参数估计方法.doc

参数估计方法分析 Analysis of parameter estimation method 【摘要】 在课程学习之后，我们需要对书本上的知识进行消化理解。本文利用Excel软件对数据进行参数估计，加深了我们对参数估计方法的认识和理解，并且知道何种方式更加有效和准确。 【关键词】 参数估计；图解法；矩量法；最大似然法；最小平方法 Abstract： After the course of learning, we need to digest the knowledge on the books. In this paper, Excel software is used to estimate the parameters of the data, which deepens our understanding of the method of parameter estimation and chose the method which is more effective and accurate. Keywords: Parameter,estimation,Graphical methods, Method of moments, MLM ,LSM 引 言 在对一组给定的数据或者一个给定的参数模型进行参数估计时，常用的方法有图解法、矩量法、最大似然法和最小平方法，经过老师的演示后，我们在课后利用Excel软件进行了数据参数估计的练习，并在对比中寻找到了更加适合参数估计的方法。 参数估计方法仿真 2.1 图解法 图形法建立在各种图形的基础上。当通过图形判断出寿命模型后，在Excel上对数据进行回归分析，从而得出相应的参数。图形法的本质为最小平方法。 对于一组数据，其经验估计为： ，或 而理论估计通常可以Excel的操作语句计算， 由excel所得的经验cdf图如下： 图1.经验公式CDF图 由Excel可得，WPP图是非线性的，并不是一条直线，这是一条随机线。其中的y值点，是取两次对数产生的值。而x是取一次对数的值，这就造成了图3.1中左边的点相对放大，而右边的点相对是压缩的。即对于非常小的值将会放大，对于非常大的值会将其进行压缩。 在线性回归的结果中，要特别注意两个参数：Intercept和X Variable 1，分别表示截距和相关系数。对于正态分布，其截距intercept就为位置参数，相关系数X variable 1就为形状参数；对于威布尔分布，其相关系数X variable 1就为形状参数，而截距intercept为。这样就可以得出各个模型的参数了。在威布尔中，由二参数威布尔分布的可靠性函数： 转换得 令 我们得到其WWP(Weibull Plotting Paper)图， 而又由回归分析所得出的截距和相关系数，我们可以另外再做出一组数据来与其进行对比，令y1=KX+b，其中斜率K就是相关系数，b就是截距，最后得出y1这样一组数据，且y与回归分析得出的y1在散点图中可以看出是相互拟合的，同时也证明了这组随机数据是符合威布尔分布的。线性拟合图以及回归统计如下图2所示： 图2. 线性拟合图 表一 回归统计表 回归分析中，以参数β=2.5，(=11为例，由Excel算得的回归统计图如上，P-value值要求小于0.05，显然，这组随机数据的回归是较为理想的。 2.2 矩量法 在前面的学习中，我们已知原点矩和中心矩分别为： 在样本估计中，，根据，，得到： 对于正态分布，矩与两参数之间的关系为： ， 对于威布尔分布，矩与两参数之间的关系为： ， 这样，在Excel中利用规划求解，使得，就可以求出威布尔分布的参数。值得注意的是，用矩法求出的正态分布的参数即为该组数据的均值和标准差，可用作其他分布的参考依据。我们对同样的数据进行矩法分析，得到结果如表2第四列所示： 表2 各参数估计方法所估计的数值 2.3 极大似然法 完整数据的极大似然函数为： 这种方法在Excel中的操作分为三步：首先对概率密度函数取对数，接着对数相加，这两步可概括为： 在excel中，最后利用规划求解得到所需的参数。对数据进行分析，得到的结果如表2中第五列中所示。 2.4 最小平方法 对于威布尔分布，可用下面语句： 不同的分布在Excel中有不同的操作语句。接下来，利用规划求解功能，求出使得的参数，即为所求参数。我们对上面数据进行最小平方分析，得到原始数据Fi这一列的值如下表： 表3 各参数估计方法仿真原始数据表 结 论 由以上仿真数据和分析可知，关于参数估计方法的选择，一般为极大似然法，其拟合性更好，更加接近实际数据。有些情况下，极大似然法不适用，比如三参数威布尔分布。那么此时只能选择其他寿命模型，比如矩法和最小平方法等。