«maximum-likelihood» etiketlenmiş sorular

Hayatta Kalma Analizinde, bir rv hayatta kalma süresinin katlanarak dağıtıldığını . Ben şimdi düşünüldüğünde iid RV ait "çıktıları" . Bu sonuçların sadece bir kısmı aslında "tamamen gerçekleşir", yani geriye kalan gözlemler hala "canlıdır".XiXiX_ix1,…,xnx1,…,xnx_1,\dots,x_nXiXiX_i Dağılımın rate parametresi için bir ML tahmini yapmak istersem, gerçekleştirilmeyen gözlemleri tutarlı / uygun bir şekilde nasıl …

9 maximum-likelihood  references  survival  censoring  exponential-family 

3 elektronik bileşenin ömrü X1=3,X2=1.5,X1=3,X2=1.5,X_{1} = 3, X_{2} = 1.5, ve X3=2.1X3=2.1X_{3} = 2.1. Rasgele değişkenler, parametre ile üstel dağılımdan 3 boyutlu rastgele bir örnek olarak modellenmiştir.θθ\theta. Olabilirlik işlevi,θ>0θ>0\theta > 0 f3(x|θ)=θ3exp(−6.6θ)f3(x|θ)=θ3exp(−6.6θ)f_{3}(x|\theta) = \theta^{3} exp(-6.6\theta), nerede x=(2,1.5,2.1)x=(2,1.5,2.1)x = (2, 1.5, 2.1). Ve sonra sorun, MLE'nin değerini bularak θθ\theta en üst …

9 distributions  maximum-likelihood  exponential 

Varsayılan olarak glm, R'de bir işlev kullandığımızda , parametrelerin maksimum olasılık tahminini bulmak için yinelemeli olarak yeniden ağırlıklandırılmış en küçük kareler (IWLS) yöntemini kullanır. Şimdi iki sorum var. IWLS tahminleri olabilirlik fonksiyonunun küresel maksimumunu garanti ediyor mu? Bu sunumdaki son slayda dayanarak, öyle olmadığını düşünüyorum! Sadece bundan emin olmak istedim. …

9 r  estimation  generalized-linear-model  maximum-likelihood  optimization 

Bu bir ara sınav için pratik bir problemdir. Sorun bir EM algoritması örneğidir. (F) kısmı ile sorun yaşıyorum. Tamamlanması için (a) - (e) bölümlerini listelerim ve daha önce bir hata yapmam durumunda. İzin Vermek X1,…,XnX1,…,XnX_1,\ldots,X_n oranlı bağımsız üstel rasgele değişkenler olmak θθ\theta. Ne yazık ki, gerçekXXX değerlere uyulmaz ve yalnızca …

9 self-study  maximum-likelihood  latent-variable  expectation-maximization 

Uygun bir dağıtım üretme yöntemi olarak MLE hakkında okuyorum. Maksimum olasılık tahminlerinin "yaklaşık normal dağılımlara sahip olduğunu" belirten bir açıklama ile karşılaştım . Bu, verilerime ve uydurmaya çalıştığım dağıtım ailesine MLE'yi tekrar tekrar uygularsam, aldığım modellerin normal olarak dağıtılacağı anlamına mı geliyor? Bir dağıtım dizisinin tam olarak dağılımı nedir?

9 normal-distribution  estimation  maximum-likelihood 

Dixon, Coles ( 1997 ) 'de, futboldaki skorları modellemek için (4.3)' te değiştirilmiş iki bağımsız Poisson modeli için maksimum olabilirlik tahminini kullanmışlardır. Alfa ve beta yanı sıra ev etkisi parametreleri (s. 274, Tablo 4) herhangi bir paket kullanmadan (her zamanki gibi bağımsız Poisson modelleri kullanarak çok iyi) "çoğaltmak" için R …

9 r  modeling  maximum-likelihood  games 

Farklı nokta tahmin yöntemleri üzerinde çalışıyorum ve MAP vs ML tahminleri kullanırken, "tekdüze bir önceki" kullandığımızda tahminlerin aynı olduğunu okudum. Birisi "tekdüze" önceliğin ne olduğunu açıklayabilir ve MAP ve ML tahmincilerinin ne zaman aynı olacağına dair bazı (basit) örnekler verebilir mi?

9 machine-learning  probability  bayesian  estimation  maximum-likelihood 

Eğer K1, … ,KnK1,...,KnK_1, \dots, K_n parametre ile iid Poisson dağılımları ββ\beta Maksimum olabilirlik tahmininin β^(k1, … ,kn) =1nΣi = 1nkbenβ^(k1,...,kn)=1nΣben=1nkben\hat\beta (k_1, \dots, k_n) = \frac{1}{n} \sum_{i=1}^n k_i veri için k1, … ,knk1,...,knk_1, \dots, k_n. Bu nedenle ilgili tahmin ediciyi tanımlayabiliriz T=1nΣi = 1nKben.T=1nΣben=1nKben.T = \frac{1}{n} \sum_{i=1}^n K_i . Sorum …

9 variance  maximum-likelihood  poisson-distribution 

Şu anda Markov zincirleri ile çalışıyorum ve birkaç kaynak tarafından önerilen geçiş olasılıklarını kullanarak Maksimum Olabilirlik Tahmini'ni hesapladım (yani, a'dan b'ye geçişlerin sayısının a'dan diğer düğümlere toplam geçiş sayısına bölünmesiyle). Şimdi MLE'nin log olasılığını hesaplamak istiyorum.

9 maximum-likelihood  markov-process  likelihood 

R'de optim kullanarak bir günlük olabilirlik fonksiyonunu en üst düzeye çıkararak tahmin edilen parametreler için profil oluşturmayı kullanarak% 95 güven aralıklarını nasıl tahmin edebilirim? Kendir ters çevirerek kovaryans matrisini asemptotik olarak tahmin edebileceğimi biliyorum , ancak verilerimin bu yöntemin geçerli olması için gerekli varsayımları karşılamadığından endişeliyim. Başka bir yöntem kullanarak …

9 r  confidence-interval  maximum-likelihood  optimization  profile-likelihood 

Diyelim ki doğrusal bir modelimiz var yben=β0+β1xben+εbenyi=β0+β1xi+ϵiy_i = \beta_0 + \beta_1 x_i + \epsilon_itüm standart regresyon (Gauss-Markov) varsayımlarını karşılar. İlgileniyoruzθ = 1 /β1θ=1/β1\theta = 1/\beta_1. Soru 1: Dağıtım için hangi varsayımlar gereklidir?θ^θ^\hat{\theta} iyi tanımlanmalı? β1≠ 0β1≠0\beta_1 \neq 0 önemli olurdu --- diğerleri? Soru 2: Hataların normal dağılıma uyduğu varsayımını ekleyin. …

9 regression  distributions  maximum-likelihood  bootstrap 

Pozitif bir parametre hakkında çıkarım yapmam gerekiyor . Olumlu olanı benimsemek için parametresini yeniden yapılandırdım . MLE rutin I kullanarak puan hesaplaması ve için se . MLE'nin değişmezlik özelliği doğrudan için bir nokta tahmini verir , ancak için se nasıl hesaplanacağından emin değilim . Herhangi bir öneri veya referans için …

9 maximum-likelihood  standard-error  delta-method