Cтраница 2
Сущность метода наибольшего правдоподобия заключается в том, что в качестве оценки параметра 0 берется значение аргумента 6, обращающее функцию L в максимум. [16]
Решение задачи восстановления изображения, преобразованного аппаратурой наблюдения, зависит от качества оценки параметров системы формирования сигнала. Рассматриваются основные принципы определения импульсной характеристики аппаратуры наблюдения, предлагаются способы ее уточнения при имеющихся эталонных значениях и определяются вычислительные алгоритмы ее нахождения. [17]
Если оцениваемые параметры изменяются, то чем быстрее происходят эти изменения, тем больше непараметрические неопределенности влияют на качество оценки параметров. Очевидно, чем быстрее изменяются параметры, тем труднее получить точную оценку. Кроме того, чем выше уровень шума и больше неучтенных возмущений и динамики, тем идентификатор функционирует хуже. [18]
Метод максимального правдоподобия - статистический метод получения оценок параметров, основанный на принципе максимального правдоподобия, сформулированном Фишером и состоящий в том, что в качестве оценки параметра 6 из области его допустимых значений выбирается то значение, для которого функция правдоподобия принимает наибольшее возможное значение. [19]
Если оценка 6 смещенная, то малость ее дисперсии еще не говорит о малости ее погрешности. Взяв, например, в качестве оценки параметра 0 некоторое число 60, получим оценку даже с нулевой дисперсией. Однако в этом случае ошибка ( погрешность) 60 - и может быть сколь угодно большой. [20]
В дополнение к их зависимости от ОСШ качество оценки параметра задержки является функцией от огибающей сигнального импульса. Например, на практике обычно используется импульс, имеющий спектр в виде приподнятого косинуса ( см. разд. [21]
Определение вида закона распределения случайной величины по опытным данным занимает одно из центральных мест при обработке результатов экспериментов статистическими методами. Традиционный подход при решении задачи сводится к расчету параметров эмпирического распределения, принятию их в качестве оценок параметров генеральной совокупности с последующей проверкой сходимости эмпирического распределения с предполагаемым теоретическим по критериям х2 ( Пирсона), А. Некоторые новые критерии [82] не имеют удовлетворительного теоретического обоснования, а в ряде случаев, как это показано в работе [82], не обладают достаточной мощностью. [22]
Построение математических моделей изучаемых явлений по экспериментальным данным является одним из основных научных направлений. В работах [1,2] имеются большие ( но не исчерпывающие) библиографические списки научных публикаций по этой проблеме. На практике построение математических моделей обычно сводят к оцениванию неизвестных параметров, например, аэродинамических коэффициентов самолета или вертолета по результатам летных испытаний. К качеству оценок параметров и организации эксперимента выдвигают требования высокой точности, надежности, информативности и наименьших затрат. [23]
Элементы [ Т ] 1 зависят лишь от частных производных модельной функции и величин ошибок измерений, которые обычно можно предсказать заранее на основании характеристик измерительной аппаратуры. Следовательно, при планировании эксперимента можно предсказать ошибки из [ Т ] 1 безотносительно данных. Поэтому матрицу [ Г ] иногда называют матрицей конструкции. Зачастую можно видоизменить эксперимент, чтобы получить больше данных, что уменьшит корреляцию. После анализа данных можно вычислить х2 - Если модель хорошо согласуется с данными, то % 2 должен приблизительно равняться N - п - числу измерений минус число параметров. Формальные ошибки описывают качество оценки параметров. [24]