Parametre kestirimi için binom dağılımı için olasılık fonksiyonu nasıl türetilir?


22

Göre 8ED Mühendisleri için Miller ve Freund Olasılık ve İstatistik (pp.217-218), olabilirlik fonksiyonu binom dağılımı (Bernoulli denemelerinin) için maksimize edilebilir olarak verilmiştir

L(p)=Πben=1npxben(1-p)1-xben

Bu denkleme nasıl ulaşılır? Poisson ve Gaussian'ın diğer dağıtımları ile ilgili bana oldukça açık görünüyor;

L(θ)=Πben=1nPDF’nin veya PMF’nin dist.

Ancak binom için bir tane sadece biraz farklı. Dürüst olmak gerekirse, nasıl oldu

nCx px(1-p)n-x

olmak

pxben(1-p)1-xben

Yukarıdaki olasılık fonksiyonunda?

Yanıtlar:


25

En yüksek olabilirlik tahmininde, ; bununla birlikte, bunu maksimize etmek , sabit bir için değerini maksimize . p x ( 1 - p ) n - x xnCx px(1-p)n-xpx(1-p)n-xx

Aslında, Gauss ve Poisson olasılıkları, onların önde gelen sabitlerini de içermiyor, bu yüzden bu durum sadece


OP'lerin Yorumlanması

İşte biraz daha detay:

İlk olarak, bir toplam ise başarı sayısı x_i tek deneme (0 ya da 1) 'dir. Bu nedenle:xxben

Πben=1npxben(1-p)1-xben=pΣ1nxben(1-p)Σ1n1-xben=px(1-p)n-x

Bu, olasılıktaki faktörleri nasıl elde ettiğinizi gösterir (yukarıdaki adımları geriye doğru iterek).

Sabit neden uzaklaşıyor? Gayrı resmi olarak ve çoğu insanın (ben dahil) yaptığı şey, sadece öncü sabitin olasılığını maksimize eden değerini etkilemediğinin farkına varmaktır, bu yüzden bunu görmezden geliyoruz (etkili bir şekilde 1'e ayarlıyoruz).p

Bunu, olabilirlik fonksiyonunun günlüğünü alarak ve türevinin sıfır olduğunu bularak türetebiliriz:

ln(nCx px(1-p)n-x)=ln(nCx)+xln(p)+(n-x)ln(1-p)

Türev wrt al ve seti :0p0

ddpln(nCx)+xln(p)+(n-x)ln(1-p)=xp-n-x1-p=0

nx=1pp=xn

Ana sabitin MLE'nin hesaplamasından düştüğüne dikkat edin.

Daha felsefi olarak, bir olasılık sadece çarpma sabitine kadar çıkarım için anlamlıdır, öyle ki eğer iki olasılık fonksiyonumuz ve , olarak çıkarımsal olarak eşdeğerdirler. Buna Olabilirlik Kanunu denir . Dolayısıyla, aynı olasılık fonksiyonunu kullanarak farklı değerlerini karşılaştırırsak , baştaki terim anlamsız hale gelir.L1,L2L1=kL2p

Pratik bir düzeyde, olabilirlik fonksiyonunu kullanan çıkarım, aslında olabilirliğin mutlak değerini değil, olasılık oranını temel almaktadır. Bu, asimptotik olasılık oranları (asimptotik ki-kare - genellikle uygun olan belirli düzenlilik koşullarına tabidir) oranlarına dayanmaktadır. Olabilirlik oranı testleri, Neyman-Pearson Lemma nedeniyle tercih edilir . Bu nedenle, iki basit hipotezi sınamak istediğimizde, oranı alacağız ve ortak ana faktör iptal olacaktır.

NOT: Bu olacak değil iki farklı modeli karşılaştırarak olsaydı, ne bir binom ve poisson söylüyorlar. Bu durumda, sabitler önemlidir.

Yukarıdaki nedenlerden birincisi, (L'nin maksimize edicisini bulmaktaki alakasızlık) sorunuzu en doğrudan cevaplar.


2
Bunun fikir olduğunu görebiliriz. Ancak nasıl kaldırıldığı ve 1 ile değiştirildiği hakkında biraz daha bilgi verebilir misiniz ? nCxn
Ebe Isaac

@ ÉbeIsaac bir kaç detay daha ekledi

2

Üründeki xi, her bir deneye karşılık gelir. Her bireysel deneme için, xi, 0 veya 1 olabilir ve n, her zaman 1'e eşittir. Bu nedenle, önemsiz olarak, binom katsayısı 1'e eşit olacaktır. Dolayısıyla, olasılık için ürün formülünde, binom katsayılarının ürünü 1 olacaktır ve dolayısıyla formülde nCx yoktur. Bunu adım adım çalışırken farkettim :) (Biçimlendirme için üzgünüm, cevaplarda matematiksel ifadelere cevap vermek için kullanılmadı ... henüz :))

Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.