«maximum-likelihood» etiketlenmiş sorular

Önyargılı olan ortalamanın MLE tahmincisine bir örnek verebilir misiniz? MLE tahmincilerini genel olarak düzenlilik koşullarını ihlal ederek bozan bir örnek aramıyorum. İnternette görebildiğim tüm örnekler varyansa işaret ediyor ve ortalama ile ilgili hiçbir şey bulamıyorum. DÜZENLE @MichaelHardy, belirli bir önerilen model altında MLE kullanarak tekdüze dağılım ortalamasının önyargılı bir tahminini …

17 maximum-likelihood  mean  bias 

Bu Çapraz Onaylı soru , sabit bir meblağa sahip olmak için şartlı bir örnek taklit etme sorusunu bana George Casella'nın belirlediği bir sorunu hatırlattı . Parametrik bir model göz önüne alındığında, f(x|θ)f(x|θ)f(x|\theta) , ve bu model bir iid örnek (X1,…,Xn)(X1,…,Xn)(X_1,\ldots,X_n) , maksimum olabilirlik tahmininin θθ\theta verilir İçeride ISTV melerin RWMAIWi'nin …

17 maximum-likelihood  conditional-probability  random-variable  simulation  t-distribution 

Soru Negatif bir binom (NB) dağılımının varyansı her zaman ortalamasından daha büyüktür. Bir numunenin ortalaması varyansından daha büyük olduğunda, NB parametrelerini maksimum olasılıkla veya moment tahmini ile uydurmaya çalışmak başarısız olur (sonlu parametrelerle çözüm yoktur). Bununla birlikte, bir NB dağılımından alınan bir numunenin ortalama varyanstan daha büyük olması mümkündür. İşte …

17 estimation  maximum-likelihood  negative-binomial 

Bu kısmen aşağıdakiler tarafından motive edilmektedir soru ve onu takip eden tartışma . Iid örneğinin gözlendiğini varsayalım, Xi∼F(x,θ)Xi∼F(x,θ)X_i\sim F(x,\theta) . Amaç değerini tahmin etmektir θθ\theta. Ancak orijinal örnek mevcut değildir. Ne yerine sahip numunenin bazı istatistikler T1,...,TkT1,...,TkT_1,...,T_k . Diyelim ki kkk sabittir. nasıl tahmin edilir θθ\theta? Bu durumda maksimum olabilirlik …

17 estimation  maximum-likelihood 

Bazı lojistik regresyonlarla çalışıyoruz ve ortalama tahmini olasılığın her zaman örnekteki orana eşit olduğunu fark ettik; yani, takılan değerlerin ortalaması numunenin ortalamasına eşittir. Bu gösteriyi bulabileceğim biri bana nedenini açıklayabilir veya referans verebilir mi?

17 regression  logistic  modeling  generalized-linear-model  maximum-likelihood 

Soru (lar): Yarı maksimum olabilirlik tahmininin (QMLE; sözde maksimum olabilirlik tahmini, PMLE olarak da bilinir) arkasındaki fikir ve sezgi nedir? Gerçek hata dağılımı varsayılan hata dağılımıyla eşleşmediğinde tahmincinin çalışmasını sağlayan nedir? Vikipedi sitesi QMLE için (noktaya kısa, sezgisel,) iyi, ama biraz daha sezgi ve ayrıntı, belki de bir çizim kullanabilirsiniz. …

17 maximum-likelihood  references  intuition  quasi-likelihood 

Standart en yüksek olabilirlik ortamda (IID örnek yoğunluğu olan bir dağılımdan f y ( y | İçeride ISTV melerin RWMAIWi'nin 0 ve doğru bir şekilde belirtilen model halinde Fisher bilgisi ile verilir))Y1,…,YnY1,…,YnY_{1}, \ldots, Y_{n}fy(y|θ0fy(y|θ0f_{y}(y|\theta_{0} I(θ)=−Eθ0[∂2θ2lnfy(θ)]I(θ)=−Eθ0[∂2θ2ln⁡fy(θ)]I(\theta) = -\mathbb{E}_{\theta_{0}}\left[\frac{\partial^{2}}{\theta^{2}}\ln f_{y}(\theta) \right] burada verileri üreten gerçek yoğunluğa ilişkin beklenti alınır. Gözlemlenen Fisher bilgilerinin …

