Cauchy dağılımındaki location parametresinin MLE'si


13

Merkezlemeden sonra , iki x ve −x ölçümünün olasılık yoğunluk fonksiyonu ile Cauchy dağılımından bağımsız gözlemler olduğu varsayılabilir:

1f(x:θ)= ,-∞<x<∞1π(1+(x−θ)2) ,−∞<x<∞

Eğer göster arasında MLE İçeride ISTV melerin RWMAIWi'nin 0'dır ancak eğer x 2 > 1 iki MLE en hakkındaki vardır İçeride ISTV melerin RWMAIWi'nin , eşit ± √x2≤1θx2>1θx2−1

Günlük olasılığını farklılaştırmak zorunda olduğum MLE'ı bulmayı düşünüyorum:

=∑2(xi-θ)dldθ =∑ =2(-x-θ)2(xi−θ)1+(xi−θ)2 = +2(x-θ)2(−x−θ)1+(−x−θ)2 =02(x−θ)1+(x−θ)2 =0

Yani,

=2(x+θ)2(x−θ)1+(x−θ)2 = 2(x+θ)1+(x−θ)2

sonra basitleştirdim

5x2=3θ2+2θx+3

Şimdi bir duvara çarptım. Muhtemelen bir noktada yanlış gittim, ama her iki durumda da soruyu nasıl cevaplayacağımdan emin değilim. Biri yardım edebilir mi?


Lütfen, x'i neden -x ve + x'e böldüğünüzü açıklayın. Bu benim ödevim ve o adımda takıldım. Sanırım Newton'un Raphson Metodunu uyguladın. Ama nasıl uygulanacağını anlamıyorum. Lütfen söyler misiniz?
— user89929

Yanıtlar:


22


∂L∂θ=0⇒2(x+θ)1+(x+θ)2−2(x−θ)1+(x−θ)2=0⇒(x+θ)+(x+θ)(x−θ)2−(x−θ)−(x−θ)(x+θ)2=0⇒2θ+(x+θ)(x−θ)[x−θ−(x+θ]=0⇒2θ−2θ(x+θ)(x−θ)=0⇒2θ−2θ(x2−θ2)=0⇒2θ(1−x2+θ2)=0⇒2θ(θ2+(1−x2))=0

x2≤1θ^=0

x2>12θ[θ2−(x2−1)]=0θ=0

∂L∂θ=0,forθ^=±x2−1

θ^=0

EK

x=±0.5resim açıklamasını buraya girin

x=±1.5resim açıklamasını buraya girin

Şimdi tek yapmanız gereken bunu cebirsel olarak kanıtlamak ve sonra "iyi-ikisinden hangisini seçmeliyim?"


θ=0

2. derece koşulu için maksimum çalışın ya da aday çözümlerin olasılığını değerlendirin
— Alecos Papadopoulos

2
+1 harika cevap. Ayrıca, bu ilginç olabilir: wolframalpha.com/share/… wolframalpha.com/share/…
— random_user

@random_user Teşekkürler! - Hikayeyi yanıta dahil etme özgürlüğünü aldım.
— Alecos Papadopoulos

1
2. türev pozitif yani yerel bir minimum
— Alecos Papadopoulos
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.