«maximum-likelihood» etiketlenmiş sorular

Sıradan En Küçük Kareler yerine Maksimum Olabilirlik Tahminini kullanmak ne zaman tercih edilir? Her birinin güçlü yönleri ve sınırlamaları nelerdir? Her birinin ortak durumlarda nerede kullanılacağı konusunda pratik bilgiler toplamaya çalışıyorum.

13 regression  maximum-likelihood  least-squares 

Ben n-boyutlu bir durum vektörü için Lineer Gauss Durum Uzay Analizi için Kalman filtreleme (bir dizi farklı Kalman tipi filtreler [Bilgi Filtresi ve diğerleri] kullanarak) yapabileceğiniz bazı kod yazdım. Filtreler harika çalışıyor ve güzel çıktılar alıyorum. Ancak, loglikelihood kestirimi ile parametre tahmini beni şaşırtıyor. Ben bir istatistikçi değil, fizikçiyim, bu …

13 maximum-likelihood  algorithms  kalman-filter  likelihood 

Diyelim ki bir model seçim problemim var ve modelleri değerlendirmek için AIC veya BIC kullanmaya çalışıyorum . Bu, bir miktar gerçek değerli parametrelere sahip modeller için kolaydır .kkk Bununla birlikte, modellerimizden birinin (örneğin, Mallows modeli ) bir permütasyonu ve sadece gerçek değerli parametreler yerine bazı gerçek değerli parametreleri varsa ne …

13 modeling  maximum-likelihood  aic  fitting  bic 

Ben birkaç parametre ile bir yörünge (zamanın bir fonksiyonu olarak x) tahmin etmek için bir model var. Şu anda, tahmin edilen yörünge ve deneysel olarak kaydedilen yörünge arasındaki kök ortalama kare hatasını (RMSE) hesaplıyorum. Şu anda, simpleks (matlab'da fminsearch) kullanarak bu farkı (RMSE) en aza indiriyorum. Bu yöntem iyi uyum …

13 maximum-likelihood  curve-fitting 

Bu soru motive Bu teker . İki kaynağa baktım ve bulduğum şey bu. A. van der Vaart, Asimptotik İstatistikler: Bir profil olasılığını açıkça hesaplamak nadiren mümkündür, ancak sayısal değerlendirmesi genellikle mümkündür. O zaman profil olasılığı, olasılık fonksiyonunun boyutunu azaltmaya yarayabilir. Profil olabilirlik fonksiyonları genellikle parametrik modellerin (sıradan) olabilirlik fonksiyonları ile …

13 estimation  maximum-likelihood  likelihood  asymptotics  profile-likelihood 

Öncül: bu aptalca bir soru olabilir. Sadece MLE asimptotik özellikleriyle ilgili açıklamaları biliyorum, ama kanıtları hiç çalışmadım. Eğer yapsaydım, belki bu soruları sormayacaktım, ya da belki de bu soruların anlamsız olduğunu fark ederdim ... bu yüzden lütfen bana kolay davran :) Bir modelin parametrelerinin MLE tahmincisinin asimptotik olarak normal ve …

13 maximum-likelihood  model  asymptotics 

Arka fon: Princeton'ın GLM için MLE tahminini incelemeye çalışıyorum . Ben MLE tahmin temellerini anlamak: likelihood, score, gözlenen ve beklenen Fisher informationve Fisher scoringtekniği. Ve MLE tahmini ile basit doğrusal regresyonun nasıl gerekçelendirileceğini biliyorum . Soru: Bu yöntemin ilk satırını bile anlayamıyorum :( çalışma değişkenlerinin arkasındaki sezgi nedir :ziziz_i zi=η^i+(yi−μ^i)dηidμizi=η^i+(yi−μ^i)dηidμi …

13 regression  generalized-linear-model  maximum-likelihood  link-function  irls 

Firth lojistik regresyonunu (lojistik regresyonda mükemmel / tam veya yarı-tam ayrımı ele alma yöntemi) anlamaya çalışıyorum, böylece basitleştirilmiş terimlerle başkalarına açıklayabilirim. Herkes Firth tahmininin MLE'de yaptığı değişikliğin açık bir açıklaması var mı? En iyi şekilde Firth (1993) 'i okudum ve puan fonksiyonuna bir düzeltme uygulandığını anlıyorum. Ben düzeltmenin kökeni ve …

13 logistic  maximum-likelihood  separation 

Genel olarak, momentler yöntemi sadece gözlemlenen örnek ortalamasını veya parametre tahminlerini almak için teorik momentlere uyumu göstermektedir. Bu genellikle üstel aileler için MLE ile aynıdır, topladım. Ancak, anlar yönteminin net bir tanımını bulmak ve olasılık işlevinin modunu bulmak daha zor olsa da, MLE'nin neden genel olarak tercih edildiğine dair net …

