Метод максимальної вірогідності

Матеріал з Вікіпедії — вільної енциклопедії.
Перейти до: навігація, пошук

Метод максимальної вірогідності (також метод найбільшої вірогідності) у математичній статистиці — це метод оцінювання невідомого параметра шляхом максимізації функції вірогідності. Він ґрунтується на припущенні про те, що вся інформація про статистичну вибірку міститься у функції вірогідності. Метод максимальної вірогідності був проаналізований, рекомендований і значно популяризуваний Р. Фішером між 1912 і 1922 роками (хоча раніше він використовувався Гаусом, Лапласом і іншими). Оцінка максимальної вірогідності є популярним статистичним методом, який використовується для створення статистичної моделі на основі даних, і забезпечення оцінки параметрів моделі.

Метод максимальної вірогідності відповідає багатьом відомим методам оцінки в області статистики. Наприклад, припустимо, що ви зацікавлені зростом мешканців України. Припустимо, у вас дані стосовно росту деякої кількості людей, а не всього населення. Крім того передбачається, що зріст є нормально розподіленою величиною з невідомою дисперсією і середнім значенням. Вибіркові середнє значення і дисперсія зросту є максимально правдоподібними до середнього значення і дисперсії всього населення.

Для фіксованого набору даних і базової вірогідної моделі, використовуючи метод максимальної вірогідності, ми набудемо значень параметрів моделі, які роблять дані «ближчими» до реальних. Оцінка максимальної вірогідності дає унікальний і простий спосіб визначити рішення у разі нормального розподілу.

Застосування[ред.ред. код]

Метод оцінки максимальної вірогідності застосовується для широкого кола статистичних моделей, зокрема:

  • лінійні моделі і узагальнені лінійні моделі;
  • факторний аналіз;
  • моделювання структурних рівнянь;
  • багато ситуацій, в рамках перевірки гіпотези і довірчого інтервалу формування;
  • дискретні моделі вибору.

Метод застосовується в широких областях науки, зокрема:

  • системи зв'язку;
  • психометрія;
  • економетрика;
  • час затримки в акустичних і електромагнітних системах;
  • моделювання в ядерній фізиці і фізиці елементарних частинок;
  • обчислювальна філогенетика;
  • моделювання каналів в транспортних мережах.

Визначення[ред.ред. код]

Нехай маємо вибірку з розподілу , де  — невідомий параметр. Нехай  — функція вірогідності, де . Точкова оцінка

називається оцінкою максимальної вірогідності параметра . Таким чином, оцінка максимальної вірогідності — це така оцінка, яка максимізує функцію вірогідності при фіксованій реалізації вибірки.

Зауваження[ред.ред. код]

  • Оскільки функція монотонно зростає на всій області визначення, максимум будь-якої функції є максимумом функції , і навпаки. Таким чином,
,

де  — логарифмічна функція вірогідності.

  • Оцінка максимальної вірогідності, взагалі кажучи, може бути зміщеною(див. приклади).

Приклади[ред.ред. код]

  • Нехай  — незалежна вибірка з неперервного рівномірного розподілу на відрізку , де  — невідомий параметр. Тоді функція вірогідності має вигляд

Остання рівність може бути переписана у вигляді:

де , звідки видно, що свого максимуму функція вірогідності досягає в точці . Таким чином

.
  • Нехай  — незалежна вибірка з нормального розподілу з відомим середнім і дисперсією. Побудуємо оцінку максимальної вірогідності для невідомого вектора параметрів . Логарифмічна функція вірогідності приймає вигляд
.

Щоб знайти її максимум, прирівнюємо до нуля часткові похідні:

звідки

 — вибіркове середнє, а
 — вибіркова дисперсія.

Джерела[ред.ред. код]