Запитання з тегом «maximum-likelihood»

В аналізі виживання ви припускаєте, що час виживання rv буде експоненціально розподілений. Враховуючи тепер, що у мене є "результати" iid rv . Тільки деяка частка цих результатів насправді "повністю реалізована", тобто решта спостережень все ще "живі".XiXiX_ix1,…,xnx1,…,xnx_1,\dots,x_nXiXiX_i Якщо я хотів виконати оцінку ML для параметра швидкості розподілу, як я можу використовувати …

9 maximum-likelihood  references  survival  censoring  exponential-family 

Тривалість життя трьох електронних компонентів - і . Випадкові величини були модельовані як випадкова вибірка розміром 3 з експоненціального розподілу з параметром . Функція ймовірності приX1=3,X2=1.5,X1=3,X2=1.5,X_{1} = 3, X_{2} = 1.5,X3=2.1X3=2.1X_{3} = 2.1θθ\thetaθ>0θ>0\theta > 0 f3(x|θ)=θ3exp(−6.6θ)f3(x|θ)=θ3exp(−6.6θ)f_{3}(x|\theta) = \theta^{3} exp(-6.6\theta) , де .x=(2,1.5,2.1)x=(2,1.5,2.1)x = (2, 1.5, 2.1) Потім проблема переходить до …

9 distributions  maximum-likelihood  exponential 

За замовчуванням, коли ми використовуємо glmфункцію в R, він використовує метод ітераційно перезавантажених найменших квадратів (IWLS), щоб знайти максимальну оцінку ймовірності параметрів. Зараз у мене два питання. Чи гарантують оцінки IWLS глобальний максимум функції ймовірності? На основі останнього слайду в цій презентації, я думаю, це не так! Я просто хотів …

9 r  estimation  generalized-linear-model  maximum-likelihood  optimization 

Це проблема практики для середньострокового іспиту. Проблема - приклад алгоритму ЕМ. У мене виникають проблеми з частиною (f). Я перераховую частини (а) - (д) для завершення, і якщо я помилився раніше. Нехай - незалежні експоненціальні випадкові величини зі швидкістю . На жаль, фактичні значення не спостерігаються, і ми лише спостерігаємо, …

9 self-study  maximum-likelihood  latent-variable  expectation-maximization 

Я читав про MLE як метод генерування відповідного розподілу. Я натрапив на твердження, що максимальна оцінка ймовірності "має приблизні нормальні розподіли". Чи означає це, що якщо я застосовуватимуть MLE неодноразово над моїми даними та сімейством дистрибутивів, до яких я намагаюся підходити, отримані моделі будуть нормально розподілятися? Як саме послідовність розподілів …

9 normal-distribution  estimation  maximum-likelihood 

У Dixon, Coles ( 1997 ), вони використали максимальну оцінку ймовірності для двох модифікованих незалежних моделей Пуассона в (4.3) для моделювання балів у футболі. Я намагаюся використовувати R для того, щоб "відтворити" альфа та бета, а також параметри домашнього ефекту (стор. 274, таблиця 4), не використовуючи жодних пакетів (також використовуються …

9 r  modeling  maximum-likelihood  games 

Я вивчаю різні методи точкового оцінювання і читаю, що при використанні оцінок MAP проти ML, коли ми використовуємо "єдиний попередній", оцінки однакові. Чи може хтось пояснити, що таке "рівномірний" пріоритет, і навести кілька (простих) прикладів, коли оцінки MAP та ML будуть однаковими?

9 machine-learning  probability  bayesian  estimation  maximum-likelihood 

Якщо це розподіли Пуассона з параметром я розробив, що максимальна оцінка ймовірності - для даних . Тому ми можемо визначити відповідний оцінювач Моє запитання - як би ви розробили дисперсію цього оцінника?К1, … ,КнК1,…,КнK_1, \dots, K_nββ\betaβ^(к1, … ,кн) =1н∑i = 1нкiβ^(к1,…,кн)=1н∑i=1нкi\hat\beta (k_1, \dots, k_n) = \frac{1}{n} \sum_{i=1}^n k_iк1, … ,кнк1,…,кнk_1, …

9 variance  maximum-likelihood  poisson-distribution 

В даний час я працюю з ланцюгами Маркова і обчислюю максимальну оцінку ймовірності, використовуючи ймовірності переходу, як це запропоновано декількома джерелами (тобто, кількість переходів від a до b, поділене на кількість загальних переходів від a до інших вузлів). Тепер я хочу обчислити ймовірність MLE для журналу.

9 maximum-likelihood  markov-process  likelihood 

Як я можу оцінити 95% довірчі інтервали, використовуючи профілювання для параметрів, оцінених шляхом максимізації функції вірогідності журналу, використовуючи оптимальну величину R? Я знаю, що я можу асимптотично оцінити матрицю коваріації шляхом інвертування гессіана , але я стурбований тим, що мої дані не відповідають припущенням, необхідним для цього методу. Я вважаю …

9 r  confidence-interval  maximum-likelihood  optimization  profile-likelihood 

Припустимо, у нас є лінійна модель яка відповідає всім стандартним припущенням регресії (Гаусса-Маркова). Нас цікавить .уi=β0+β1хi+ϵiуi=β0+β1хi+ϵiy_i = \beta_0 + \beta_1 x_i + \epsilon_iθ = 1 /β1θ=1/β1\theta = 1/\beta_1 Запитання 1: Які припущення необхідні, щоб розподіл був чітко визначений? буде важливим --- будь-які інші?θ^θ^\hat{\theta}β1≠ 0β1≠0\beta_1 \neq 0 Питання 2: Додайте припущення, …

9 regression  distributions  maximum-likelihood  bootstrap 

Мені потрібно зробити висновок про позитивний параметр . Для активізації позитиву я перераметризував . Використовуючи процедуру MLE, я обчислював оцінку балів і se для . Властивість інваріантності MLE безпосередньо дає мені бальну оцінку , але я не впевнений, як обчислити se для . Заздалегідь дякую за будь-яку пропозицію чи посилання.pppp …

9 maximum-likelihood  standard-error  delta-method