Łączna funkcja skumulowanego rozkładu dla minimum i maksimum x ( n ) dla próbki n z rozkładu Gaussa ze średnią μ i odchyleniem standardowym σ wynosix(1)x(n)nμσ
F(x(1),x(n);μ,σ)=Pr(X(1)<x(1),X(n)<x(n))=Pr(X(n)<x(n))−Pr(X(1)>x(1),X(n)<x(n)=Φ(x(n)−μσ)n−[Φ(x(n)−μσ)−Φ(x(1)−μσ)]n
gdzie to standardowy gaussowski CDF. Zróżnicowanie względem x ( 1 ) i x ( n ) daje funkcję gęstości prawdopodobieństwa połączeniaΦ ( ⋅ )x(1)x(n)
fa( x( 1 ), x( n ); μ , σ) =n ( n - 1 ) [ Φ ( x( n )- μσ)−Φ(x(1)−μσ)]n−2⋅ϕ(x(n)−μσ)⋅ϕ(x(1)−μσ)⋅1σ2
gdzie to standardowy gaussowski plik PDF. Biorąc dziennik i upuszczając warunki, które nie zawierają parametrów, daje funkcję prawdopodobieństwa dziennikaϕ(⋅)
ℓ(μ,σ;x(1),x(n))=(n−2)log[Φ(x(n)−μσ)−Φ(x(1)−μσ)]+logϕ(x(n)−μσ)+logϕ(x(1)−μσ)−2logσ
To nie wygląda bardzo łagodny, ale to łatwo zauważyć, że bez względu na to maksymalizować wartość przez ustawienie ľ = ľ = x ( n ) + x ( 1 )σ , tj. Punkt środkowy - pierwszy termin jest maksymalizowany, gdy argument jednego CDF jest ujemny od argumentu drugiego; drugi i trzeci termin reprezentują wspólne prawdopodobieństwo dwóch niezależnych zmiennych normalnych.μ=μ^=x(n)+x(1)2
Podstawiając ľ w Log-Likelihood i pisania R = x ( n ) - x ( 1 ) daje
£ -l ( σ ; x ( 1 ) , x ( n ) , μ ) = ( n - 2 ) log [ 1 - 2 Φ ( - rμ^r=x(n)−x(1)
ℓ(σ;x(1),x(n),μ^)=(n−2)log[1−2Φ(−r2σ)]−r24σ2−2logσ
Wyrażenie to ma zostać zmaksymalizowane liczbowo (np optimize
z R w stat
zestawie) w celu znalezienia σ . (Okazuje się, że Ďσ^ , gdzie k jest stałą zależności tylko od n -perhaps ktoś bardziej matematycznie zręczny niż mogłem pokazać, dlaczego).σ^=k(n)⋅rkn
Szacunki nie mają zastosowania bez towarzyszącej mi precyzji. Obserwowane informacje Fishera można ocenić numerycznie (np. Z pakietu hessian
R numDeriv
) i wykorzystać do obliczenia przybliżonych błędów standardowych:
I(σ)=-∂2ℓ(σ; μ )
I(μ)=−∂2ℓ(μ;σ^)(∂μ)2∣∣∣μ=μ^
I(σ)=−∂2ℓ(σ;μ^)(∂σ)2∣∣∣σ=σ^
Interesujące byłoby porównanie prawdopodobieństwa i oszacowania metody momentów dla pod względem błędu (czy MLE jest spójny?), Wariancji i błędu średniej kwadratowej. Istnieje również kwestia szacowania dla tych grup, w których średnia próbki jest znana oprócz minimum i maksimum.σ