Wolfram
Mathematica
8의 신기능: 매개 변수 추정 및 검정
◄
이전
|
다음
►
핵심 알고리즘
최대 우도와 Cramér-von Mises 추정 비교
최대 우도 추정을 사용하여 Cramér-von Mises 검정 통계량을 최적화하여 정규 분포에 대한 모수 추정을 시각적으로 비교합니다.
In[1]:=
X
data = BlockRandom[SeedRandom[2]; RandomVariate[NormalDistribution[], 100]];
In[2]:=
X
cvmFit[\[Mu]_?NumericQ, \[Sigma]_?NumericQ, dist_] := CramerVonMisesTest[data, dist[\[Mu], \[Sigma]], "TestStatistic"]; cvmPar = Quiet[ FindMinimum[ cvmFit[\[Mu], \[Sigma], NormalDistribution], {{\[Mu]}, {\[Sigma]}}]]; mlePar = FindDistributionParameters[data, NormalDistribution[\[Mu], \[Sigma]]];
In[3]:=
X
Show[Plot3D[ cvmFit[\[Mu], \[Sigma], NormalDistribution], {\[Mu], -3, 3}, {\[Sigma], 0, 6}, ColorFunction -> ColorData["SouthwestColors"], PlotRange -> {{-2, 2}, {0, 3}, {-10, 35}}, MeshFunctions -> {#3 &}, MeshStyle -> Gray, Mesh -> 30, BoxRatios -> 1], Graphics3D[{Darker@Blue, Thickness[.01], Line[{{\[Mu], \[Sigma], 40}, {\[Mu], \[Sigma], -20}} /. cvmPar[[2]]]}], Graphics3D[{Darker@Red, Thickness[.01], Line[{{\[Mu], \[Sigma], 40}, {\[Mu], \[Sigma], -20}} /. mlePar]}]]
Out[3]=
