Запитання з тегом «maximum-likelihood»

метод оцінки параметрів статистичної моделі шляхом вибору значення параметра, що оптимізує ймовірність спостереження за даною вибіркою.

1
Коли не можна частотистський розподіл вибірки трактувати як байєсівський задній у регресійних настройках?
Мої актуальні запитання є в останніх двох абзацах, але мотивувати їх: Якщо я намагаюся оцінити середнє значення випадкової величини, яка слід за нормальним розподілом з відомою дисперсією, я прочитав, що введення рівномірного до середнього результату призводить до заднього розподілу, пропорційного функції ймовірності. У цих ситуаціях достовірний інтервал Байєса ідеально перегукується …

2
Яка максимальна оцінка правдоподібності коваріації біваріантних нормальних даних, коли середнє значення та дисперсія відомі?
Припустимо, у нас є випадкова вибірка з двовимірного нормального розподілу, який має нулі як засоби, а відхилення - тому єдиний невідомий параметр - коваріація. Що таке MLE коваріації? Я знаю, що це має бути щось на зразок але як ми це знаємо?1n∑nj=1xjyj1n∑j=1nxjyj\frac{1}{n} \sum_{j=1}^{n}x_j y_j

1
Оцінки параметрів для нормального розподілу перекосів
Які формульні параметри оцінюють для перекосу норми? Якщо ви можете, виведення через MLE або маму було б також чудово. Дякую Редагувати . У мене є набір даних, для яких я можу візуально розповісти за сюжетами, злегка перекошений ліворуч. Я хочу оцінити середнє значення та дисперсію, а потім зробити перевірку на …

2
Скільки обчислення необхідно для розуміння максимальної оцінки ймовірності?
Я намагаюся скласти план навчання для вивчення ПНЖ. Для цього я намагаюся розібратися, який мінімальний рівень обчислення, необхідний для розуміння MLE. Чи достатньо зрозуміти основи обчислення (тобто знайти мінімум та максимум функцій), щоб зрозуміти MLE?

2
Об'єктивний оцінювач для AR (
Розглянемо AR (ppp) модель (припускаючи нульове середнє значення для простоти): xт=φ1хt - 1+ …+φpхт - р+εтxт=φ1хт-1+…+φpхт-p+εт x_t = \varphi_1 x_{t-1} + \dotsc + \varphi_p x_{t-p} + \varepsilon_t Оцінювач OLS (еквівалентний умовно- максимальній оцінці ймовірності) дляφ : = (φ1, … ,φp)φ: =(φ1,…,φp)\mathbf{\varphi} := (\varphi_1,\dotsc,\varphi_p)як відомо в недавній темі , як відомо, …

1
Максимальний вірогідний оцінювач негативного біноміального розподілу
Питання таке: Випадкова вибірка з n значень збирається з негативного біноміального розподілу з параметром k = 3. Знайдіть максимальну оцінку ймовірності параметра π. Знайдіть асимптотичну формулу для стандартної помилки цього оцінювача. Поясніть, чому негативний біноміальний розподіл буде приблизно нормальним, якщо параметр k досить великий. Які параметри цього нормального наближення? Моя …

4
Чому методи регресії з найменшими квадратами та максимальною ймовірністю не є еквівалентними, коли помилки зазвичай не поширюються?
Назва говорить все це. Я розумію, що найменші квадрати та максимальна ймовірність дадуть однаковий результат для коефіцієнтів регресії, якщо помилки моделі нормально розподіляються. Але що станеться, якщо помилки нормально не поширюються? Чому ці два методи вже не рівнозначні?

1
Чи нормальне значення MLE асимптотично, коли ?
Припустимо, має pdf(X,Y)(X,Y)(X,Y) fθ(x,y)=e−(x/θ+θy)1x>0,y>0,θ>0fθ(x,y)=e−(x/θ+θy)1x>0,y>0,θ>0f_{\theta}(x,y)=e^{-(x/\theta+\theta y)}\mathbf1_{x>0,y>0}\quad,\,\theta>0 Тому щільність вибірки отримана з цієї сукупності, тому(X,Y)=(Xi,Yi)1≤i≤n(X,Y)=(Xi,Yi)1≤i≤n(\mathbf X,\mathbf Y)=(X_i,Y_i)_{1\le i\le n} gθ(x,y)=∏i=1nfθ(xi,yi)=exp[−∑i=1n(xiθ+θyi)]1x1,…,xn,y1,…,yn>0=exp[−nx¯θ−θny¯]1x(1),y(1)>0,θ>0gθ(x,y)=∏i=1nfθ(xi,yi)=exp⁡[−∑i=1n(xiθ+θyi)]1x1,…,xn,y1,…,yn>0=exp⁡[−nx¯θ−θny¯]1x(1),y(1)>0,θ>0\begin{align} g_{\theta}(\mathbf x,\mathbf y)&=\prod_{i=1}^n f_{\theta}(x_i,y_i) \\&=\exp\left[{-\sum_{i=1}^n\left(\frac{x_i}{\theta}+\theta y_i\right)}\right]\mathbf1_{x_1,\ldots,x_n,y_1,\ldots,y_n>0} \\&=\exp\left[-\frac{n\bar x}{\theta}-\theta n\bar y\right]\mathbf1_{x_{(1)},y_{(1)}>0}\quad,\,\theta>0 \end{align} Оцінювач максимальної ймовірності θθ\theta може бути отриманий як θ^(X,Y)=X¯¯¯¯Y¯¯¯¯−−−√θ^(X,Y)=X¯Y¯\hat\theta(\mathbf X,\mathbf Y)=\sqrt\frac{\overline X}{\overline Y} Хочеться знати, нормальний чи поширений цей MLE нормальний …

