||
如果已知一个变量x = {x1, x2, ... xn}符合概率密度分布函数f(x|p),p 是待拟合参数,那么可以构造负对数似然函数 L(p) = -sum(log (f(xi)), 求出使L(p)最小时的pu,即为待拟合参数估计值。
关于求L(p)的最小值:对于不太复杂的函数,用simplex search算法+随机化拟合起始值可以暴力求得L(p)的最小值。
现在的问题是置信区间怎么求?
方法一:
构造对数似然函数的Fisher信息矩阵F(P)ij = - $\partial$ 2L(p)/( $\partial$ pi $\partial$ pj),然后求该矩阵在P = Pu时的值(解析解或数值解),然后判断是否正定。若正定,则对数似然函数在P = Pu为极大值点,Fisher信息矩阵的逆就是协方差矩阵。
这个方法对于比较复杂的函数有时候会得不到结果。
方法二:
自助法(bootstrapping) :多次有放回重采样原数据样本,然后分别拟合得到多组拟合参数。这些拟合参数的方差可以作为原拟合参数方差的估计。
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-9-1 14:39
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社