«likelihood-ratio» etiketlenmiş sorular

Hem olasılık oranı testi hem de AIC, iki model arasında seçim yapmak için kullanılan araçlardır ve her ikisi de log olasılığına dayanır. Ancak, olasılık oranı testi neden AIC olabilirken iç içe yerleştirilmemiş iki model arasında seçim yapmak için kullanılamaz?

13 aic  likelihood-ratio  nested-models 

Y= μ + σG,Y=μ+σGY=\mu+\sigma Gμμ\muWWWG,GGR,nRn\mathbb{R}^nFFFH0:{μ∈U}H0:{μ∈U}H_0\colon\{\mu \in U\}U⊂WU⊂WU \subset Wf=ϕ(2logsupμ∈W,σ>0L(μ,σ|y)supμ∈U,σ>0L(μ,σ|y)).f=ϕ(2log⁡supμ∈W,σ>0L(μ,σ|y)supμ∈U,σ>0L(μ,σ|y)).f=\phi\left( 2\log \frac{\sup_{\mu \in W, \sigma>0} L(\mu, \sigma | y)}{\sup_{\mu \in U, \sigma>0} L(\mu, \sigma | y)} \right). Bu istatistiğin için en güçlü testi sağladığını nasıl (belki de olağandışı özel durumlar sonra)? Bu Neyman-Pearson teoreminden kaynaklanmaz, çünkü bu teorem, olasılık oranı testinin …

12 hypothesis-testing  normal-distribution  linear-model  power  likelihood-ratio 

Daha spesifik olarak, modeller iç içe yerleştirilmişse, olasılık oranı testlerinin neden asimptotik olarak bir dağılımı vardır, ancak iç içe geçmiş olmayan modeller için durum artık böyle değildir? Bunun Wilks teoreminden geldiğini anlıyorum, ancak maalesef kanıtını anlamıyorum .χ2χ2\chi^2

12 likelihood-ratio  nested-models 

Herkes bana Olabilirlik Oranı testinin asimptotik dağılımı için düzenlilik koşullarının neler olduğunu söyleyebilir mi? Baktığım her yerde, 'Düzenlilik koşulları altında' veya 'olasılıklı düzenlilikler altında' yazılır. Koşullar tam olarak nedir? Birinci ve ikinci log olabilirlik türevlerinin var olduğunu ve Bilgi matrisinin sıfır olmadığını? Yoksa tamamen başka bir şey mi?

12 maximum-likelihood  likelihood-ratio  asymptotics 

Let , ve yoğunlukları olabilir ve olduğunu varsayalım , . olarak olabilirlik oranına ne olur ? (Yakınsar mı? Neye?)fffggghhhxi∼hxi∼hx_i \sim hi∈Ni∈Ni \in \mathbb{N}∏i=1nf(xi)g(xi)∏i=1nf(xi)g(xi) \prod_{i=1}^n \frac{f(x_i)}{g(x_i)} n→∞n→∞n \rightarrow \infty Örneğin, olduğunu varsayabiliriz . Genel dava da ilgilenmektedir.h=gh=gh = g

11 convergence  asymptotics  likelihood-ratio 

Metodu tamamen olasılık oranı testine dayanan bir makale okuyorum . Yazar, tek taraflı alternatiflere karşı LR testinin UMP olduğunu söylüyor. İddia ederek ilerler “... [LR testi] üniform olarak en güçlü olduğu gösterilemese bile, LR testi genellikle istenen istatistiksel özelliklere sahiptir." Burada istatistiksel özelliklerin ne anlama geldiğini merak ediyorum. Yazarın geçmekte …

11 hypothesis-testing  power-analysis  power  likelihood-ratio  neyman-pearson-lemma 

Son zamanlarda aynı tahmin / yanıt verileri için 4 çoklu regresyon modeline uydum. Modellerden ikisi Poisson regresyonuna uyuyor. model.pois <- glm(Response ~ P1 + P2 +...+ P5, family=poisson(), ...) model.pois.inter <- glm(Response ~ (P1 + P2 +...+ P5)^2, family=poisson(), ...) Modellerden ikisi negatif binom regresyonu ile uyuyorum. library(MASS) model.nb <- …

