«maximum-likelihood» etiketlenmiş sorular

Maksimum olabilirlik tahmini hakkında çalışıyorum ve olabilirlik fonksiyonunun her değişkenin olasılıklarının ürünü olduğunu okudum. Ürün neden? Neden toplam değil? Google’da arama yapmaya çalışıyorum ancak anlamlı bir cevap bulamıyorum. https://en.wikipedia.org/wiki/Maximum_likelihood

22 maximum-likelihood 

Parametrelerin maksimum olasılık tahminlerini elde etmek neden bu kadar yaygındır, ancak neredeyse beklenen olasılık parametresi tahminlerini hiç duymazsınız (yani, bir olasılık olabilirlik fonksiyonu modundan ziyade beklenen değere dayanarak )? Bu öncelikle tarihsel nedenlerden mi, yoksa daha temel teknik veya teorik nedenlerden mi dolayı? Azami olabilirlik tahminleri yerine beklenen olasılık tahminlerini …

22 probability  mathematical-statistics  maximum-likelihood  optimization  expected-value 

Ben bir matematikçi kendi kendine çalışma istatistikleri ve özellikle dil ile mücadele ediyorum. Kullandığım kitapta şu sorun var: Bir rastgele değişken olarak verilir -Dağıtık ile . (Tabii ki, bu soru için bir parametreye bağlı olarak herhangi bir dağılım alabilirsin.) Sonra , 21 , 6 , 32 , 2 beş değerinden …

21 maximum-likelihood 

Hangi dağılımlar, bağımsız gözlemlerin bir örneğindeki parametrelerin maksimum olabilirlik tahminleri için kapalı form çözümlerine sahiptir?

21 distributions  mathematical-statistics  maximum-likelihood 

Hassasiyet şu şekilde tanımlanır: p = true positives / (true positives + false positives) Gibi, bu doğru mu true positivesve false positiveshassas 1 yaklaşır yaklaşım 0? Hatırlama için aynı soru: r = true positives / (true positives + false negatives) Şu anda bu değerleri hesaplamam gereken bir istatistiksel test uyguluyorum …

20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

bağlam Çok Değişkenli Gauss, Makine Öğreniminde sıkça görülür ve aşağıdaki sonuçlar, türevleri olmayan birçok ML kitap ve dersinde kullanılır. Bir matris şeklinde verilen veriler XX\mathbf{X} boyutları m×pm×p m \times p , biz veri aşağıdaki varsayarsak ppp -variate Gauss parametrelerle dağılımı ortalama μμ\mu ( p×1p×1p \times 1 ) ve kovaryans matrisi …

20 normal-distribution  maximum-likelihood  estimators  multivariate-normal 

Benim için sık istatistikler, tüm olası örnekler için iyi karar vermeye çalışmakla eş anlamlıdır. Yani, sık sık bir karar kuralı her zaman, bir kayıp fonksiyonu ve gerçek doğanın durumuna bağlı olan sıklık riskini en aza indirmeye çalışmalıdır :δδ\deltaLLLθ0θ0\theta_0 R,fr e q= Eθ0( L ( θ0, δ( Y) )Rfreq=Eθ0(L(θ0,δ(Y))R_\mathrm{freq}=\mathbb{E}_{\theta_0}(L(\theta_0,\delta(Y)) Maksimum olasılık …

19 maximum-likelihood  frequentist 

Merhaba aynı değiştirilmiş maksimum olabilirlik yöntemi için şekil ve ölçek parametresi elde etmek için gösterilebilir

19 r  maximum-likelihood  weibull 

Parametrelerin bir vektör düşünün ile, θ 1 ilgi parametresi ve θ 2 bir sıkıntı parametresi.( θ1, θ2)(θ1,θ2)(\theta_1, \theta_2)θ1θ1\theta_1θ2θ2\theta_2 Eğer veri yapılmış olasılığıdır x , için profil olabilirlik İçeride ISTV melerin RWMAIWi'nin 1 olarak tanımlanır L P ( θ 1 , x ) = L ( θ 1 , θ 2 …

19 maximum-likelihood  likelihood  profile-likelihood 

Parametreleri tahmin etmek için 'temel' istatistik fikri maksimum olasılıktır . Makine öğreniminde buna karşılık gelen fikrin ne olduğunu merak ediyorum. Sn 1. Parametreleri tahmin etmek için makine öğrenmesindeki 'temel' fikrin 'Kayıp Fonksiyonları' olduğunu söylemek adil olur mu? [Not: Makine öğrenimi algoritmalarının genellikle bir kayıp fonksiyonunu ve dolayısıyla yukarıdaki soruyu optimize …

19 machine-learning  maximum-likelihood  loss-functions  pac-learning 

Bağlam : Bazı eksik verilerle hiyerarşik regresyon. Soru : R'deki eksik verileri ele almak için tam bilgi maksimum olabilirlik (FIML) tahminini nasıl kullanabilirim? Tavsiye edeceğiniz bir paket var mı ve tipik adımlar nelerdir? Çevrimiçi kaynaklar ve örnekler de çok yardımcı olacaktır. Not : Yakın zamanda R'yi kullanmaya başlayan bir sosyal …

19 r  maximum-likelihood  missing-data 

Merhaba Hiç kullanmadığım çok düzeyli / karma modeller için doğal adaylar gibi görünen iki problemim var. Daha basit ve bir giriş olarak denemeyi umduğum, aşağıdaki gibidir: Veriler formun birçok satırına benziyor x y innergroup outergroup burada x, y'yi (başka bir sayısal değişken) gerilemek istediğim sayısal bir eşdeğerdir, her y bir …

18 r  mixed-model  maximum-likelihood  generalized-linear-model 

Arka plan: Not: Veri kümem ve r kodum aşağıdaki metinde yer almaktadır R'de lme4 paketi kullanılarak oluşturulan iki karışık efekt modelini karşılaştırmak için AIC'yi kullanmak istiyorum. Her modelin bir sabit etkisi ve bir rastgele etkisi vardır. Sabit etki modeller arasında farklılık gösterir, ancak rastgele etki modeller arasında aynı kalır. Ben …

18 maximum-likelihood  random-effects-model  fixed-effects-model  mixed-model  lme4-nlme 

Okuduğum birkaç makaleye, kitaba ve makaleye dayanarak edindiğim izlenim, bir olasılık kümesi dağılımını bir veri kümesine yerleştirmenin önerilen yolunun, maksimum olasılık tahmini (MLE) kullanmak olmasıdır. Bununla birlikte, bir fizikçi olarak, daha sezgisel bir yol, modelin pdf'sini en az kareler kullanarak verilerin ampirik pdf'sine yerleştirmektir. O zaman neden MLE, olasılık dağılım …

18 distributions  maximum-likelihood  least-squares  heteroscedasticity  fitting 

Geçen gün bu soru soruldu ve daha önce hiç düşünmemiştim. Sezgim her tahmincinin avantajlarından geliyor. Maksimum olasılık tercihen veri oluşturma sürecinden emin olduğumuz zamandır, çünkü momentler yönteminin aksine, tüm dağılım bilgisini kullanır. MoM tahmincileri sadece anlarda bulunan bilgileri kullandığından, tahmin etmeye çalıştığımız parametre için yeterli istatistikler tam olarak verilerin anları …

17 mathematical-statistics  maximum-likelihood  estimators  method-of-moments