Page 148 - 4512

Верхня частина вікна є інформаційною. У моделі є три па-
раметра, які слід оцінити за значеннями незалежних і залежної
змінних.
У програмі використовується метод максимальної вірогі-
дності. Для знаходження точки максимуму функції вірогідності
можуть використовуватися різні чисельні методи, представлені
в розділі Estimation Method (Метод оцінювання).
У нижній частині вікна можна вибрати метод оцінювання
параметрів (квазі-ньютонівський, симплекс, Розенброка та ін.),
а також задати число ітерацій, критерій збіжності, початкові
значення і величину кроку.
Методи оцінювання є ітераційними - вони починають ро-
боту з набору попередніх оцінок, які надалі послідовно уточня-
ються. При першій ітерації розмір кроку визначає, як сильно мі-
нятимуться параметри. Критерій збіжності визначає, коли іте-
раційний процес можна припинити. Процес ітерацій можна зу-
пинити, коли зміна функції втрат на кожному кроці стає менше
визначеної величини. Модуль Нелінійне оцінювання має визна-
чені за умовчанням значення для усіх цих параметрів. Ці зна-
чення підходять в більшості випадків.
Відмітимо, найнеприємнішою проблемою при мінімізації
функції без обмежень являються локальні мінімуми. Напри-
клад, при невеликому зміщенні значення параметра у будь-
якому напрямі функція втрат майже не змінюється. Проте,
якщо ми пересунемо параметр в абсолютно іншу область, зна-
чення функції втрат може істотно зменшитися. Можна уявити
собі такі локальні мінімуми, як невеликі западини поверхні фу-
нкції втрат.
У більшості додатків локальні мінімуми призводять до не-
правдоподібно великих або неправдоподібно малих значень па-
раметрів з дуже великими стандартними помилками. У таких
випадках слід використати інші початкові дані і повторити по-
шук мінімуму ще раз.
Відмітимо також, що Симплекс-метод, пропонований
програмою, нечутливий до таких ситуацій, тому він може бути
використаний для відшукування відповідних початкових зна-
чень для складних функцій.
У цьому прикладі виберемо метод оцінювання - Симплекс
і Квазіньютонівський.

147