Afsnit 2.1: Skøn over en parameter

I afsnit 1.2 lavede vi et test for, at parameteren i en binomialfordeling har en bestemt værdi. Mere almindeligt er det nok, at man ikke på forhånd har en bestemt hypotese, men blot ønsker at beskrive den viden, der er om parameteren gennem de indsamlede data. En naturlig tanke er at prøve at finde den værdi af parameteren, der bedst beskriver data. Vi taler om at finde et skøn over parameteren eller at estimere parameteren. Jeg vil her beskrive det såkaldte maksimum likelihood princip til estimation af parametre.
Definition 2.1.1. (Maksimum likelihood estimation)
Betragt en stokastisk variabel og tilhørende observation Antag at fordelingen af afhænger af en parameter Likelihoodfunktionen eller angiver sandsynligheden for det observerede som funktion af parameteren : Maksimum likelihood estimatet er den værdi af der giver maksimum af (eller ækvivalent hermed: som giver maksimum af ).
Eksempel 2.1.2. (Estimation i binomialmodellen)
Betragt situationen, hvor er binomialfordelt med antalsværdi og sandsynlighedsparameter hvor er en ukendt parameter, vi ønsker at estimere. Likelihoodfunktionen er blot
For at finde den værdi af som giver maksimum af denne funktion, tager vi logaritmen, differentierer med hensyn til og sætter den afledede lig med nul. Dette giver
idet løsningen betegnes med Intuitivt giver dette skøn god mening: parameteren angiver sandsynligheden for et bestemt udfald, og er den observerede frekvens af dette udfald.

Figur med likelihoodfunktion

I kommandovinduet nedenfor laves en figur med likelihoodfunktionen i binomialmodellen, og hvor maksimum likelihood estimatet angives med en lodret rød streg. Kør koden. Prøv dernæst at ændre det observerede antal og antalværdien til værdierne fra det samlede resultat af Kipping og Popes 46 deleksperimenter fra afsnit 1.1.

MATLAB-kode

Eksempel 2.1.3. (Rygerklassifikation ud fra fingeraftryk)
I artiklen Chemical profiling of fingerprints using mass spectrometry beskrives, hvordan en kemisk analyse af stoffer i et fingeraftryk kan give information om personen, der har afsat fingeraftrykket. Specifikt betragtes muligheden for at afgøre, om personen er ryger. Data der betragtes deles op, således at 75% af datasættet bruges til at bygge en klassifikationsregel, og denne testes på de resterende 25% af datasættet. Blandt 33 rygere i testsættet, siger klassifikationsreglen, at 27 personer er rygere og 6 er ikke. Vi beskriver situationen ved, at de 27 personer er udfald af en stokastisk variabel med Her angiver parameteren hvor god klassifikationsreglen er til at finde rygere (sandsynligheden for at klassificere en ryger korrekt). Skøn over denne sandsynlighed er Likelihoodfunktionen er vist ovenfor i Eksempel 2.1.2.
Til beskrivelse af en klassifikationsregel bruges ofte en confusion matrix, hvor rækker repræsenterer den sande klasse en person tilhører, og søjler repræsenterer den klasse, som klassifikationsreglen tildeler. For eksemplet med rygning bliver matricen
hvor søjleoverskrifterne står for, at klassifikationsreglen peger på ryger og på ikke-ryger. I tabellen er for hver række angivet sandsynlighederne for at falde i en af de to søjler. At en person bliver klassificeret som ryger betegnes som at testresultatet er positiv, hvilket forklarer sprogbrugen med "sand positiv" og så fremdeles i tabellen. Data for rygere i testsættet svarer til, at der er 33 personer i første række, som fordeles med 27 og 6 i de to søjler. Data for ikke-rygere i testsættet svarer til, at der er 81 personer i anden række, som fordeles med 5 og 76 i de to søjler.

2.1.1 Notation for skøn

I en statistisk model med en parameter betegnes det databaserede skøn over parameteren med I er vant til (fra jeres calculuskursus), at stokastiske variable betegnes med store bogstaver, og observerede værdier af den stokastiske variabel med små bogstaver. For et parameterskøn vil vi også gerne betragte dette både som en stokastisk variabel (hvad er fordelingen, når eksperimentet gentages) og som en faktisk observeret værdi, men her er der ikke tradition for at følge konventionen med store og små bogstaver. For et skøn kan dette både være den stokastiske variabel og den faktisk observerede værdi, og det skal så gerne fremgå af sammenhængen, om man tænker på den ene eller den anden situation. Hvis behovet opstår, kan man benytte notationen for den stokastiske variabel og for den observerede værdi. Dette afspejler, hvordan vores skøn er en funktion af data.
ForegåendeNæste