第三章稳健估计.docVIP

稳健估计 第一节 模型误差与稳健估计 模型误差 实际模型与所建模型之差称为模型误差。模型误差分为随机误差、系统误差和粗差。 稳健估计的概念及任务 1概念 所谓稳健估计，是在粗差不可避免的情况下，选择适当的估计方法，使所估参数尽可能减免粗差的影响，得出正常模式下最佳或接近最佳的估值。 2目标 在采用假定模型下，所估计的参数应具有最优或接近最优性； 如果实际模型与假定模型存在较小的偏差，则对应的估计参数所受影响也较小； 即使实际模型与假定模型有较大的偏差，其参数估值的性能也不应太差，亦即不至于对估值产生灾难性的后果。 第二节 稳健估计原理 一、影响函数 影响函数是用来判断估计统计量对异常值敏感程度的指标，反映了在不同位置上异常数据对估值所造成的相对影响的大小。 影响函数的定义式为： 其中F为正常观测值的分布函数，Δx为异常观测值引起的阶跃分布函数。 当以一个小的概率ε出现的异常值的分布函数成为Fε： 因此估计统计量与正常观测值下的估计函数之差，描述了异常值对估计函数的影响，这就是影响函数的实现含义。 在实用中可剔除一组含粗差数据s后，由其余（n-s）个数据得到的估值与全部数据获得估值之差求出s个数对估值θ的影响函数 该式刻画了剔除的数据对估值的影响大小或敏感程度。 因此，影响函数可用来刻划各种稳健估计方法而且作为其稳定性的度量。 广义极大似然估计（M估计） 设有参数向量X，是未知的非随机量，为了估计X，进行n次观测，得到了观测向量L的观测值l，由极大似然估计有： 顺序统计量线性组合估计（L估计） 设L（l1,l2,…,ln） 秩检验型估计（R估计） 第三节、选权迭代法 一、选权迭代法的基本思想 由M估计式： 二、计算程序 计算程序为： 列立误差方程，令观测权函数初值为1。 解算法方程（95），得出x和v的第一次估值。 由v确定各观测权函数，再解算法方程，类似迭代计算，直至前后两次解的差符合限差要求为止。 得到最后结果。 第四节 一次范数最小估计的线性规划法 线性规划的基本概念 线性规划的数学模型为： 目标函数：f(X)=CTX=min 约束条件： AX=b (96) X≥0 在数学模型中，变量X为（n×1）向量，C是目标函数系数（n×1）向量，b是约束条件（m×1）常数向量，A为参数的m×n系数矩阵。n称为线性规划的维数，m称为线性规划的阶数。 对于具体问题，应用上述数学模型可作如下考虑： （1）、若要求目标函数f(X)=max,只需将其进行转换，求函数-f(X)的最小值，所求参数不变。 （2）、当第i个约束条件为：ai1x1+ai2x2+…+ainxn≥bi或（≤bi） 一次范数最小估计的单纯形算法 等价权原理 秩亏自由网参数的稳健估计 稳健选权迭代估计精度评定 数据探测法 粗差对残差的影响 单个粗差检验的巴尔达法 巴尔达数据探测法的基本思想：假定平差系统只有一个观测存在粗差，并纳入函数模型，用统计假设检验方法检测粗差并剔除粗差。剔除含有粗差的观测值后，建立新的平差系统，若仍存在粗差，再假设只存在一个粗差，逐次不断进行，直至判断不再含有粗差。 多维粗差统计假设检验 14