«maximum-likelihood» etiketlenmiş sorular

Asıl sorularım son iki paragrafta, ancak motive etmek için: Bilinen bir varyansı olan bir Normal dağılımı izleyen rastgele bir değişkenin ortalamasını tahmin etmeye çalışıyorsam, ortalamadan önce bir üniforma yerleştirmenin, olasılık fonksiyonu ile orantılı bir posterior dağılımla sonuçlandığını okudum. Bu durumlarda, Bayes güvenilir aralığı sık sık güven aralığıyla mükemmel şekilde örtüşmektedir …

11 bayesian  maximum-likelihood  posterior  frequentist 

Ortalama olarak sıfır ve varyans olarak var olan iki değişkenli normal dağılımdan rastgele bir örneğimiz olduğunu varsayalım, bu yüzden bilinmeyen tek parametre kovaryanstır. Kovaryansın MLE'si nedir? gibi bir şey olması gerektiğini biliyorum ama bunu nasıl biliyoruz?1n∑nj=1xjyj1n∑j=1nxjyj\frac{1}{n} \sum_{j=1}^{n}x_j y_j

11 normal-distribution  mathematical-statistics  maximum-likelihood  bivariate 

Eğriltme için formülik parametre tahminleri nelerdir? Yapabiliyorsanız, MLE veya Mom yoluyla türetme de harika olurdu. Teşekkürler Düzenle . Ben araziler tarafından görsel olarak söyleyebilirim bir dizi veri var biraz sola eğri. Ortalama ve varyansı tahmin etmek ve sonra uygunluk testi yapmak istiyorum (bu yüzden parametre tahminlerine ihtiyacım var). Sadece çarpıklığı …

11 normal-distribution  maximum-likelihood  skewness  skew-normal 

MLE öğrenmek için bir çalışma planı hazırlamaya çalışıyorum. Bunu yapmak için MLE'yi anlamak için gerekli asgari kalkülüs seviyesinin ne olduğunu anlamaya çalışıyorum. MLE'yi anlamak için analizin temellerini (yani minimum ve maksimum fonksiyonların bulunması) anlamak yeterli midir?

11 estimation  mathematical-statistics  maximum-likelihood 

Bir AR ( ) modelini düşünün ( basitlik için sıfır ortalama varsayarak):ppp xt=φ1xt - 1+ … +φpxt - p+εtxt=φ1xt−1+…+φpxt−p+εt x_t = \varphi_1 x_{t-1} + \dotsc + \varphi_p x_{t-p} + \varepsilon_t (Eşdeğer OLS tahmin koşullu için maksimum olabilirlik tahmin) bir de belirtildiği gibi, eğimli olduğu bilinmektedir son iplik .φ : = …

11 time-series  maximum-likelihood  autoregressive  unbiased-estimator 

Soru şudur: K = 3 parametresi ile negatif bir binom dağılımından rastgele bir n değeri örneği toplanır. Π parametresinin maksimum olabilirlik tahmincisini bulun. Bu tahmin edicinin standart hatası için bir asimtotik formül bulun. K parametresi yeterince büyükse, negatif binom dağılımının neden normal olacağını açıklayın. Bu normal yaklaşımın parametreleri nelerdir? Çalışmam …

11 self-study  maximum-likelihood  negative-binomial 

Başlık her şeyi söylüyor. Modelin hataları normal olarak dağıtılırsa, En Küçük Kareler ve Maksimum Olabilirlik oranının regresyon katsayıları için aynı sonucu vereceğini anlıyorum. Ancak, hatalar normal olarak dağıtılmazsa ne olur? Neden iki yöntem artık eşdeğer değil?

10 regression  normal-distribution  maximum-likelihood  least-squares  error 

Diyelim ki pdf'ye sahip(X,Y)(X,Y)(X,Y) fθ(x,y)=e−(x/θ+θy)1x>0,y>0,θ>0fθ(x,y)=e−(x/θ+θy)1x>0,y>0,θ>0f_{\theta}(x,y)=e^{-(x/\theta+\theta y)}\mathbf1_{x>0,y>0}\quad,\,\theta>0 Bu nedenle bu popülasyondan alınan örneğin yoğunluğu(X,Y)=(Xi,Yi)1≤i≤n(X,Y)=(Xi,Yi)1≤i≤n(\mathbf X,\mathbf Y)=(X_i,Y_i)_{1\le i\le n} gθ( x , y )= ∏i = 1nfθ( xben, yben)= exp[ - ∑i = 1n( xbenθ+ θ yben) ] 1x1, … , Xn, y1, … , Yn> 0= exp[ - n x¯θ- θ …

10 maximum-likelihood  convergence  exponential  asymptotics  central-limit-theorem 

Sabermetriklerle ilgili bir kitap okuyorum, özellikle Wayne Winston'dan Mathletics ve ilk bölümde takımların kazanma oranını tahmin etmek için kullanılabilecek bir miktar tanıtıyor: ve o, o kazanma oranını tahmin etmek için kullanılabilir yarıya sezonu boyunca, yani ima görünüyor iyi daha sezonun ilk yarısının kazanma oranı. Formülü genelleştirir; burada , atılan puanların …

