие представимо в виде
- •2. Распределение Пуассона.
- •3. Простейший поток событий
- •Задача 4
- •Задача 5
- •Задача 6
- •Практическое занятие № 2
- •5. Контрольные вопросы
- •1.1 Равномерное распределение вероятностей
- •1.2 Показательное (экспоненциальное) распределение
- •1.3 Нормальное распределение
- •Задача 1
- •Решение
- •Решение
- •Задача 4
- •Задача 6
- •Практическое занятие №2
- •2. Рекомендуемые фрагменты программ
- •1.1 Распределение Релея
- •1.1 Распределение Релея
- •1.2 Распределение Максвелла
- •1.3 Логарифмическое нормальное распределение
- •2. Функция случайной величины.
- •Практическое занятие №1
- •3. Рекомендации к выполнению.
- •Практическое занятие №2
- •Задача3
- •1 Система двух случайных величин
- •1 Система двух случайных величин
- •1.2 Плотность распределения двух случайных величин
- •1.3 Условные функция распределения и плотность распределения
- •1.4 Корреляция двух случайных величин
- •Аналогично имеем
- •2. Система произвольного числа случайных величин
- •Задача1
- •Практическое занятие №2 Тема: Исследование системы двух случайных величин
- •Так как под интегралом в (1) находится неотрицательная величина, то, выбросив из интервала интегрирования отрезок ав, мы значение интеграла не увеличим, т.Е.
- •2. Характеристические функции
- •Для дискретной случайной величины х с законом распределения
- •Свойства характеристической функции
- •3. Центральная предельная теорема
- •2. Числовые характеристики выборки
- •2.1. Выборочное среднее
- •Выборочная дисперсия
- •3. Статистический ряд. Статистическая функция распределения
- •4. Статистическая совокупность. Гистограмма
- •1. Оценка параметров
- •2. Метод наибольшего правдоподобия для нахождения оценок
- •3. Метод наименьших квадратов
2. Метод наибольшего правдоподобия для нахождения оценок
параметров плотности распределения
Метод наибольшего правдоподобия основывается на представлении выборки объема n как n-мерной случайной величины (Х1, Х2, ..., Хn), где рассматриваются как независимые случайные величины с одинаковой плотностью распределения f(x). Плотность распределения такой n-мерной случайной величины называется функцией правдоподобия L(x1, x2, ..., xn), которая в силу независимости случайных величин равна произведению плотностей распределения случайных величин Х1, Х2, ..., Хn:
L(x1, x2, ..., xn) = f(x1) f(x2)... f(xn).
Отсюда следует, что всякую функцию у=у(x1, x2, ..., xn) выборочных значений x1, x2, ..., xn, называемую статистикой, можно представить как случайную величину, распределение которой однозначно определяется функцией правдоподобия.
Рассмотрим метод отыскания оценок параметров по опытным данным, который использует функцию правдоподобия.
Пусть f(x;а) – плотность распределения случайной величины Х (генеральной совокупности), зависящей от параметра а. Функция правдоподобия также будет зависеть от параметра а и иметь вид
Сущность метода наибольшего правдоподобия заключается в том, чтобы найти такое значение параметра а, при котором функция правдоподобия L(x1, x2, ..., xn, а) была бы максимальной. Для этого необходимо решить уравнение
,
и найти то значение а, при котором функция L(x1, x2, ..., xn, а) достигает максимума. С целью упрощения вычисления обычно максимизируют натуральный логарифм функции правдоподобия, пользуясь тем, что
Если неизвестными являются несколько параметров а1, а2, ... , аm, то функция правдоподобия зависит от m переменных L = L(x1, x2, ..., xn; а1, а2, ... , аm) и решаются m уравнений
Пример. Пусть на вход приемного устройства поступает сумма двух сигналов: Y(t) = X + Z(t), где Х – неизвестный, не зависящий от времени сигнал, а Z(t) – случайная помеха. В моменты времени t1, t2, ... , tn производятся измерения величины Y(t). На основании опытных данных (выборки) y1 = y(t1), y2 = y(t2), ... , yn=y(tn) нужно найти приближенное значение сигнала Х.
Решение. Пусть Z(t1), Z(t2), ... , Z(tn) – независимые случайные величины распределены по нормальному закону с математическим ожиданием mZ = 0 и дисперсией D(Z) = 2. Тогда случайные величины также независимы, нормально распределены с неизвестным математическим ожиданием а и с той же дисперсией 2. Плотность распределения случайных величин Y(t1), Y(t2), ... , Y(tn) имеет, таким образом, вид
Запишем функцию правдоподобия для n-мерной случайной величины (Y1, Y2, ... , Yn):
Tак как
то из уравнения
имеем
Значит
Нетрудно показать, что функция правдоподобия L = L(y1, y2, ..., yn; а) при этом значении а достигает своего максимума. Таким образом, мы показали, что оценка математического ожидания неизвестного сигнала Х по методу наибольшего правдоподобия в предположении нормального распределения аддитивной помехи является средним арифметическим измерений y1, y2, ..., yn:
Метод наибольшего правдоподобия обладает важным свойством: он всегда приводит к состоятельным, хотя иногда и к смещенным, и эффективным оценкам.
На практике использование метода наибольшего правдоподобия часто приводит к необходимости решать достаточно сложные системы уравнений.