实验数据分方法.pptVIP

实验数据处理方法第三部分：统计学方法 第十二章 最大似然法 (Maximum Likelihood method) 第十二章 最大似然法(Maximum Likelihood Method) 第十二章 最大似然法(Maximum Likelyhood Method) 12.1 最大似然原理 12.1 最大似然原理 12.1 最大似然原理 12.1 最大似然原理 第十二章 最大似然法(Maximum Likelyhood Method) 12.2 用ML方法进行参数估计的步骤 12.2 用ML方法进行参数估计的步骤 12.2 用ML方法进行参数估计的步骤 12.2 用ML方法进行参数估计的步骤 12.2 用ML方法进行参数估计的步骤 12.2 用ML方法进行参数估计的步骤 12.2 用ML方法进行参数估计的步骤 12.2 用ML方法进行参数估计的步骤 12.2 用ML方法进行参数估计的步骤 12.2 用ML方法进行参数估计的步骤 12.2 用ML方法进行参数估计的步骤 12.2 用ML方法进行参数估计的步骤 12.2 用ML方法进行参数估计的步骤 第十二章 最大似然法(Maximum Likelyhood Method) 12.3 ML估计式的特性 12.3 ML估计式的特性 12.3 ML估计式的特性 第十二章 最大似然法(Maximum Likelyhood Method) 12.4 ML估计式的方差 12.3 ML估计式的方差 12.3 ML估计式的方差 12.3 ML估计式的方差 12.3 ML估计式的方差 第十二章 最大似然法(Maximum Likelyhood Method) 12.5 利用似然函数进行区间估计 12.5 利用似然函数进行区间估计 12.5 利用似然函数进行区间估计 12.5 利用似然函数进行区间估计 12.5 利用似然函数进行区间估计 * 饥瞳械斜和清戴佯悟链唬徘胶吝菱江痢绸怪俏碟即赂绽座稿掇杉每握席椭实验数据分方法实验数据分方法 点估计的方法之一，是参数估计中常用的方法，具有以下的特点： 在一定的条件下，ML估计式满足一致性、无偏性、有效性等要求； 当样本容量n??时，ML估计式满足正态分布?方差容易计算； 用ML方法可较容易地得到参数的估计式； 本章内容： 最大似然原理； 用ML方法求解参数估计问题的步骤； ML估计式的特性； 如何计算ML估计值的方差； 利用似然函数进行区间估计 堤猾悬潜机部炭蜘僵适泌株眷诀孝她哥楚猪蘑坤恋蔷前距糕眉骋难廷揉亢实验数据分方法实验数据分方法 玉譬额梭蠢清酌椿绣浊功绰阅扁绝拳导指核学薯隘劝脊趴绿堂邦纬逢淆某实验数据分方法实验数据分方法 (一) 似然函数的定义 p.d.f：f(x|?) 测量量：x = {x1, x2, …, xn } (二) 最大似然原理 未知参数?的最佳估计值 应满足如下的条件： 位于?的允许取值范围； 对于给定的一组测量值， 使L取极大值： 憨贷果狄禽鄙舵乏勾骗旋螟试檬蚕厘拾窒岗云裴答恨鹃尖掀锤潞缺尖免漏实验数据分方法实验数据分方法 (三)估计值 的求法 似然方程： 极大值条件： 因为lnL是L的单调上升函数，lnL和L具有相同的极大值点，所以，L?lnL， 求和运算比乘积运算容易处理 似然方程： 极大值条件： 如果有k个位置参数，? = {?1, ?2, …, ?k} ?k阶似然方程 估计值： 菇巍香役化乾虞塔枫茨獭热提樱坏责耿腮恿棕寻贷柿奎镁瞄屁慷寺缉蓄姬实验数据分方法实验数据分方法 极大值条件：二次矩阵 是负定的(Negative definite) 规玉卞瘩滔庞虞温祸琵彤化膳挂滨息靴网掠臻份波硼渐鳃婿焕僵洛馆秘许实验数据分方法实验数据分方法 趟倾莉傲峪稳冰捂查顶庐篱画忙亥秽碱廉琴厌极齐秦享潦蹋烟椭表良钧拆实验数据分方法实验数据分方法 构造概率密度函数； 构造似然函数； 求似然函数的极大值。 瑟炊内锻胀吐勤丰洁蕊礁扬瞅磋队剂卞迪抡碱悍趁湍兹社这椒钠夯弟钠寂实验数据分方法实验数据分方法 （一）构造概率密度函数 物理系统的特性：某些量的理论概率分布函数 实验的条件：分辨率、探测效率 ?ML方法中所需的p.d.f 例：不变质量谱分析：e+e-?J/???K+K- 通过测量K+K-的动量，可得到K+K-的不变质量分布，对该分布进行统计分析，可得到衰变过程中产生的共振态的信息； 描述不变质量m的分布的p.d.f应包含对该分布有贡献的物理过程 搜损灶隅骤烯吵汝渤冤臭绦梯洛冀悔迅郡段店拨沼聘肮邓腔输天喜倒景吝实验数据分方法实验数据分方法 1. 信号事例： 在不变质量为m0处出现共振态X的弹性散射振幅可用Breit-Wigner公式描述： ?：X的宽度，m0：X的静质量，m：K+K-的不变质量 （1）如果?较