数据分析中的统计检验参数估计与置信区间.pptVIP

6/28/2008BESIII暑期讲习班*最小二乘法与最大似然法设有高斯随机变量:yi,i=1,…,N,均值为对应的对数似然函数(去掉与?无关的项)为对于独立的高斯变量yi，联合概率密度函数为6/28/2008BESIII暑期讲习班*最小二乘估计量的定义如果yi是一多维高斯变量，协方差矩阵为V，满足那么其对数似然函数为也就是说，我们应求下式的最小值它的最小值定义了最小二乘法的估计量?，即使yi不是高斯变量，该定义依然适用。6/28/2008BESIII暑期讲习班*两种情况下的最小二乘参数估计对参数的估计可以根据理论预期值中所含参数的具体特征而采用不同的参数估计处理方法线性情况：非线性情况：6/28/2008BESIII暑期讲习班*线性情况的最小二乘法估计这里aj(x)是x的任意线性独立函数。用矩阵来表示时，令Aij=aj(xi)，有对?i求偏微分，并令结果等于零，有解方程得到最小二乘法的估计量6/28/2008BESIII暑期讲习班*非线性情况的最小二乘法估计如果采用牛顿法求上式的最小值，第n+1次迭代公式可采用6/28/2008BESIII暑期讲习班*最小二乘估计量的方差等效地，可以利用下式来计算如果yi是高斯变量时，其与RCF边界一致。6/28/2008BESIII暑期讲习班*最小二乘估计量的方差(续)6/28/2008BESIII暑期讲习班*约束情况下的最小二乘法拟合实际问题中会遇到测量量本身要受到某些物理定律的约束。求解可采用拉格朗日乘子法，对每一个约束引入修正因子?i，例如，能动量守恒，衰变顶点约束等等。对一个事例有m个观测量，无参数的最小二乘问题变为6/28/2008BESIII暑期讲习班*约束情况下的最小二乘法(续一)为了找到最小值，可以通过求微商方法而n+1次迭代后设经过n次迭代以后，找到一组解，得到函数的值。在上对?(n)进行线性展开，并略去高阶项，得到6/28/2008BESIII暑期讲习班*约束情况下的最小二乘法(续二)两式联立消掉项，可以得到因此，可以得到第n+1次迭代的l个拉格朗日乘子取值以及第n+1次迭代的m个测量量的预期值6/28/2008BESIII暑期讲习班*约束情况下的最小二乘法(续三)当经过n+1次迭代以后，满足下式时即可终止实验中，为了提高测量精度而采用的四动量守恒约束拟合(4-Cfit)，顶点或质量约束拟合(1-Cfit)，大都采用该方式来进行。此时的?2值应满足自由度为（m-l）的?2分布。6/28/2008BESIII暑期讲习班*例子：粒子动量分辨的改进例如，实验观测衰变通常情况下，探测器对光子探测的能量分辨率较差，从而影响到?0粒子动量重建的精度。已知：r6/28/2008BESIII暑期讲习班*例子：粒子动量分辨的改进（续）因此，每一个衰变事例的观测量期待值为对应于每个观测量有误差估计，而且已知相互间不相关。则无参数的最小二乘问题可写为为利用一个约束条件下，改进的光子动量观测值进行?????重建研究，从?的不变质量谱可以看出光子的动量得到了明显的改进。6/28/2008BESIII暑期讲习班*检验最小二乘法的拟合优度那么?2min服从N-m自由度的最小二乘概率密度函数分布。据此来计算P-值如在五个数据点的双参数拟合也就是说，重复实验多次，有26.3%的值将大于?2min。进行1000次蒙特卡罗实验6/28/2008BESIII暑期讲习班*最小二乘法处理分区数据最小二乘法拟合使下式有最小值把yi看做泊松分布的随机变量，方差为改进的最小二乘法虽方便了计算，但对于有些区间频数太少时?2min不再服从最小二乘的概率密度分布函数(或无定义)。6/28/2008BESIII暑期讲习班*最小二乘法的归一化常数问题例如n=400次，N=20个区间解决的方法是从数据中直接得到n，或者最好是用最大似然法定n。6/28/2008BESIII暑期讲习班*矩的一般表达式假设对随机变量x有n次测量x1,…,xn，服从概率密度函数分布f(x;?)。其中有m个未知参数?1,…,?m。如果可以构造m个线性独立函数ai(x),i=1,…,m，其均值可写为为