10 maximum-likelihood  inference 

Bu soru Robert Hogg'un Matematik İstatistiklerine Giriş 6. Sürüm problemi 7.4.9 sayfa 388'den alınmıştır. Let X1,...,XnX1,...,XnX_1,...,X_n PDF ile istatistiksel bağımsız olarak f(x;θ)=1/3θ,−θ<x<2θ,f(x;θ)=1/3θ,−θ<x<2θ,f(x;\theta)=1/3\theta,-\theta0 . (a) mle bul İçeride ISTV melerin RWMAIWi'nin ait İçeride ISTV melerin RWMAIWi'ninθ^θ^\hat{\theta}θθ\theta (b) var θ için yeterli bir istatistik İçeride ISTV melerin RWMAIWi'nin ? Neden ?θ^θ^\hat{\theta}θθ\theta (c) …

10 self-study  maximum-likelihood  order-statistics  sufficient-statistics  umvue 

Bu nedenle, y∗1y1∗y_1^* gizli gözlemlenmemiş değişken olduğu ve in gözlendiği ikili bir modelim var . belirler ve böylece benim alettir. Kısacası model. Hata terimleri bağımsız olmadığından, y1∈{0,1}y1∈{0,1}y_1 \in \{0,1\}y2y2y_2y1y1y_1z2z2z_2y∗1y2y1===δ1z1+α1y2+u1δ21z1+δ22z2+v2=zδ+v21[y∗>0]y1∗=δ1z1+α1y2+u1y2=δ21z1+δ22z2+v2=zδ+v2y1=1[y∗>0]\begin{eqnarray} y_1^*&=& \delta_1 z_1 + \alpha_1 y_2 + u_1 \\ y_2 &=& \delta_{21} z_1 + \delta_{22}z_2 + v_2 = \textbf{z}\delta + v_2 …

10 maximum-likelihood  econometrics  probit 

Bu sorunu nasıl çözeceğime takıldım. Bu yüzden, rastgele değişkenlerin, iki dizilerine sahiptir ve Y, I için i = 1 , . . . , n . Şimdi X ve Y , λ ve μ parametreleriyle bağımsız üstel dağılımlardır . Ancak X ve Y'yi gözlemlemek yerine Z ve W'yi gözlemliyoruz .XiXiX_iYiYiY_ii=1,...,ni=1,...,ni=1,...,nXXXYYYλλ\lambdaμμ\muXXXYYYZZZWWW …

10 self-study  maximum-likelihood  exponential  minimum 

İki model A ve B ve A'nın B'de iç içe yerleştirilmiş olması durumunda, bazı veriler verildiğinde, MLE kullanarak A ve B parametrelerine uyabildiğimi ve genelleştirilmiş günlük olabilirlik oranı testini uygulayabileceğimi anlıyorum. Özellikle, testin dağılımı olmalıdır ile N serbestlik derecesi n bu parametrelerin sayısı arasındaki fark olan bir ve B sahiptir.χ2χ2\chi^2nnnnnnAAABBB …

10 maximum-likelihood  model-selection  likelihood-ratio 

Maksimum olabilirlik tahmin edicilerinin asimptotik özelliklerine ilişkin sonuçlar için iyi bir referansla ilgileniyorum. Bir model göz önünde burada olan bir boyutlu yoğunluğu ve örnek dayalı MLE olan dan nerede taşımaktadır "true" değeri . İlgilendiğim iki düzensizlik var.f , n ( x | θ ) n θ n x 1 , …

10 maximum-likelihood  references 

Bir veri kümesi üzerinde çalışıyorum. Bazı model tanımlama tekniklerini kullandıktan sonra bir ARIMA (0,2,1) modeliyle çıktım. Orijinal veri setimin 48. gözleminde yenilikçi bir aykırı değer (IO) tespit etmek için R'deki detectIOpaketteki işlevi kullandım .TSA Öngörme amacıyla kullanabilmem için bu aykırı değeri modelime nasıl dahil edebilirim? ARIMAX modelini kullanmak istemiyorum çünkü …

10 r  time-series  arima  outliers  hypergeometric  fishers-exact  r  time-series  intraclass-correlation  r  logistic  glmm  clogit  mixed-model  spss  repeated-measures  ancova  machine-learning  python  scikit-learn  distributions  data-transformation  stochastic-processes  web  standard-deviation  r  machine-learning  spatial  similarities  spatio-temporal  binomial  sparse  poisson-process  r  regression  nonparametric  r  regression  logistic  simulation  power-analysis  r  svm  random-forest  anova  repeated-measures  manova  regression  statistical-significance  cross-validation  group-differences  model-comparison  r  spatial  model-evaluation  parallel-computing  generalized-least-squares  r  stata  fitting  mixture  hypothesis-testing  categorical-data  hypothesis-testing  anova  statistical-significance  repeated-measures  likert  wilcoxon-mann-whitney  boxplot  statistical-significance  confidence-interval  forecasting  prediction-interval  regression  categorical-data  stata  least-squares  experiment-design  skewness  reliability  cronbachs-alpha  r  regression  splines  maximum-likelihood  modeling  likelihood-ratio  profile-likelihood  nested-models