Rozdziaª 7. Rekonstruk ja widma - konstruk ja estymatorów
7.3. Estymator statysty zny
Przedstawimy teraz zupeªne inne podej± ie do estyma ji wektora
Θ
, bazuj¡ e na twierdzeniu o Gaussowskim harakterze uktua ji momentów ma ierzowy h.Nie-zbdne oka»¡ si tak»e wzory wyra»aj¡ e momenty ma ierzowe drugiego rzdu w
funk ji momentów ma ierzowy h pierwszego rzdu. Metoda ta zostaªa
zapropono-wana w pra y doktorskiej [39℄ a nastpnie w [40 ℄. W porównaniu do estymatora
anality znego konstruk ja estymatora statysty znego jest bardziej skomplikowana a
jego implementa ja wymagazapewnienia zna znie wikszej mo yobli zeniowej.
Rozwa»my zatem uktua je kolejny h momentów ma ierzowy h oraz zdeniujmy
na tejpodstawie niesko« zonywektoruktua ji.
Deni ja11(Wektoruktua jimomentówma ierzowy h) Nie hzespóª
ma- ierzowy
A
N
posiada grani zny rozkªad momentów 2-go rzdu. Fluktua je momen-tów ma ierzowy h pierwszego rzdu zapiszemy w posta i wektora o niesko« zonymwymiarze w posta i
(v)
j
=
TrA
j
−
TrA
j
.
Rozkªad rozwa»any h uktua ji momentów ma ierzowy h pierwszego rzdu
przyj-muje dosy¢sz zególn¡posta¢. Okazujesi,»e wprzypadkudu»y hma ierzy
uktu-a jetedadz¡siopisa¢wielowymiarowymrozkªademGaussa. Zapiszemytwªasno±¢
w posta i twierdzenia, któregooryginaln¡ posta¢ orazdowódznale¹¢ mo»naw
Twierdzenie1(Ouktua ja hmomentówma ierzowy h) We¹my pod uwag
zespóª ma ierzy
H
o du»y h wymiara h, posiadaj¡ y grani zny rozkªad momentów 2-go rzdu. Rozwa»myniesko« zonywektor uktua ji dla tego zespoªu(v
Θ
)
j
=
TrH
j
− <
TrH
j
>,
który mo»emy równie» zapisa¢w posta i
(v
Θ
)
j
=
TrH
j
− Nα
Hj
.
Wów zas rozkªadwektora
v
Θ
opisanyjest wielowymiarowymrozkªadem Gaussa,przy zym ma ierz dyspersji tego rozkªadu tworz¡ momentyma ierzowe drugiego rzdu(v
Θ
)
j
∝ N(µ
Θ
, Q
Θ
),
gdzie[Q
Θ
]
l,m
= α
Hl,m
.
Indeksy
Θ
ozna zaj¡ zale»no±¢ wektorav
oraz ma ierzyQ
od rozkªadu widma gra-ni znego bd¡ egoprzedmiotem naszego zainteresowania. Równo ze±niezauwa»my,»e Twierdzenie 1 jest wa»ne dlama ierzy o du»y h rozmiara h, ale niekonie znie w
grani y
r → 0
. W prakty e ozna za to, »e mo»emy je z powodzeniem zapisa¢ dla ma ierzyH
,awi dlama ierzypo hodz¡ ejodsko« zonegowektoraobserwa jiX
.Powy»sze twierdzenie peªni z punktu widzenia naszy h rozwa»a« niezwykle wa»n¡
rol, stanowi bowiem punkt wyj± iadla konstruk ji estymatora statysty znego. Na
jegopodstawiefunk jgsto± iprawdopodobie«stwawektora
v
Θ
zapiszemywposta if (v
Θ
) = µ
θ
+ 1
(2π)
n
2
| det Q
Θ
|
12
exp
−1
2v
†
Θ
Q
−1Θ
v
Θ
.
Kieruj¡ si zasad¡ maksymalnej wiarygodno± i bdziemyposzukiwa¢ takiego
wek-tora
Θ
,który maksymalizuje gsto±¢ prawdopodobie«stwaf (v
Θ
)
. Zadanie staje si zna znieªatwiejszepozlogarytmowaniuwyra»enia, ojestformalniepoprawne, gdy»logarytm jest funk j¡ monotoni zn¡ natomiast gsto±¢ prawdopodobie«stwa
przyj-mujewarto± inieujemne. Bdziemyzatemrozwa»a¢pewn¡funk j pomo ni z¡
g
(Θ)
zdeniowan¡ jako
g
(Θ)
= v
†Θ
Q
−1Θ
v
Θ
+ log det Q
Θ
.
