Skript
Skript
Skript
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
L(f) heißt Likelihoodfunktion. Man kann sich nun fragen: Grundsätzlich ist<br />
es ja (durch den Zufallscharakter der Messungen) möglich, bei jedem vorliegenden<br />
f jedes g zu messen. Die Wahrscheinlichkeiten sind aber deutlich unterschiedlich.<br />
Gegeben eine Messung g, welches f würde die Messung g mit<br />
höchster Wahrscheinlichkeit liefern? Dieses f maximiert offensichtlich die Likelihoodfunktion,<br />
also<br />
f ML = arg max L(f)<br />
und heißt deshalb (Überraschung) Maximum–Likelihood–Lösung von Af = g.<br />
Man könnte auch fragen: Gegeben ein g, was ist der Erwartungswert für f unter<br />
der Vorraussetzung γ = g, also<br />
f Bayes = E(f|γ = g).<br />
Das so definierte f heißt Bayes–Schätzer für f.<br />
Maximum Likelihood werden wir im folgenden für Poisson, die Bayes–Schätzer<br />
für die Gaussverteilung untersuchen.<br />
5.8.2 Statistische Regularisierung: Bayes–Schätzer für die Normalverteilung<br />
Eine übliche Annahme für Messfehler ist, dass sie unabhängig voneinander<br />
normalverteilt sind mit Mittelwert 0. In diesem Teil zeigen wir: Bayes–Schätzer<br />
für diesen Fall liefern (mit sehr harten Annahmen!) die Tikhonov–Regularisierung.<br />
Satz 5.8.1. (statistische Grundbegriffe)<br />
1. Sei K ∈ R n×n positiv definit, µ ∈ R n , und Y eine Zufallsvariable im R n<br />
mit<br />
1<br />
p(Y = y) =<br />
(2π) n/2 |K|−1/2 e − 1 2 (y−µ)t K −1 (y−µ)<br />
wobei |K| die (positive) Determinante von K ist. Dann heißt Y (µ, K)–<br />
normalverteilt, mit Mittelwert µ und Kovarianzmatrix K.<br />
2. Sei Y (µ, K)–normalverteilt, Z = CY , C ∈ R n×n regulär. Dann ist Z<br />
(Cµ, CKC t )–normalverteilt.<br />
3. Sei<br />
Y =<br />
( ) ( ) ( )<br />
Y1<br />
µ1<br />
K11 K<br />
, µ = , K =<br />
12<br />
Y 2 µ 2 K12 t K 22<br />
und Y (µ, K)–normalverteilt. Dann ist Y 1 |Y 2 = g ebenfalls normalverteilt<br />
mit Mittelwert µ 1 + K 12 K22 −1 (g − µ 2) und Kovarianz K 11 − K 12 K22 −1 Kt 12 .<br />
94