|
|
|
滚针轴承数据分析方法中的参数估计在近代统计学中，滚针轴承的参数估计及非参数估计是常用的数据分析方法。
在很多工程问题中,经常遇到随机变量X;的分布函数问题F(x(n); 0i, 0,", 0x)的形式已知,参数(0n, D,", 0x)未知,k为估计值个数;根据X样本值(x(1), x(2),”x(N)来估计参数(01, 02,, 0x),达到对随机变量X;的评估,这类问题是参数估计。简单地说，参数估计就是研究总体的分布类型已知，其中的参数未知，利用样本对这些参数进行评估的问题，如考虑某种电子元件的寿命，样本总体为X;,即使不知道X的分布类型，也可利用样本总体X;的均值E(X)、方差Var(X)估计电子元件的平均寿命和寿命的波动情况。 参数0;的点估计量如下: 0=(x(n))，i=1,-,m;n=1,2,-,N (2-23)式中，0;为被估计量， x(1n)为第i个样本的第n个数据，i 为样本序号，m为样本个数，n为数据序号，N为数据个数。 在某种优良意义下对0做出估计，即点估计就是寻找未知参数0估计量的方法，要求给定的方法能够在一定优良准则下达到或者接近最优的估计。参数的点估计主要有矩估计和极大似然估计，下面分别进行介绍。 矩估计： 英国统计学家皮尔逊在1894年提出矩估计的点估计方法，矩估计是根据样本矩是相应总体矩的相合估计，即样本矩依概率收敛于相应的总体矩，简单地说，就是只要样本容量充分大，样本矩作为相应总体矩的估计可以达到任意精确的程度。 根据这个原理，矩估计的k阶原点矩为 Ak=1兴，x(n)*， i=1,2,.,m;n=1,.-.N (2-24) N 式中，Ak为第i个样本的k阶原点矩，x(n)为第1个样本的第n个数据，i为样本序号，m为样本个数，n为数据序号，N为数据个数。 |
|