Takwi estymator
Θb
parametrówwidmagrani znego zdeniowanybdziejako pa-rametrΘ
ekstremalizuj¡ yzapisan¡ powy»ejfunk jpomo ni z¡g
(Θ)
, ozapiszemy jakob
Θ = Θ
taki, »e:g
(Θ)
= v
Θ†
Q
−1Θ
v
Θ
+ log det Q
Θ
osi¡ga minimum. (7.11) Zgodnieztre± i¡Twierdzenia1ma ierzdyspersjiQ
Θ
zdeniowana jestpoprzez mo-menty ma ierzowe drugiego rzduα
H
l,m
, natomiast wektorv
Θ
zdeniowany jest za pomo ¡ momentów ma ierzowy h pierwszegorzduα
Hk
orazobserwa ji zwi¡zanejz konkretn¡warto± i¡Θ
wposta ieksperymentalnejma ierzykowarian jiH
. Zarówno wektorv
Θ
orazma ierzQ
Θ
maja niesko« zonywymiar.podstaw konstruk ji u»yte znego narzdzia w momen ie kiedy zdoªamy zapisa¢ je
w posta izawieraj¡ ejwielko± i bezpo±rednio mierzalne, zyli ma ierz
S
, parametrr
oraz poszukiwane parametry widma, zyli warto± i wªasneλ
i
wraz z odpowia-daj¡ ymi im prawdopodobie«stwamip
i
. Jak ju» wspomniano istniej¡ ± isªe wzory pozwalaj¡ ezapisa¢momentyma ierzowedrugiegorzduzapomo ¡momentówma- ierzowy h pierwszego rzdu, dziaªaj¡ e zarówno w przypadku ma ierzy
Σ
jak te»S
. Sposób generowania wzorów zostaª wyja±niony w Rozdziale 6.2, natomiast w Dodatku Czostaªy one wypisanedorzduα
5,5
.Mo»emywi przyj¡¢,»erela je
α
S
l,m
= f
α
S
k
2·max{l,m}
k=1
s¡znanedotakiegorzdu
doktóregobdzietopotrzebne,przy zym zaspotrzebnynai hwygenerowaniejest
w tymmomen ie kwesti¡drugorzdn¡. Przy ustalonej warto± i
K
max
wyra»enie nag
Θ
mo»emyzapisa¢ wposta ig
Θ
= g
Θ
α
Sk
2·Kmax
k=1
, S
.
Pozostaje przej±¢ od zapisu zawieraj¡ ego momenty
α
S
do zapisu zawieraj¡ ego
momenty
α
Σ
. Jest to zabieg podobny do wykonanego przy wyprowadzeniu
me-tody anality znej, jednak zauwa»my, »e tym razem potrzebne bd¡ zwi¡zki
α
S
k
=
f
α
Σm
k
m=1
, r
, a wi wstron odwrotn¡ni» poprzednio. Zakªadamy, »e rela je
tes¡znane. Po skorzystaniu zni h wyra»enie na
g
Θ
przyjmuje posta¢g
Θ
= g
Θ
α
Σi
2·Kmax
i=1
, S, r
.
Kolejnykrokpolegana zaobserwowaniu, »e je±liznamy wymiarwektora
Θ
wów zas momentygrani zneα
Σi
mo»nazapisa¢za pomo ¡ skªadowy hwektoraΘ
,gdy»α
Σk
= 1
N
D
Tr( ˜Σ)
k
E
= 1
N
D
Tr(Λ
Θ
)
k
E
= 1
N
X
i
λ
Σi
k
p
Σi
.
Wogólnymprzypadkuniewszystkieskªadowewektora
Θ
musz¡by¢niezale»ne. Je±li posiadamydodatkow¡wiedznatematwizówª¡ z¡ y hniektóreparametrywidma,tostosuj¡ powy»sz¡nota jwizytemo»nawniezwykleprostyiprzejrzystysposób
zaimplementowa¢.
Ostate znie rozwa»an¡ funk j
g
Θ
jeste±my w stanie zapisa¢ expli ite w interesu-j¡ y h naszmienny hg
Θ
= g
Θ
λ
Σi
, p
Σi
Imax
i=1
, S, r
Estyma jawektora
Θ
polega¢ wi bdzie na zapisaniu funk jig
Θ
wpowy»szej po-sta ianastpnieodszukaniuwarto± iskªadowy hwektoraΘ
,któryj¡minimalizuje.Wartowtym momen ie zauwa»y¢, »eposzukiwanieekstremumfunk jiwielu
zmien-ny h niesie ze sob¡pewn¡u i¡»liwo±¢, mianowi ie konie zno±¢ wystartowania
algo-rytmuzjakiego±punktu,któregopoªo»enieniestetyzrozwa»anejmetodyniewynika.
Na domiar zªego w wielu sytua ja h jego wybór mo»e by¢ de yduj¡ y dla
uzyska-nego wyniku,gdy»funk japomo ni zamo»enieposiada¢ekstremumglobalnegoale
wi ej ekstremów lokalny h. eby nasze postpowanie miaªo w takim przypadku
w ogóle sens punkt startowy musi by¢ poªo»ony wystar zaj¡ o blisko 'wªa± iwego'
ekstremum, to zna zy ogólnie mówi¡ na tyle blisko, »eby pro edura poszukiwania
ekstremumnietraaªa dos¡siedniegoekstremum. Jesttoo zywi± ieproblemwa»ny
ju» przez sam fakt zaistnienia. Ponadto im wiksza li zba zmienny h w funk ji
g
Θ
tym wi ej ekstremów lokalny h mo»e si pojawi¢. W prakty e punkt startowy dla
metodystatysty znej jest bardzo wa»nyi tym samym musi by¢starannie wybrany.
Mo»na na przykªadza punktstartowy przyj¡¢ wynik ko« owy estyma ji wykonanej
inn¡ metod¡, naprzykªad opisan¡ wpoprzednim rozdziale metod¡anality zn¡, lub
te»skorzysta¢ z dodatkowy h informa ji,o ile takieo zywi± ieposiadamy.
Z powodu nietrywialnego problemu wyboru punktustartowego w prakty e w
wik-szo± iprzypadkówestymatorstatysty znynale»ytraktowa¢jakokorektinnego
esty-matora,odktóregopo hodzipunktstartowy. Dokªadnietakasytua jamamiejs ew
naszymprzypadku,estymatorstatysty znysªu»ydoobli zenia poprawkidlawyniku
uzyskanegoza pomo ¡ estymatora anality znego.
Z o zywisty h wzgldów li zba niezale»ny h zmienny h w rozwa»anym modelu nie
mo»e by¢wiksza od li zbyrówna« którejeste±mywstanie zapisa¢, st¡dspeªniony
musi by¢ warunek
dim(v
Θ
) ≥ dim(Θ)
. Zgodnie z sugestiami autorów metody [40 ℄ wprakty zny h zastosowania h najlepiej »ebywymiarwektorav
Θ
byªrównyli zbie niezale»ny h zmienny h.Podsumujmy zatem krótko gªówne kroki konstruk ji estymatora
statysty z-nego.
wykonujemypomiarotrzymuj¡ ma ierzobserwa ji
X
, obli zamyS
orazmomentyα˜
S
k
,zapisujemy funk j
g
Θ
zgodnie ze wzorem(7.11); stosujemywzory wyra»aj¡ emomentyα
S
l,m
przezα
S
k
2·max{l,m}
k=1
anastpnie wzorywyra»aj¡ e
α
Sk
przezα
Σm
k
m=1
,momenty
α
Σk
zapisujemy zapomo ¡λ
i
orazp
i
,uzyskuj¡ zapis funk jig
Θ
wposta i(7.12),
ustalamypunkt startowy
Θ
0
,wpobli»u któregospodziewamysiodnale¹¢ minimum funk jig
Θ
,szukamy minimum funk ji
g
Θ
w zmienny hΘ
uzyskuj¡ estyma j para-metrówwidmaΘˆ
.skomplikowana. Wefek ienale»ysi spodziewa¢, »eobli zenia numery zne bd¡
wymagaªy du»ej mo y obli zeniowej. Estymator anality zny
najprawdopodob-niej jest zna znie mniej wymagaj¡ y pod tym wzgldem. Przypusz zenia te w
sposóbzde ydowany potwierdziªy si pod zaswykonywaniasymula jiopisany h
wdalszej z± ipra y.