13 maximum-likelihood  method-of-moments 

Let px , ypx,yp_{x,y} , iki Kategorik değişkenler ortak bir dağıtım olması X, YX,YX,Y ile, x,y∈ { 1 , …,K}x,y∈{1,...,K}x,y\in\{1,\ldots,K\} . Diyelim ki bu dağılımdan nnn örnek alındı, ama sadece için marjinal sayımlar verildi j=1,…,Kj=1,...,Kj=1,\ldots,K: Sj=∑i=1nδ(Xi=l),Tj=∑i=1nδ(Yi=j),Sj=Σben=1nδ(Xben=l),Tj=Σben=1nδ(Yben=j), S_j = \sum_{i=1}^{n}{\delta(X_i=l)}, T_j = \sum_{i=1}^{n}{\delta(Y_i=j)}, S j , T j için verilen için …

12 categorical-data  maximum-likelihood  joint-distribution  marginal  maximum-entropy 

Ben tarafından optimize edilmiş işlevi için genelleştirilmiş doğrusal olmayan en küçük kareler regresyonu için günlük olasılığını hesaplamaya çalışıyorum R paketin fonksiyon , (Brown hareketi varsayarak aa filogenetik ağaç mesafe tarafından meydana varyans kovaryans matrisi kullanılarak gelen paket). Aşağıdaki yeniden üretilebilir R kodu, gnls modeline x, y verileri ve 9 taksonlu …

12 r  maximum-likelihood  least-squares  nonlinear-regression  mixed-model 

Kümeleme sorununu çözmek için Bayes kullanıyorum. Bazı hesaplamalar yaptıktan sonra iki olasılık oranını elde etme ihtiyacım var: P(A)/P(B)P(A)/P(B)P(A)/P(B) elde edebilme . Bu olasılıklar, bu cevapta açıklandığı gibi iki farklı 2D çok değişkenli KDE'nin entegrasyonu ile elde edilir :P(H|D)P(H|D)P(H|D) P(A)=∬x,y:f^(x,y)&lt;f^(ra,sa)f^(x,y)dxdyP(A)=∬x,y:f^(x,y)&lt;f^(ra,sa)f^(x,y)dxdyP(A) = \iint_{x, y : \hat{f}(x, y) < \hat{f}(r_a, s_a)} \hat{f}(x,y)\,dx\,dy P(B)=∬x,y:g^(x,y)&lt;g^(rb,sb)g^(x,y)dxdyP(B)=∬x,y:g^(x,y)&lt;g^(rb,sb)g^(x,y)dxdyP(B) …

12 probability  bayesian  maximum-likelihood  kernel-smoothing 

MLE (Maksimum Olabilirlik Tahmini) ve varsa EM'ye (Beklenti Maksimizasyonu) hangi bağlantıya ilişkin açıklığa kavuşturmak istediğim bazı basit kavramsal sorularım var. Anladığım kadarıyla, birisi "MLE'yi kullandık" derse, bu otomatik olarak verilerinin PDF'sinin açık bir modeline sahip oldukları anlamına mı gelir? Bana öyle geliyor ki cevabı evet. Başka bir deyişle, herhangi bir …

12 estimation  maximum-likelihood  expectation-maximization 

Kimse izi takip etmek isterse bu sorudan geliyorum . Temelde bir veri kümesi her nesnenin kendisine (ölçülen bu durumda iki) ölçülen değerlerin belirli sayıda bağlı olduğu nesnelerinden oluşur :NΩΩ\OmegaNNN Ω=o1[x1,y1],o2[x2,y2],...,oN[xN,yN]Ω=o1[x1,y1],o2[x2,y2],...,oN[xN,yN]\Omega = o_1[x_1, y_1], o_2[x_2, y_2], ..., o_N[x_N, y_N] ait yeni bir nesne olasılığını belirlemek için bir yola ihtiyacım var bu …

12 probability  maximum-likelihood  kernel-smoothing  numerical-integration 

Birisi demişse "Bu yöntem MLE'yi değerini en üst düzeye çıkaran parametre tahmini için kullanır , bu nedenle sıkça kullanılır ve daha fazla Bayesian değildir."P(x|θ)P(x|θ)\mathrm{P}(x|\theta) kabul eder misin Arka planda güncelleme : Son zamanlarda, sık olduğunu iddia eden bir makale okudum. İddialarına katılmıyorum, en iyi ihtimalle belirsiz olduğunu hissediyorum. Kağıt açıkça …

12 bayesian  maximum-likelihood  likelihood  frequentist  philosophical