17 maximum-likelihood  fisher-information 

Bir t dağılımının parametrelerine nasıl uyurum, yani normal dağılımın 'ortalama' ve 'standart sapmasına' karşılık gelen parametreler. Bir t-dağılımı için 'ortalama' ve 'ölçeklendirme / serbestlik derecesi' olarak adlandırıldığını varsayıyorum? Aşağıdaki kod genellikle 'optimizasyon başarısız' hatalarıyla sonuçlanır. library(MASS) fitdistr(x, "t") Önce x 'i ölçeklendirmem veya olasılıklara dönüştürmem gerekiyor mu? Bunu en iyi …

17 r  distributions  maximum-likelihood  fitting  robust 

Birlikte yeniden oluşturmaya çalışın optimtakılmış basit doğrusal regresyon sonuçlarının glmhatta nlsR fonksiyonları. Parametre tahminleri aynıdır, ancak artık varyans tahmini ve diğer parametrelerin standart hataları, özellikle numune boyutu düşük olduğunda aynı değildir. Bunun, maksimum standart olabilirlik ve en küçük kare yaklaşımları arasında kalan standart hatanın hesaplanma biçimindeki farklılıklardan kaynaklandığını düşünüyorum (n'ye …

16 r  maximum-likelihood  optimization 

Zayıf tutarlı maksimum olabilirlik tahmin edicisinde (MLE) değerlendirilen gözlemlenen bilgi matrisinin, beklenen bilgi matrisinin zayıf tutarlı bir tahmincisi olduğunu kanıtlamaya çalışıyorum. Bu yaygın olarak alıntılanan bir sonuçtur ancak kimse bir referans veya kanıt vermez (Bence google sonuçlarının ve istatistiklerimin ders kitaplarının ilk 20 sayfasını bitirdim)! Zayıf şekilde tutarlı bir MLE …

16 maximum-likelihood  expected-value  asymptotics  information  fisher-information 

Parametreleri maksimum olabilirlik tahmini (MLE) kullanarak tahmin etmek, bir dağılım ailesi (P (X = x | θ) üzerinde parametre uzayında (θ) değerler (x) ile meydana gelen örneğin (X) olasılığını haritalayan olabilirlik fonksiyonunun değerlendirilmesini içerir. ) values ​​(not: bu konuda doğru muyum?) üzerinde θ ve X için değer örnektir (bir vektör). …

16 maximum-likelihood 

Tek değişkenli üstel Hawkes süreci, olay varış oranına sahip, kendi kendini heyecanlandıran bir süreçtir: λ(t)=μ+∑ti&lt;tαe−β(t−ti)λ(t)=μ+∑ti&lt;tαe−β(t−ti) \lambda(t) = \mu + \sum\limits_{t_i<t}{\alpha e^{-\beta(t-t_i)}} burada etkinliğin varış .t1,..tnt1,..tn t_1,..t_n Günlük olabilirlik işlevi −tnμ+αβ∑(e−β(tn−ti)−1)+∑i&lt;jln(μ+αe−β(tj−ti))−tnμ+αβ∑(e−β(tn−ti)−1)+∑i&lt;jln⁡(μ+αe−β(tj−ti)) - t_n \mu + \frac{\alpha}{\beta} \sum{( e^{-\beta(t_n-t_i)}-1 )} + \sum\limits_{i<j}{\ln(\mu+\alpha e^{-\beta(t_j-t_i)})} yinelemeli olarak hesaplanabilir: −tnμ+αβ∑(e−β(tn−ti)−1)+∑ln(μ+αR(i))−tnμ+αβ∑(e−β(tn−ti)−1)+∑ln⁡(μ+αR(i)) - t_n \mu + \frac{\alpha}{\beta} …

16 maximum-likelihood  stochastic-processes  likelihood 

Örneğin aritmetik ortalamanın hesaplanmasına kıyasla maksimum olabilirlik yöntemi hakkında kafam karıştı. Maksimum olasılık ne zaman ve neden örneğin aritmetik ortalamadan "daha iyi" tahminler üretir? Bu nasıl doğrulanabilir?

16 maximum-likelihood 

Her iki yöntemin de artıları nelerdir?

16 maximum-likelihood  predictive-models  optimization  gradient-descent 

Doğrusal Karışık Modellerin rastgele etkileri üzerine model seçimi ile ilgili çeşitli açıklamalar REML kullanmayı öğretmektedir. Bir düzeyde REML ve ML arasındaki farkı biliyorum, ancak ML önyargılı olduğu için REML'nin neden kullanılması gerektiğini anlamıyorum. Örneğin, ML kullanarak normal bir dağıtım modelinin varyans parametresinde bir LRT yapmak yanlış mıdır (aşağıdaki koda bakın)? …

16 mixed-model  maximum-likelihood  unbiased-estimator  likelihood-ratio  reml