«maximum-likelihood» etiketlenmiş sorular

Genel Soru İstatistiksel bağımsız veri var ki x1x1x_1 , x2x2x_2 ..., . Biz yinelemeli en çok olabilirlik tahmini hesaplamak istediğiniz streaming \ boldsymbol {\ teta} . Yani, \ mathbb {R} ^ p} {\ arg \ max} \ prod_ {\ hat {\ boldsymbol {\ theta}} _ {n-1} = \ underset {\ …

15 maximum-likelihood  online 

Jeffrey Wooldridge, Kesit ve Panel Verilerinin Ekonometrik Analizinde (sayfa 357), ampirik Hessian'ın "birlikte çalıştığımız örnek için pozitif kesin, hatta pozitif semidefinit olması garanti edilmediğini" söylüyor. Hessian, M-tahmin edicisinin, verilen örnek için objektif fonksiyonu en aza indiren parametrenin değeri olarak tanımlanması sonucunda Hessian'ın pozitif semidefinit olması gerektiği için benim için yanlış …

15 estimation  maximum-likelihood  econometrics  asymptotics 

İstatistikte şimdiye kadar maksimum olabilirlik tahmininin kullanılıp kullanılmadığını merak ediyorum. Biz kavramını öğreniyoruz ama ne zaman kullanıldığını merak ediyorum. Verilerin dağılımını varsayarsak, biri ortalama diğeri varyans için olmak üzere iki parametre buluruz, ancak gerçekte gerçek durumlarda kullanıyor musunuz? Birisi bana bunun için kullanıldığı basit bir durumu söyleyebilir mi?

14 estimation  maximum-likelihood 

Izin vermek bir maksimum bir gerçek parametrenin maksimum olasılık tahmini olabilir bazı model. Veri noktası sayısı arttıkça, genellikle O (1 / \ sqrt n) olarak azalır . Üçgen eşitsizliğini ve beklentinin özelliklerini kullanarak, bu hata oranının hem "yanlılık" \ lVert \ mathbb E \ hat \ theta - \ theta …

14 variance  estimation  maximum-likelihood  bias 

Bu soru, doğrusal modelin belirli bir versiyonunda kısıtlı maksimum olabilirlik (REML) tahmini ile ilgilidir: Y=X(α)β+ϵ,ϵ∼Nn(0,Σ(α)),Y=X(α)β+ϵ,ϵ∼Nn(0,Σ(α)), Y = X(\alpha)\beta + \epsilon, \\ \epsilon\sim N_n(0, \Sigma(\alpha)), burada X(α)X(α)X(\alpha) bir ( n×pn×pn \times p ) ile parametrize matris α∈Rkα∈Rk\alpha \in \mathbb R^k , olduğu gibi Σ(α)Σ(α)\Sigma(\alpha) . ββ\beta rahatsız edici parametrelerin bilinmeyen bir …

14 mixed-model  maximum-likelihood  linear-model  optimization  reml 

Farklı fonksiyonel uzayda tahminlerin yakınsamasından bahseden Cebirsel Geometri ve İstatistiksel Öğrenme Teorisi kitabının ilk bölümünde Bayes kestiriminin Schwartz dağılım topolojisine karşılık geldiğinden bahsederken, maksimum olabilirlik kestirimi sup-norm topolojisine karşılık gelir. (sayfa 7'de): Örneğin, sup-norm, -normu, Hilbert uzayının zayıf topolojisi , Schwartz dağılım topolojisi vb. yakınsamasının fonksiyon alanının topolojisine güçlü bir …

14 bayesian  maximum-likelihood  statistical-learning 

Optimal bir lambda aramak için glmnetiçeride caretkullanma cv.glmnetve aynı görevi yapmak için kullanma karşılaştırmasında çok fazla karışıklık var gibi görünüyor . Birçok soru yöneltildi, örneğin: Sınıflandırma modeli train.glmnet mi cv.glmnet mi? Glmnet'i caret ile kullanmanın doğru yolu nedir? "Caret" kullanarak çapraz onaylama "glmnet" ancak sorunun tekrarlanabilirliğinden kaynaklanabilecek hiçbir cevap verilmemiştir. …

14 r  caret  glmnet  machine-learning  neural-networks  maximum  softmax  probability  distributions  mathematical-statistics  random-variable  cdf  statistical-significance  variance  expected-value  ratio  sample-size  reliability  tolerance-interval  wilcoxon-signed-rank  self-study  variance  sampling  mean  machine-learning  svm  libsvm  self-study  sampling  ranks  data-visualization  histogram  machine-learning  classification  normal-distribution  mathematical-statistics  maximum-likelihood  mixture  predictive-models  prediction  seasonality 