11 regression  aic  count-data  likelihood-ratio  model-comparison 

Genelleştirilmiş, Doğrusal ve Karışık Modellerden bir örnek üretiyorum . MWE'm aşağıda: Dilution <- c(1/128, 1/64, 1/32, 1/16, 1/8, 1/4, 1/2, 1, 2, 4) NoofPlates <- rep(x=5, times=10) NoPositive <- c(0, 0, 2, 2, 3, 4, 5, 5, 5, 5) Data <- data.frame(Dilution, NoofPlates, NoPositive) fm1 <- glm(formula=NoPositive/NoofPlates~log(Dilution), family=binomial("logit"), data=Data) summary(object=fm1) …

11 r  logistic  generalized-linear-model  likelihood-ratio  z-test 

İki model A ve B ve A'nın B'de iç içe yerleştirilmiş olması durumunda, bazı veriler verildiğinde, MLE kullanarak A ve B parametrelerine uyabildiğimi ve genelleştirilmiş günlük olabilirlik oranı testini uygulayabileceğimi anlıyorum. Özellikle, testin dağılımı olmalıdır ile N serbestlik derecesi n bu parametrelerin sayısı arasındaki fark olan bir ve B sahiptir.χ2χ2\chi^2nnnnnnAAABBB …

10 maximum-likelihood  model-selection  likelihood-ratio 

Bir veri kümesi üzerinde çalışıyorum. Bazı model tanımlama tekniklerini kullandıktan sonra bir ARIMA (0,2,1) modeliyle çıktım. Orijinal veri setimin 48. gözleminde yenilikçi bir aykırı değer (IO) tespit etmek için R'deki detectIOpaketteki işlevi kullandım .TSA Öngörme amacıyla kullanabilmem için bu aykırı değeri modelime nasıl dahil edebilirim? ARIMAX modelini kullanmak istemiyorum çünkü …

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 

Şu anda "Ben Sadece İki Milyon Regresyon Koştum" başlıklı popüler bir makalede kullanılan bir yöntemi uygulamaya çalışıyorum. Bunun arkasındaki temel fikir, hangi kontrollerin modele dahil edilmesi gerektiği açık olmayan bazı durumlar olmasıdır. Böyle bir durumda yapabileceğiniz bir şey, rastgele kontroller çizmek, milyonlarca farklı regresyon çalıştırmak ve sonra ilgi değişkeninizin nasıl …

9 likelihood-ratio 

Yaklaşık 50 farklı değişkene göre üç popülasyon arasındaki önemli farklılıkları test ettiğim bir veri setim var. Bunu bir yandan Kruskal-Wallis testlerini, diğer yandan da iç içe geçmiş GLM model uyumlarının (bağımsız değişken olarak popülasyonlu ve popülasyonsuz) uyum oran testlerini kullanarak yapıyorum. Sonuç olarak, bir yandan Kruskal-Wallis -değerlerinin bir listesi var …

9 chi-squared  multiple-comparisons  likelihood-ratio  kruskal-wallis  false-discovery-rate 

Acil durum tablosunda 0'lar varsa glmve bir olasılık oranı testi için iç içe geçmiş poisson / loglinear modelleri (R işlevini kullanarak ) yerleştiriyorsak, glm modellerini takmadan önce verileri ayarlamamız gerekir mi (örn. sayımlar)? Açıkçası bazı parametreler bazı ayarlamalar yapılmadan tahmin edilemez, ancak ayar / ayarlama eksikliği LR testini nasıl etkiler?

9 regression  poisson-distribution  generalized-linear-model  likelihood-ratio  log-linear 

Modellemeye çalıştığım çift zirveye sahip verilerim var ve tepeler arasında bağımsız olarak tedavi edemediğim kadar örtüşme var. Verilerin histogramı şöyle görünebilir: Bunun için iki model oluşturdum: biri iki Poisson dağılımı kullanıyor, diğeri iki negatif binom dağılımı kullanıyor (aşırı dağılım için). Hangi modelin verilere daha doğru uyduğunu söylemenin uygun yolu nedir? …

9 modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio