Параметрические методы оценивания

Применение параметрических методов предполагает априорное знание теоретического закона распределения исследуемой величины или его определение по эмпирическим данным, что обусловливает необходимость проверки согласованности ЭД и выбранного теоретического закона. Параметрическая оценка по цензурированным выборкам основывается на традиционных методах математической статистики (максимального правдоподобия, моментов, квантилей), методах линейных оценок и ряде других.

Обработка многократно цензурированных выборок методом максимального правдоподобия допускается при следующих условиях:

Когда эти ограничения не выполняются, можно вычислять только нижнюю доверительную границу параметров распределения.

Оценки, получаемые по методу максимального правдоподобия, при относительно нежестких ограничениях асимптотически эффективны, не смещены и распределены асимптотически нормально. Если непрерывная переменная с функцией плотности f (x, t) цензурирована в точках а и b (a < b), то функция плотности распределения при цензурировании определяется как . Функция правдоподобия при N наблюдениях . Если переменная дважды цензурирована в фиксированных точках a и b, так, что не наблюдаются k₁ наименьших и k₂ наибольших элементов выборки, то функция правдоподобия

,

где k₁ и k₂ являются случайными величинами.

При цензурировании с постоянными величинами k₁ = r₁ и k₂ = r₂ функция правдоподобия равна

,

где .

Решение уравнения правдоподобия при различных схемах цензурирования является достаточно сложной задачей. В явном виде такие решения можно получить только для однопараметрических законов распределения. Известны уравнения для нахождения параметров типовых законов распределения показателей надежности по цензурированным слева выборкам.

Экспоненциальное распределение. Точечные оценки параметра распределения l при различных планах наблюдения:

(8.6)

Нормальное распределение. Оценки параметров распределения m и s для планов наблюдения [NUr], [NUТ] и [NUz] находятся из системы уравнений:

(8.7)

где Ф(х) – функция нормального распределения, f(x) – функция плотности нормального распределения.

Система уравнений (8.7) допускает только численное решение. При таком решении уравнений в качестве начальных приближений неизвестных параметров обычно берут оценки математического ожидания и среднеквадратического отклонения, вычисленные по объединенной выборке.

Логарифмически нормальное распределение. Оценки параметров вычисляют по формулам для нормального закона распределения с заменой значений наработок их натуральными логарифмами;

Распределение Вейбулла. Оценки параметров d и b для плана [NUz] вычисляются на основе системы уравнений

(8.8)

Для планов наблюдения [NUr] и [NUT] оценки указанных параметров находятся из системы уравнений

(8.9)

где t_m =t_r для плана [Nur], t_m = Т для плана [NUT].

Системы уравнений (8.8) – (8.9) не имеют аналитического решения и требуют применения численных методов: вначале находится корень первого уравнения (оценка параметра b ), затем прямой подстановкой значение оценки параметра d . Для двухпараметрического распределения Вейбулла большие (b > 4) или малые (b < 0,5) значения параметра свидетельствуют о том, что ЭД не подчиняются этому закону или отношение r/N мало. В таких случаях следует применить непараметрические методы оценивания.

Трудности применения метода максимального правдоподобия обусловливают разработку других методов. Метод моментов обычно приводит к простым вычислительным процедурам, позволяет получить асимптотически эффективные, несмещенные и нормально распределенные оценки, но требует учета типа цензурирования и применим при относительно большом объеме выборки (не менее 30). Использование метода квантилей для оценок параметров законов распределений менее критично к типу цензурирования. Высокая точность оценок достигается оптимальным подбором квантилей, хотя такой подбор не всегда удается осуществить.

Метод линейных оценок применяют при небольшом объеме выборки, он обеспечивает высокую эффективность, состоятельность и несмещенность оценок параметров распределения. Этот метод основан на нахождении линейной функции от порядковых статистик (упорядоченных элементов выборки), которая была бы несмещенной оценкой искомого параметра. Применение связано с необходимостью использования специальных видов распределений, что вызывает определенные неудобства и затрудняет автоматизацию расчетов.

В целом следует отметить, что нет единого метода, лучшего для всех ситуаций оценивания. В каждом конкретном случае необходимо выбирать метод, наиболее подходящий по своим возможностям для заданного типа выборки и требований к оценкам показателей надежности, наличного ресурса по обработке данных, целесообразной степени автоматизации. Рациональным является комбинированное использование методов, например нахождение приближенных оценок на основе квантилей с последующим их уточнением по формулам, полученным методом максимального правдоподобия.