MLE = Maksimum Olabilirlik Tahmini MAP = Maksimum posteriori MLE sezgisel / naiftir, çünkü sadece parametre verilen gözlem olasılığı (yani olabilirlik fonksiyonu) ile başlar ve parametrenin gözlemle en iyi anlaşmaları bulmaya çalışır . Ancak, ön bilgi dikkate alınmaz. HARİTA, Bayes kuralı aracılığıyla ön bilgileri dikkate aldığı için daha makul görünmektedir. …

14 machine-learning  bayesian  estimation  maximum-likelihood  inference 

İkili sonuçlar y∈{0,1}ny∈{0,1}ny\in\{0,1\}^n ve bazı tahmin matrisi X∈Rn×pX∈Rn×pX\in\mathbb{R}^{n\times p} olan bir veri seti verildiğinde , standart lojistik regresyon modeli binom olasılığını en üst düzeye çıkaran βMLEβMLE\beta_{MLE} katsayılarını tahmin eder. XXX dolu olduğunda βMLEβMLE\beta_{MLE} benzersizdir; mükemmel bir ayrılma olmadığında, sonludur. Bu, maksimum olabilirlik modeli aynı zamanda ROC AUC (aka maksimize mu …

13 logistic  maximum-likelihood  auc 

Bu, bazı eski istatistikleri incelerken sahip olduğum garip bir düşünce ve bir nedenden dolayı cevabı düşünemiyorum. Sürekli bir PDF bize herhangi bir aralıktaki değerleri gözlemleme yoğunluğunu söyler. Yani, eğer , örneğin, daha sonra olasılık bir gerçekleşme arasında düşer ve basitçe burada olduğu standardın yoğunluğu.X∼N(μ,σ2)X∼N(μ,σ2)X \sim N(\mu,\sigma^2)aaabbb∫baϕ(x)dx∫abϕ(x)dx\int_a^{b}\phi(x)dxϕϕ\phi Ait dediğimizde bir parametrenin …

13 normal-distribution  maximum-likelihood  pdf 

Son zamanlarda Nancy Reid, Barndorff-Nielsen, Richard Cox ve evet, sık sık paradigmada "koşullu çıkarım" kavramı hakkında küçük bir Ronald makalesi inceledim, bu da çıkarımların sadece Örnek alanının tamamı için değil, ilgili örnek alanının "ilgili alt kümesi". Anahtar bir örnek olarak, eğer numunenin varyasyon katsayısını da (yan istatistik olarak adlandırılır ) …

13 confidence-interval  maximum-likelihood  inference 

ANOVA'nın tahminlerini moment yöntemini kullanarak yaptığı çeşitli yerlerde görüyorum. Bu iddiayla kafam karıştı, çünkü anların yöntemine aşina olmasam da, anlayışım bunun maksimum olabilirlik yönteminden farklı ve ona eşit olmayan bir şey olduğu; Öte yandan, ANOVA kategorik prediktörlerin ve regresyon parametrelerinin EKK tahmini doğrusal bir regresyon olarak görülebilir olduğu maksimum olabilirlik. …

13 anova  mixed-model  maximum-likelihood  method-of-moments 

Bu soru, buradaki yorumlardaki uzun tartışmadan esinlenmiştir: Doğrusal regresyon normal dağılımı nasıl kullanır? Her zamanki doğrusal regresyon modelinde, burada sadece tek bir öngörücü ile yazılmış basitlik için: burada x i bilinen sabitler ve ϵ i sıfır ortalama bağımsız hata terimleridir. Ayrıca hatalar için normal dağılımlar varsa, olağan en küçük kareler …

13 regression  normal-distribution  mathematical-statistics  maximum-likelihood  least-squares 

Regresyon yaparken şu tanımdan geçersek: Kısmi olasılık, profil olasılığı ve marjinal olasılık arasındaki fark nedir? O, Maksimum Olabilirlik L'yi maksimuma çıkaran β ve θ'yı bulun (β, θ | data). Öte yandan, Marjinal Olasılık θ koşullu β'nun olasılık dağılımını belirleyebileceğimiz gerçeğinden yararlanarak θ olasılık denkleminden bütünleştiriyoruz. Hangisini en üst düzeye çıkarmak …

13 regression  maximum-likelihood 

Merkezlemeden sonra , iki x ve −x ölçümünün olasılık yoğunluk fonksiyonu ile Cauchy dağılımından bağımsız gözlemler olduğu varsayılabilir: 1f(x:θ)=f(x:θ)=f(x :\theta) = ,-∞&lt;x&lt;∞1π(1+(x−θ)2)1π(1+(x−θ)2)1\over\pi (1+(x-\theta)^2) ,−∞&lt;x&lt;∞,−∞&lt;x&lt;∞, -∞ < x < ∞ Eğer göster arasında MLE İçeride ISTV melerin RWMAIWi'nin 0'dır ancak eğer x 2 &gt; 1 iki MLE en hakkındaki vardır İçeride …

13 self-study  distributions  maximum-likelihood  cauchy