最小二乘和极大似然估计法_第1页
最小二乘和极大似然估计法_第2页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

最小二乘和极大似然估计法用于估计随机样本中的总体参数的两种不同方法。主要是在 Minitab 的可靠性命令和分析变异性中需要在这两种方法之间进行选择。最小二乘法最小二乘估计值是通过将回归线拟合到数据集中的点来计算的，这些数据集具有最小的平方差和（最小二乘误）。在可靠性分析中，该值标绘在概率图中，这样更容易进行解释。极大似然法似然函数指明了观测的样本作为可能参数值函数的几率有多大。因此，通过最大化似然函数，可以确定最可能产生观察数据的参数。从统计学观点来看，一般建议对大样本使用 MLE，因为此方法是通用的，适用于大多数模型和不同类型的数据，而且会产生最精确的估计值。 比较在许多情况下，LS 和 MLE 结果之间的差异非常小，因而这两种方法可以互换使用。您可能希望同时运行这两种方法并查看其结果是否可以相互印证。如果结果不同，您可能希望找出其中原因。如果不一致，您也可以使用更保守的估计值，或者考虑两种方法的优点，然后再针对您的问题做出选择。一种方法优越于另一种方法体现在某些方面：LSE极大似然估计偏倚否是（对于小样本），但会随着样本数量的不断增加而降低估计方差较大较小P 值精确度较高精确度较低系数精确度较低精确度较高删失数据可靠性较低，在极端情况下不可用甚至在极端情况下可靠性也较高如果样本数量较小且删失不是特别严重，请使用 LSE。否则，一般情况下会首选 MLE 估计值。根据其相对强度，可以对分析的不同部分一同使用 LSE 和 MLE。请使用 LSE 的更精确的 p 值来选择要在模型中包括的项，并使用 MLE 估计最终系数。 对于某些命令，Minitab 使用调整的极大似然估计计算尺度参数，此估计值可为单纯的样本标准差（对于正态分布）或变换后数据的样
人人文库> 全部分类> 应用文书 > 事务文书

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论