Pytania otagowane jako maximum-likelihood

metoda szacowania parametrów modelu statystycznego poprzez wybranie wartości parametru, która optymalizuje prawdopodobieństwo obserwacji danej próbki.

1
Szacunek ML rozkładu wykładniczego (z cenzurowanymi danymi)
W analizie przeżycia zakładasz, że czas przeżycia rv jest rozkładany wykładniczo. Biorąc pod uwagę teraz, że mam „wyniki” iid rv . Tylko część tych wyników jest w rzeczywistości „w pełni zrealizowana”, tzn. Pozostałe obserwacje są nadal „żywe”.XiXiX_ix1,…,xnx1,…,xnx_1,\dots,x_nXiXiX_i Jeśli chciałbym przeprowadzić oszacowanie ML dla parametru częstości rozkładu, jak mogę wykorzystać niezrealizowane …
1
Jak obliczyć funkcję prawdopodobieństwa
Żywotność 3 elementów elektronicznych wynosi a . Zmienne losowe modelowano jako losową próbkę wielkości 3 z rozkładu wykładniczego z parametrem . Funkcja prawdopodobieństwa wynosi dlaX1= 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 fa3)( x | θ ) =θ3)e x p ( …
2
Oszacowanie parametrów za pomocą uogólnionych modeli liniowych
Domyślnie, gdy używamy glmfunkcji w R, używa iteracyjnie przeważonej metody najmniejszych kwadratów (IWLS) w celu znalezienia parametrów maksymalnego prawdopodobieństwa. Teraz mam dwa pytania. Czy szacunki IWLS gwarantują globalne maksimum funkcji wiarygodności? Na podstawie ostatniego slajdu w tej prezentacji, myślę, że nie! Chciałem się tylko upewnić. Czy możemy powiedzieć, że przyczyną …
2
Algorytm EM Praktyka Problem
Jest to problem praktyczny podczas egzaminu śródokresowego. Problemem jest przykład algorytmu EM. Mam problem z częścią (f). Podaję części (a) - (e) do uzupełnienia i na wypadek, gdyby wcześniej popełniłem błąd. Niech będą niezależnymi wykładniczymi zmiennymi losowymi o współczynniku . Niestety rzeczywiste wartości nie są przestrzegane i obserwujemy tylko, czy …
1
W jaki sposób oszacowanie maksymalnego prawdopodobieństwa ma przybliżony rozkład normalny?
Czytałem o MLE jako metodzie generowania dopasowanego rozkładu. Natknąłem się na stwierdzenie , że szacunki maksymalnego prawdopodobieństwa „mają przybliżone rozkłady normalne”. Czy to oznacza, że ​​jeśli zastosuję MLE wielokrotnie w stosunku do moich danych i rodziny dystrybucji, do której próbuję się dopasować, modele, które otrzymam, będą normalnie dystrybuowane? Jak dokładnie …
4
Modelowanie wyników piłkarskich
W Dixon, Coles ( 1997 ) wykorzystali oszacowanie maksymalnego prawdopodobieństwa dla dwóch zmodyfikowanych niezależnych modeli Poissona w (4.3) do modelowania wyników w piłce nożnej. Próbuję użyć R, aby „odtworzyć” alfa i beta, a także parametry efektu domowego (str. 274, tabela 4) bez użycia jakichkolwiek pakietów (użycie zwykłych niezależnych modeli Poissona …
2
W jaki sposób mundur wcześniejszy prowadzi do tych samych szacunków na podstawie maksymalnego prawdopodobieństwa i trybu z tyłu?
Badam różne metody szacowania punktowego i czytam, że kiedy używam oszacowań MAP vs ML, kiedy używamy „jednolitego wcześniejszego”, oszacowania są identyczne. Czy ktoś może wyjaśnić, czym jest „jednolity” uprzedni i podać (proste) przykłady, kiedy estymatory MAP i ML będą takie same?
2
Znalezienie wariancji estymatora dla maksymalnego prawdopodobieństwa rozkładu Poissona
Jeśli są identyczne z rozkładami Poissona z parametrem Wypracowałem, że maksymalne oszacowanie prawdopodobieństwa to dla danych . Dlatego możemy zdefiniować odpowiedni estymator Moje pytanie brzmi: jak opracowałbyś wariancję tego estymatora?K1,…,KnK1,…,KnK_1, \dots, K_nββ\betaβ^(k1,…,kn)=1n∑i=1nkiβ^(k1,…,kn)=1n∑i=1nki\hat\beta (k_1, \dots, k_n) = \frac{1}{n} \sum_{i=1}^n k_ik1,…,knk1,…,knk_1, \dots, k_nT=1n∑i=1nKi.T=1n∑i=1nKi.T = \frac{1}{n} \sum_{i=1}^n K_i . W szczególności, ponieważ każdy …
2
Jak mogę oszacować 95% przedziały ufności za pomocą profilowania parametrów oszacowanych przez maksymalizację funkcji wiarygodności logarytmicznej przy użyciu funkcji Optim w R?
Jak mogę oszacować 95% przedziały ufności za pomocą profilowania parametrów oszacowanych przez maksymalizację funkcji wiarygodności logarytmicznej przy użyciu funkcji Optim w R? Wiem, że mogę asymptotycznie oszacować macierz kowariancji, odwracając hessian , ale obawiam się, że moje dane nie spełniają założeń wymaganych do prawidłowości tej metody. Wolałbym oszacować przedziały ufności …
1
Rozkład odwrotności współczynnika regresji
Załóżmy, że mamy model liniowy który spełnia wszystkie założenia regresji standardowej (Gaussa-Markowa). Interesuje nas .yi=β0+β1xi+ϵiyi=β0+β1xi+ϵiy_i = \beta_0 + \beta_1 x_i + \epsilon_iθ=1/β1θ=1/β1\theta = 1/\beta_1 Pytanie 1: Jakie założenia są konieczne, aby rozkład był dobrze zdefiniowany? byłoby ważne --- jakieś inne?θ^θ^\hat{\theta}β1≠0β1≠0\beta_1 \neq 0 Pytanie 2: Dodaj założenie, że błędy mają rozkład …
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.