Предположим, у меня есть черный ящик, который генерирует данные после нормального распределения со средним m и стандартным отклонением s. Предположим, однако, что всякий раз, когда он выводит значение <0, он ничего не записывает (даже не может сказать, что он вывел такое значение). У нас есть усеченное гауссовское распределение без скачка.
Как я могу оценить эти параметры?
Ответы:
Модель для ваших данных будет:
Таким образом, функция плотности:
где,
- стандартный нормальный cdf.ϕ(.)
Затем вы можете оценить параметры и σ, используя метод максимального правдоподобия или байесовский метод.μ σ
источник
Как предположил Срикант Вадали, Коэн и Халд решили эту проблему, используя ML (с искателем корней Ньютона-Рафсона) около 1950 года. Еще одна статья - «Оценка в усеченном нормальном распределении» Макса Гальперина, доступная на JSTOR (для тех, у кого есть доступ). Погуглив «усеченную гауссову оценку», вы получите множество полезных хитов.
Подробности представлены в теме, которая обобщает этот вопрос (в основном для усеченных дистрибутивов). См. Оценки максимального правдоподобия для усеченного распределения . Она также может представлять интерес для сравнения оценок максимального правдоподобия для решения максимальной энтропии заданного (с кодом) на Max энтропии Solver в R .
источник
Имея техническую границу TB для упрощенный подход Х. Шнайдера очень полезен для вычисления среднего значения μ t и стандартного отклонения σ t усеченного нормального распределения:а = 0 μT σT
Рассчитайте среднее значение и стандартное отклонение σ (всю совокупность!) для набора данных:μ σ
проверьте, имеет ли техническая граница действительное расстояние до среднего ˉ x :TB = a = 0 Икс¯
рассмотрение не является необходимым, если ˉ x ≤ 3 сTB = a Икс¯≤ 3 с
Вот и все...
источник