Page 289 - 4196
P. 289

еквівалентні  за  надійністю  виявлення  аномального  спо-
           стереження.

                 4 Вектор спостережень (складна гіпотеза)
                 Задачі  виявлення,  що  розглянуті  в  п.1,  2,  3  були,
           сформульовані в термінах перевірки простих гіпотез. На
           відміну від них задачі виявлення сигналів з вибірки спо-
           стережень   ,...,x 1  x n    з  невідомими  характеристиками
           розсіювання  відносяться  до  складних  гіпотез.  В  загаль-
           ному випадку розв’язок таких задач методом відношення
           вірогідності розглянуто в п.2.8.6. В залежності від кіль-
           кості аномальних спостережень розглянемо два випадки:
           І – одне аномальне спостереження в ряду  x     1 ,..., x ; ІІ –
                                                                n
           декілька аномальних спостережень в ряду  x    1 ,..., x .
                                                              n

                 Одне аномальне спостереження
                 Застосуємо  метод  відношення вірогідності  для  по-
           будови  оптимальної  статистики,  спрямованої  на  вияв-
           лення аномального спостереження  x     max   в ряду  x 1 ,..., x
                                                                     n
           Нехай  x     x  max    Перейдемо  до  випадкових  величин
                     1
             i    x   x i 1 ,  i   1 ,..., n  1.  Спочатку  знайдемо  оцінки
                  1
           максимальної вірогідності параметрів моделі   Z  .
                 а)  Оцінки  максимальної  вірогідності  параметрів
           моделі   Z  .

                 Нехай задана вибірка       ,..., 1  n 1  з нормально-
                                 2
           го розподілу   ,N  1   2  . Оцінка максимальної вірогіднос-
              €
           ті    векторного параметру     , 1  2   знаходиться з рів-
           няння

                       L   ;  €  sup  L  ;              (6.20)
                                      

                                       289
   284   285   286   287   288   289   290   291   292   293   294