Cтраница 1
Метод максимального правдоподобия дает, как правило, достаточно хорошие оценки, особенно при больших объемах выборок. Применение этого метода для определения зависимости интенсивности потока отказов от внешних воздействий осложняется из-за необходимости иметь априорные сведения о виде закона распределения числа отказов; кроме того, этот метод приводит обычно к довольно сложным уравнениям, не поддающимся решению в явном виде. Однако в некоторых случаях метод максимального правдоподобия все же целесообразно использовать для практических расчетов. [1]
Метод максимального правдоподобия в некоторых случаях обладает оптимальными свойствами. В случае большого числа п независимых наблюдений при достаточной регулярности плотности распределения он асимптотически оптимален, но практические применения метода максимального правдоподобия часто приводят к весьма сложным вычислениям. И к тому же при небольших значениях п не всегда ясно, насколько этот метод целесообразен. [2]
Метод максимального правдоподобия представляет собой наиболее важный общий метод оценки параметров. [3]
Метод максимального правдоподобия состоит в том, что в качестве оценки неизвестного параметра а выбирается такое значение, которое максимизирует функцию правдоподобия. [4]
Логарифм параболической функции правдоподобия. [5] |
Метод максимального правдоподобия не обязательно дает лучшие оценки для выборок конечного объема. Функция правдоподобия содержит полную информацию о данных, однако это не значит, что в рассматриваемом методе вся информация используется наилучшим образом. [6]
Метод максимального правдоподобия преследует ту же цель, что и метод наименьших квадратов - найти факторное решение, которое наилучшим образом объясняет наблюдаемые корреляции. [7]
Метод максимального правдоподобия основан на условии оценки параметров модели, которые обеспечивают наибольшую вероятность получить значения параметров состояния, имеющих место в процессе эксперимента. При байессовском подходе анализ задачи начинается с определения плотности распределения априорной вероятности значений параметров на основе прошлого опыта и другой доступной информации. [8]
Метод максимального правдоподобия наиболее удобно применять в тех случаях, когда параметры, подлежащие оценке, входят линейно в оцениваемую величину, как, например, амплитуда при оценке формы сигнала. [9]
Метод максимального правдоподобия является одним из наиболее эффективных методов оценки неизвестных параметров. [10]
Метод максимального правдоподобия требует для применения предварительного знания вида закона распределения, значение же параметров 0, входящих в аналитическое выражение этого закона, считается неизвестным. [11]
Метод максимального правдоподобия является одним из наиболее распространенных методов нахождения оценок параметров. Функция правдоподобия определяется следующим образом. [12]
Метод максимального правдоподобия является одним из наиболее эффективных методов оценки неизвестных параметров. [13]
Метод максимального правдоподобия достаточно трудоемок, однако он позволяет получать состоятельные асимптотически нормальные оценки, хотя в отдельных случаях приводит и к смещенным оценкам. [14]
Метод максимального правдоподобия распространен на случай нелинейных моделей, для которых ошибки распределены по Стьюденту. Приведен вид функции, минимизацией которой находят оценки искомых параметров. Описанный алгоритм реализован в виде программы для ЭВМ. Метод позволяет снизить требования, предъявляемые к количеству повторных наблюдений, и по сравнению с МНК дает более реальные оценки параметров. [15]