例析概率新定义中极大似然估计的应用

极大似然估计是建立在极大似然原理的基础上的一个统计方法,是概率论在统计学中的应用,是用来估计一个概率模型的参数的一种方法.本文从极大似然估计的基本原理和具体实例中研究其应用.例1 (2023年2月安徽、吉林、云南和黑龙江四省联考数学第19题)一个池塘里的鱼的数目记为N.

星下点观测的星载卫星导航反射信号海面风矢量极大似然估计

该文针对星载全球导航卫星反射计(GNSS-R)镜面反射信号对海面风向不敏感导致海面风向反演难问题,分析非镜向海面散射信号特征,提出星下点非镜向观测模式,定义该模式下海面风矢量敏感特征观测量,在此基础上提出基于星载GNSS-R海面风矢量极大似然估计(MLE)反演算法直接利用两颗及以上导航卫星的星下点非镜向散射信号进行海面风矢量的反演,并提出风矢量搜索算法提高反演效率。通过搭建星载GNSS-R仿真平台验证算法的可行性和评估算法性能。结果表明:所提算法可直接利用非镜向独立观测模式下的多颗导航卫星散射信号反演得到海面风速和风向;多星观测可消除观测几何导致的模糊解从而将海风风向4个模糊解降至2个模糊解,但无法消除海浪谱的对称性导致的海面风向模糊解。在2~25 m/s的风速内,当信噪比(SNR)大于11 dB时,3星观测的风速均方根误差(RMSE)优于2 m/s,风向的均方根误差优于15°。

双边定时截尾下Pareto分布的参数的极大似然估计的EM算法

给出了当寿命分布为Pareto分布时,双边定时截尾寿命试验下形状参数的极大似然估计。由于似然方程形式较复杂,无法得到参数的显式表达式。但可证明此极大似然估计是唯一存在的,并利用EM算法求出了此参数的一种估计。

一种多元均值混合正态分布参数的极大似然估计

以Madadi等提出的数学模型与概率密度函数为基础,证明了多元均值混合正态分布的性质,讨论了MMNE分布参数的极大似然估计问题,利用ECM算法对MMNE分布的位置参数、尺度参数、偏度参数进行了参数估计计算,给出了计算方法和迭代公式。实例分析表明,所提出的偏态数据下MMNE分布参数估计模型合理且实用。

基于极大似然估计的非理想场景雷达信号分选算法

目前,已有研究针对理想条件下的雷达脉冲信号分选问题进行了详细阐述,但是缺乏杂散脉冲和缺失脉冲两种非理想情景下的模型表征。为解决这一问题,提出了一种基于极大似然估计的非理想场景雷达信号分选算法。该算法通过修正似然因子来表征杂散脉冲和缺失脉冲现象,提高在复杂场景下的分选准确率。当部分雷达先验信息已知时,所提算法模型具有更好的分选效果。仿真实验结果表明,与已有的极大似然模型和深度学习算法相比,所提算法在分选准确率上有显著提升,具有较高的应用价值。

多元混合正态分布参数的极大似然估计

从层次结构的角度出发推导总结了Reinaldo B.Arellano-Vall所提出的广义多元混合正态分布公式中混合变量的相关统计性质,结合所推导的混合变量性质,运用EM算法和协方差矩阵参数化分解方法,解决多元混合正态分布在无序约束和简单树半序约束下参数的极大似然估计问题。借助MATLAB软件编程进行数据仿真模拟,并给出其协方差矩阵在简单树半序约束下的极大似然估计结果。

基于高频数据的GARCH模型拟极大指数似然估计的一种portmanteau Q检验

已有研究表明,基于高频数据的GARCH模型的拟极大指数似然估计可以提升估计精度,但鲜有研究就该估计量的性质推导其对应的检验统计量。文章基于高频数据的GARCH拟极大指数似然估计性质,提出一种portmanteau Q检验统计量,通过模拟验证了该检验统计量的理论正确性,并选取沪深300、中证500和上证50等3个指数进行了具体应用。结果显示,在模型充分时,文章提出的检验统计量的分布更近似理论推导的分布,优于基于低频数据的检验统计量结果,且由于包含高频信息,该统计量能更好地捕捉高频残差自相关性;而当低频残差自相关性时,即使相关性较弱,该统计量也能识别模型是否充分,对GARCH模型的阶数识别有一定效果。实证研究也表明,该检验统计量能对高频信息有效利用,具有一定的实用性。

“极大似然估计”教学的诊断和策略研究——以贵州理工学院为例

贵州理工学院作为地方省属高校以培养高素质应用型人才为办学目标,对“概率论与数理统计”课程提出了新的要求。针对“极大似然估计”这一数理统计部分最重要的知识点之一,结合在实际教学过程中的经验,对“极大似然估计”在教学中存在的问题和现状进行了诊断和分析,然后详细研究了其存在的原因,最后给出了相关的教学策略和研究措施。

极大似然估计与遗忘曲线的隐式反馈交互推荐算法

针对传统推荐算法对启动数据要求严苛且服务器性能要求过高导致实际项目中较难应用的问题,提出一种挂载在ECS服务器(elastic compute service,ECS)上的基于极大似然估计原理(maximum likelihood estimate,MLE)和双重艾宾浩斯遗忘算法(double ebbinghaus forgetting algorithm,DEFA)相结合的推荐算法(EMDE)。首先,通过极大似然估计原理和双重艾宾浩斯遗忘算法结合,实现了对用户偏好数据的正态拟合,并且可以灵活地调整用户偏好的遗忘速度和保留程度。其次,充分考虑了对修改关闭原则,可以与现有业务模块高度解耦,并且具有轻量级的特性。实验结果表明,EMDE算法可以成功避免推荐快速消耗用户兴趣和触及用户反感的交互,并选择合适的交互以达到增强用户黏性的目的。

基于极大似然估计法的继电保护设备失效率估算方法

介绍继电保护设备的失效率与数据类型,在进行失效率估算时,首先要对失效数据进行归纳、分析、汇总,然后在不同失效类型中将偶然失效与老化失效区分开来,针对不同的数据类型提出一种基于极大似然估计法的失效率估算方法。最后通过某区域电网2010~2011年220kV及以上线路继电保护设备实测失效信息进行算例分析,与传统基于指数分布的最小二乘估计方法进行对比验证了所提方法的有效性。

极大似然估计及其应用

文章简要介绍极大似然估计的原理,分析二项分布与超几何分布中的概率最值,结合例题与教材解析极大似然估计在二项分布与超几何分布中的应用,并给出几点教学启示.

