粒子物理与核物理实验中的数据分析lecture_9-最小二乘.pdfVIP

粒子物理与核物理实验中的 数据分析 陈少敏 清华大学 第九讲：最小二乘法 本讲要点 最小二乘法与最大似然法的关系 线性情况下的最小二乘估计 非线性情况下的最小二乘估计 约束情况下的最小二乘法 检验最小二乘法的拟合优度 应用最小二乘法处理分区数据 不等精度关联实验结果的并合问题 2 最小二乘法与最大似然法 假设有高斯随机变量:y , i=1,…,N ,其平均值为 i E [y ] λ λ(x ;θ) i i i 2 这里，x ,...,x 与 V[y ] σ 已知。 1 N i i 为了估计参数θ，可以用曲线 拟合所有的测量点(见右图)。 对于独立的高斯变量 y ，联合概率密度函数为 i N 2 ⎛ (y λ ) ⎞ 1 − − 2 ⎜ i i ⎟ g (y ; λ,σ ) ∏ 2 exp ⎜ 2σ2 ⎟ 求log L (θ)的最大值等 i 1 2πσi ⎝ i ⎠ 2 效于求 χ 的最小值。 对应的对数似然函数(去掉与θ 无关的项)为 N 2 N 2 1 [y −λ(x ;θ)] 2 [y −λ(x ;θ)] log ( ) i i χ (θ) i i L θ =− ∑ 2 ∑ 2 2 i 1 σi i 1 σi 3 最小二乘估计量的定义 如果 y 是一多维高斯变量，协方差矩阵为V ，满足 i T 1 ⎡ 1 −1 ⎤ ( ; , ) exp ( ) ( ) g y λ V y λ V y λ − −