1
Чи існує якась реальна статистика, що стоїть за «теоремою піфагора про бейсбол»?
Я читаю книгу про саберметрію, зокрема про математику Уейна Вінстона, і в першій главі він вводить кількість, яку можна використати для прогнозування виграшів команд: і він, здається, натякає, що на півдорозі сезону його можна використовувати для прогнозування коефіцієнта виграшу краще, ніж коефіцієнт виграшу першої половини сезону. Він узагальнює формулу до …

1
Знайдіть унікальний MVUE
Це питання пов'язане із вступом Роберта Хогга до математичної статистики 6-ї версії проблеми 7.4.9 на сторінці 388. Нехай X1,...,XnX1,...,XnX_1,...,X_n бути IID з PDF - f(x;θ)=1/3θ,−θ<x<2θ,f(x;θ)=1/3θ,−θ<x<2θ,f(x;\theta)=1/3\theta,-\theta0 . (А) Знайти ОМП & thetas з & thetasθ^θ^\hat{\theta}θθ\theta (Б) є чи θ достатньою для статистики & thetas ? Чому?θ^θ^\hat{\theta}θθ\theta (С) (n+1)θ^/n(n+1)θ^/n(n+1)\hat{\theta}/n унікальний MVUE з …

1
Виведення ймовірності функції для IV-пробіта
Отже, у мене є двійкова модель, де - латентна непомічена величина, а y 1 ∈ { 0 , 1 } спостерігається. y 2 визначає y 1 і z 2 , таким чином, є моїм інструментом. Отже, коротше, модель є. y ∗ 1y∗1y1∗y_1^*y1∈{0,1}y1∈{0,1}y_1 \in \{0,1\}y2y2y_2y1y1y_1z2z2z_2 Оскільки умови помилки не є незалежними, …

1
Максимальний оцінювач вірогідності для мінімуму експоненціальних розподілів
Я застряг у тому, як вирішити цю проблему. Отже, у нас є дві послідовності випадкових змінних, та для . Тепер і це незалежні експоненціальні розподіли з параметрами і . Однак замість того, щоб спостерігати і , ми замість та спостерігаємо .XiXiX_i я = 1 , . . . , n …

2
Узагальнений тест коефіцієнта ймовірності журналу для моделей, які не вкладені
Я розумію, що якщо у мене дві моделі A і B і A вкладено в B, то, зважаючи на деякі дані, я можу підігнати параметри A і B за допомогою MLE і застосувати узагальнений тест коефіцієнта ймовірності журналу. Зокрема, розподіл тесту повинно бути з ступенями свободи , де є різниця …

1
Загальні теореми про послідовність та асимптотичну нормальність максимальної вірогідності
Мене цікавить хороша довідка щодо результатів щодо асимптотичних властивостей оцінювачів максимальної ймовірності. Розглянемо модель , де е п ( х | & thetas ; ) є п - мірне щільність і & thetas п є MLE на основі вибірки X 1 , ... , X n від f n ( …

1
Як я можу включити інноваційний зовнішній вигляд під спостереження 48 у свою модель ARIMA?
Я працюю над набором даних. Після використання деяких методів ідентифікації моделі я вийшов із моделлю ARIMA (0,2,1). Я використав detectIOфункцію в пакеті TSAв R, щоб виявити інноваційний зовнішній вигляд (IO) під час 48-го спостереження за моїм оригінальним набором даних. Як я включу цей зовнішній вигляд у свою модель, щоб я …
10 r  time-series  arima  outliers  hypergeometric  fishers-exact  r  time-series  intraclass-correlation  r  logistic  glmm  clogit  mixed-model  spss  repeated-measures  ancova  machine-learning  python  scikit-learn  distributions  data-transformation  stochastic-processes  web  standard-deviation  r  machine-learning  spatial  similarities  spatio-temporal  binomial  sparse  poisson-process  r  regression  nonparametric  r  regression  logistic  simulation  power-analysis  r  svm  random-forest  anova  repeated-measures  manova  regression  statistical-significance  cross-validation  group-differences  model-comparison  r  spatial  model-evaluation  parallel-computing  generalized-least-squares  r  stata  fitting  mixture  hypothesis-testing  categorical-data  hypothesis-testing  anova  statistical-significance  repeated-measures  likert  wilcoxon-mann-whitney  boxplot  statistical-significance  confidence-interval  forecasting  prediction-interval  regression  categorical-data  stata  least-squares  experiment-design  skewness  reliability  cronbachs-alpha  r  regression  splines  maximum-likelihood  modeling  likelihood-ratio  profile-likelihood  nested-models 

Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.