电器可靠性失效分析中极大似然估计方法的研究

针对传统电器可靠性失效分析方法中存在的问题 ,提出了一种电器可靠性失效分析极大似然估计方法。该方法完全通过计算机软件处理 ,具有较高的计算精度、数据重复性和工作效率。该方法实用性强 ,适用于各种仪器仪表及电工电子元件的可靠性失效分析。

系统谐波阻抗估计的极大似然估计方法

为更加准确地估计系统谐波阻抗,提出复数域极大似然估计方法。首先,仿照实数域多元正态分布的定义给出复数域多元正态随机变量的定义,根据协方差的含义,定义复协方差的计算公式。然后利用代数同构理论,推导复数域正态分布的概率密度函数,利用统计学理论进行数据筛选,采用筛选后的数据代入复数域极大似然估计函数。最后利用极值理论进行求解,实现系统谐波阻抗的估计。对IEEE 14节点系统进行仿真,结果表明,与传统方法相比,所提方法估计结果更为准确。

基于FFT滑动平均极大似然法的正弦信号频率估计

该文基于正弦信号采样序列的FFT频谱,利用谱图上多条显著谱线与峰值谱线实部之间的关系,推导建立了一用于信号频率估计的滑动平均模型,基于此模型得出的极大似然频率估计器结合传统的Quinn方法后得到一种新的基于FFT谱滑动平均极大似然估计算法。仿真实验表明该算法精确有效,估计性能优于Rife,Quinn法,十分接近CRLB下限,计算量不大且信噪比门限要求可降至-9dB左右。

基于RSSI极大似然估计定位算法的分析与实现

通过分析极大似然估计法进行求解方程未知节点位置可知,代入最后一个方程锚节点（参照锚节点）的测距误差会对极大似然估计法定位误差产生较大影响,并实现了基于RSSI的极大似然估计定位算法实测实验.实验结果表明,参照锚节点不带测距误差与参照锚节点带测距误差相比,前者的定位误差小,在30m×30m方形定位区域内前者较后者平均定位误差值减小0.4～1.0m.

使用最速下降算法提高极大似然估计算法的节点定位精度

阐述了极大似然估计算法用于无线传感器网络节点自定位的原理;阐述了最速下降算法求非线性方程组最优解的原理;提出在距离测量误差较大的情况下,使用最速下降算法优化极大似然估计算法所得的节点定位值,并通过模拟实验证实其可行性。实验结果表明,在无须多余通信代价的条件下,优化处理使定位精度得到很大提高,且算法收敛快,计算代价小,适用于无线传感器网络的节点自定位。

威布尔分布的极大似然估计的精度分析

威布尔分布参数估计的极大似然方法是一种常用的方法,在故障数不小于10的情况下推荐使用.但在工程中,由于产品的可靠性高,或者是样本量少,试验的故障数常常是小于10,在这种情况下需要明确所得的评估结果的精度是否满足要求.运用区间估计的思想,提出了一种解决上述问题的评价和判断的方法,并应用此方法对完全样本情况下,形状参数的极大似然估计量的精度进行了讨论.工程上,可以依据文中提供的结论定量分析威布尔分布形状参数极大似然估计量的精度.

基于EMD间隔阈值消噪与极大似然估计的滚动轴承故障诊断方法

针对小波阈值消噪用作滚动轴承故障信号处理存在小波基函数较难选择及传统硬阈值、软阈值消噪效果差等缺点,将EMD间隔阈值消噪与极大似然估计相结合,应用于滚动轴承早期微弱故障诊断。对原始信号进行EMD分解;对各IMF进行基于极大似然估计的间隔阈值消噪,并重构出故障信号;进行包络谱分析得出诊断结果。数字仿真信号与实验信号验证了该方法的有效性。

多种数据状态下三参数Weibull分布的极大似然估计

提出一种既适合完全数据,也适合各种截尾数据的三参数Weibull分布极大似然估计的计算方法。首先建立完全数据和截尾数据下统一形式的似然方程;利用二阶收敛Newton-Raphson迭代法求解给定位置参数时含尺度参数和形状参数的两参数Weibull分布的极大似然估计;然后采用稳定快速的Brent搜索法,求解出仅含位置参数的单变量似然函数最优解;最后结合实例说明该算法的稳定性和高效性。该方法具有计算精度高、速度快、适用数据范围广的优点。

三参数Weibull分布参数的极大似然估计数值解法

利用降阶思想,给出了一种新的求解三参数Weibull分布参数的极大似然估计数值方法。该方法首先假定形状参数已知,将三元方程组转化为二元方程组,并用二分法求解该二元方程组的数值解,然后将尺度参数和位置参数表示成形状参数的函数,此时极大似然函数仅是关于形状参数的单变量函数,再次应用二分法即可得出形状参数的最优估计结果。该算法稳定,不需要赋予初始值,对样本数量没有限制。与其他方法相比,具有计算精度高、运算速度快的优点,便于工程应用。