Предположим, что в статистике нам предоставлены некоторые данные, и мы строят статистическую модель этих данных. Относительное правдоподобие сравнивает относительную правдоподобность различных моделей-кандидатов или различных значений параметра одной модели.
Предположим, что нам даны некоторые данные x, для которых у нас есть статистическая модель с параметром θ. Предположим, что оценка максимального правдоподобия для θ равна . Относительные вероятности других значений θ могут быть найдены путем сравнения вероятностей этих других значений с вероятностью . Относительная вероятность θ определяется как
где обозначает функцию правдоподобия. Таким образом, относительное правдоподобие - это отношение правдоподобия с фиксированным знаменателем .
Функция
- функция относительного правдоподобия.
Область правдоподобия - это набор всех значений θ, относительная вероятность которых больше или равна заданному порогу. В терминах процентов область вероятности p% для θ определяется как.
Если θ - единственный действительный параметр, область вероятности ap% обычно будет включать интервал реальных ценности. Если область действительно содержит интервал, то он называется интервалом правдоподобия.
Интервалы правдоподобия и, в более общем смысле, области правдоподобия используются для интервальной оценки в статистике, основанной на правдоподобии («правдоподобный» ”Статистика): они похожи на доверительные интервалы в частотной статистике и достоверные интервалы в байесовской статистике. Интервалы правдоподобия интерпретируются непосредственно с точки зрения относительной вероятности, а не с точки зрения вероятности охвата (частотный подход) или апостериорной вероятности (байесовство).
Для данной модели интервалы правдоподобия можно сравнить с доверительными интервалами. Если θ - единственный действительный параметр, то при определенных условиях интервал правдоподобия 14,65% (вероятность примерно 1: 7) для θ будет таким же, как доверительный интервал 95% (вероятность охвата 19/20). В несколько иной формулировке, подходящей для использования логарифма правдоподобия (см. теорема Уилкса ), тестовая статистика вдвое превышает разницу в логарифмической вероятности, а распределение вероятностей тестовой статистики составляет примерно распределение хи-квадрат со степенями свободы (df), равными разнице в df-s между двумя моделями (следовательно, интервал правдоподобия e такой же, как доверительный интервал 0,954; предполагая разницу в df- s равным 1).
Определение относительного правдоподобия можно обобщить для сравнения различных статистических моделей. Это обобщение основано на AIC (информационный критерий Акаике) или иногда на AICc (информационный критерий Акаике с исправлением).
Предположим, что для некоторых данных у нас есть две статистические модели, M 1 и M 2. Также предположим, что AIC (M 1) ≤ AIC (M 2). Тогда относительная вероятность M 2 относительно M 1 определяется следующим образом.
Чтобы увидеть, что это обобщение предыдущего определения, предположим, что у нас есть некоторая модель M с параметром θ (возможно, многомерным). Затем для любого θ установите M 2 = M (θ), а также установите M 1 = M (). Общее определение теперь дает тот же результат, что и предыдущее определение.