Cтраница 3
Покажем, что оценка условного максимального правдоподобия для 6 имеет асимптотически минимальную дисперсию, даже если р неизвестна, причем дисперсия дается нижней границей неравенства Крамера - Рао. Рассмотрим случай из гл. [31]
Оказывается, что оценки условного максимального правдоподобия состоятельны, если распределение помехи w ( -) принадлежит более широкому классу, чем класс нормальных распределений. Излишне добавлять, что оценка в не обязательно асимптотически эффективна при этих ослабленных предположениях. [32]
Таким образом, оценка максимального правдоподобия параметров полиномиального распределения состоятельна. [33]
Существуют две формы оценки максимального правдоподобия - максимальное правдоподобие полной информации и максимальное правдоподобие ограниченной информации. Последнее является методом одиночного уравнения, а первый метод - многофакторный и его мы опишем в этом разделе. [34]
Для регулярных моделей оценки максимального правдоподобия обладают рядом важных асимптотических свойств. [35]
Наконец, теория оценок максимального правдоподобия не дает никакого ответа на вопрос о том, каковы свойства оценок на конечных выборках. [36]
Для нормального распределения оценки максимального правдоподобия совпадают с оценками по методу моментов. [37]
Здесь 9Л обозначает оценку максимального правдоподобия параметра 9, полученную на основе первых наблюдений. [38]
Геометрический подход к оценке максимального правдоподобия для бесконечномерного гауссовского сдвига I, II, III / / Теория веро-ятн. [39]
Шестая часть посвящена оценкам максимального правдоподобия, которые, конечно, являются идеальным объектом для демонстрации мощи развиваемой техники. В первых трех главах исследуется несколько моделей, среди которых есть многомерное нормальное распределение, модель с ошибками в переменных и нелинейная регрессионная модель. Рассматриваются методы работы с симметрией и положительной определенностью, специальное внимание уделено информационной матрице. Вторая глава этой части содержит обсуждение одновременных уравнений при условии нормальности ошибок. В ней рассматриваются проблемы оценивания и идентифицируемости параметров при различных ( не) линейных ограничениях на параметры. В этой части рассматривается также метод максимального правдоподобия с полной информацией ( FIML) и метод максимального правдоподобия с ограниченной информацией ( LIML), особое внимание уделено выводу асимптотических ковариационных матриц. [40]
Рассмотрим связь между оценками максимального правдоподобия на основе полной информации и условного максимального правдоподобия. [41]
Она является также оценкой максимального правдоподобия. [42]
Таким образом, оценкой максимального правдоподобия дисперсии нормальной случайной величины является выборочная дисперсия. [43]
По результатам испытаний рассчитывается оценка максимального правдоподобия для среднего времени между отказами, а объем полученных при испытаниях статистических данных определяет уровень доверия к этим расчетам. [44]
Вообще говоря, вычислить оценки максимального правдоподобия на основе полной информации бывает довольно трудно. [45]