粒子物理与核物理实验中的数据摘要.ppt

粒子物理与核物理实验中的数据分析 杨振伟 清华大学 第八讲： 最大似然法（续） 上一章回顾 估计量，均值，方差与协方差的估计量 给出了在不知道概率密度函数 pdf 的情况下，如果没有未知参数，如何从有限的数据样本中，估计出随机变量的期待值、方差与相关系数。 讨论了偏置问题 似然函数，最大似然估计量 如果已经知道概率密度函数 pdf 的具体形式，但是函数中包含有未知参数，如何从有限的样本中估计未知参数的期待值、方差与相关系数… 基于假设为真时，会使观测结果的概率最大，构造似然函数的方法 指数参数确定举例 * * * * 高斯概率密度函数中的参数 考虑一个样本服从高斯概率密度函数，其参数 ? ，? 2 未知。 其对数似然函数为 对 ? ，? 2 偏微分后的函数取零，解方程得到 取“帽”号表示方程的解是参数的估计值。 高斯函数参数估计值的偏向性 * * 因此， ? 2 的最大似然估计量有偏向性。这种偏向性随 n 趋 于无穷大时而消失。但是方差的统计估计量 对任何概率密度函数的方差估计都是无偏的。但是它不是最大似然估计量。 * * 估计量的方差：解析方法 指数分布平均值的估计量为： * * 估计量的方差：解析方法 续 最大似然法对 ? 的估计为1.062； 通常情况下，“统计误差”由上式给出。例如， 这就意味着 “68%的置信区间” * * 估计量的方差：蒙特卡罗方法 Nexp 1