Запитання з тегом «method-of-moments»

Максимальні оцінки вірогідності (MLE) є асимптотично ефективними; ми бачимо практичний підсумок у тому, що вони часто роблять краще, ніж метод моментних оцінок (MoM) (коли вони різняться), навіть при невеликих розмірах вибірки Тут "краще, ніж" означає в сенсі, як правило, має меншу дисперсію, коли обидві є неупередженими, і, як правило, меншою …

57 estimation  maximum-likelihood  mse  method-of-moments  efficiency 

Максимальна оцінка ймовірності часто призводить до упереджених оцінок (наприклад, її оцінка для дисперсійної вибірки є упередженою для розподілу Гаусса). Що тоді робить його таким популярним? Чому саме його так багато використовують? Також, що зокрема робить його кращим, ніж альтернативний підхід - метод моментів? Крім того, я помітив, що для Гаусса …

25 normal-distribution  maximum-likelihood  method-of-moments 

Чому в «Методі моментів» ми прирівнюємо вибіркові моменти до моментів популяції для пошуку оцінювача точки? Де логіка цього лежить?

21 intuition  method-of-moments 

Ми, як правило, знайомимося з методом оцінювачів моментів, "прирівнюючи моменти населення до їх вибіркового аналога", поки ми не оцінимо всі параметри сукупності; так що у випадку нормального розподілу нам знадобляться лише перший та другий моменти, оскільки вони повністю описують цей розподіл. Е( X) = μ⟹∑нi = 1Хi/ n= X¯Е(Х)=мк⟹∑i=1нХi/н=Х¯E(X) = …

19 mathematical-statistics  lognormal  moments  method-of-moments 

Мені було задано це питання на днях і ніколи раніше його не розглядали. Моя інтуїція випливає з переваг кожного оцінювача. Максимальна ймовірність є переважно тоді, коли ми впевнені в процесі генерації даних, оскільки, на відміну від методу моментів, він використовує знання всього розподілу. Оскільки оцінювачі MoM використовують лише інформацію, що …

17 mathematical-statistics  maximum-likelihood  estimators  method-of-moments 

Я намагаюся зрозуміти зв’язок між функцією, що генерує момент, і характерною функцією. Функція генерування моментів визначається як: MX(t)=E(exp(tX))=1+tE(X)1+t2E(X2)2!+⋯+tnE(Xn)n!MX(t)=E(exp⁡(tX))=1+tE(X)1+t2E(X2)2!+⋯+tnE(Xn)n! M_X(t) = E(\exp(tX)) = 1 + \frac{t E(X)}{1} + \frac{t^2 E(X^2)}{2!} + \dots + \frac{t^n E(X^n)}{n!} Використовуючи розширення ряду exp(tX)=∑∞0(t)n⋅Xnn!exp⁡(tX)=∑0∞(t)n⋅Xnn!\exp(tX) = \sum_0^{\infty} \frac{(t)^n \cdot X^n}{n!}, Я можу знайти всі моменти розподілу для …

17 probability  moments  mgf  method-of-moments  characteristic-function 

Я бачу в різних місцях, що ANOVA робить свою оцінку методом моментів. Мене бентежить це твердження, оскільки, хоча я не знайомий з методом моментів, моє розуміння полягає в тому, що це щось інше і не еквівалентне методу максимальної ймовірності; з іншого боку, ANOVA можна розглядати як лінійну регресію з категоричними …

13 anova  mixed-model  maximum-likelihood  method-of-moments 

Чи може хтось пояснити мені різницю між методом моментів і ГММ (загальним методом моментів), їх співвідношенням, і коли слід використовувати той чи інший?

13 estimation  method-of-moments  generalized-moments 

Загалом, здається, що метод моментів - це лише узгодження спостережуваної середньої вибірки або відхилення від теоретичних моментів для отримання оцінок параметрів. Це часто те саме, що MLE для експоненціальних сімей, я збираю. Однак важко знайти чітке визначення методу моментів та чітке обговорення того, чому MLE здається загалом сприятливим, хоча він …

13 maximum-likelihood  method-of-moments 

Існує досить багато методів оцінки параметрів. MLE, UMVUE, MoM, теоретичні рішення та інші, схоже, вони мають досить логічний випадок, чому вони корисні для оцінки параметрів. Чи будь-який один метод кращий за інші, або це лише питання про те, як ми визначаємо, що таке "найкраще підходить" оцінка (подібно до того, як …

12 estimation  mathematical-statistics  maximum-likelihood  method-of-moments  umvue 

Як пояснити узагальнені методи моментів і як він використовується для нестатиста? Поки що я іду з цим: це те, що ми використовуємо для оцінки таких умов, як середні значення та зміни на основі зібраних нами зразків. Як пояснити частину, де ви оцінюєте вектор параметрів, мінімізуючи дисперсію?

11 generalized-moments  method-of-moments 

Приклади: у мене є речення в описі посади: "Старший інженер Java у Великобританії". Я хочу використовувати модель глибокого навчання, щоб передбачити її як 2 категорії: English і IT jobs. Якщо я використовую традиційну модель класифікації, вона може передбачити лише 1 мітку з softmaxфункцією на останньому шарі. Таким чином, я можу …

9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty