«method-of-moments» etiketlenmiş sorular

Maksimum olabilirlik tahmin ediciler (MLE) asimptotik olarak verimlidir; Pratik sonuçları, küçük örneklem boyutlarında bile, çoğu zaman (MoM) tahmin yönteminden (farklı olduklarında) daha iyi yaptıklarını görüyoruz. Burada 'daha iyi', her ikisi de tarafsız olduğunda tipik olarak daha küçük varyansa sahip olma anlamında ve tipik olarak daha genel olarak daha küçük ortalama …

57 estimation  maximum-likelihood  mse  method-of-moments  efficiency 

Maksimum olabilirlik tahmini genellikle taraflı tahmin edicilere yol açar (örneğin, örnek varyans için olan tahmin Gauss dağılımı için önyargılıdır). Sonra ne bu kadar popüler kılan? Tam olarak neden bu kadar çok kullanılıyor? Ayrıca, onu alternatif yaklaşımdan daha iyi yapan şey nedir? Ayrıca, Gaussian için MLE tahmincisinin basit bir ölçeklemesinin onu …

25 normal-distribution  maximum-likelihood  method-of-moments 

Neden "Momentler Yöntemi" nde, nokta tahmincisi bulmak için örnek anları nüfus anlarıyla eşitliyoruz? Bunun arkasındaki mantık nerede?

20 intuition  method-of-moments 

Tipik olarak, tüm popülasyon parametrelerini tahmin edene kadar "nüfus anlarını örnek karşılıklarına eşitleyerek" moment tahmin yöntemine giriyoruz; böylece, normal dağılım durumunda, sadece birinci ve ikinci anlara ihtiyacımız olur çünkü bu dağılımı tam olarak tanımlarlar. E(X)=μ⟹∑ni=1Xi/n=X¯E(X)=μ⟹∑i=1nXi/n=X¯E(X) = \mu \implies \sum_{i=1}^n X_i/n = \bar{X} E(X2)=μ2+σ2⟹∑ni=1X2i/nE(X2)=μ2+σ2⟹∑i=1nXi2/nE(X^2) = \mu^2 + \sigma^2 \implies \sum_{i=1}^n X_i^2/n …

19 mathematical-statistics  lognormal  moments  method-of-moments 

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 

Moment üreten fonksiyon ile karakteristik fonksiyon arasındaki bağlantıyı anlamaya çalışıyorum. Moment üreten fonksiyon şu şekilde tanımlanır: MX( t ) = E( exp( t X) ) = 1 + t E( X)1+ t2E( X2)2 !+ ⋯ + tnE( Xn)n !MX(t)=E(tecrübe⁡(tX))=1+tE(X)1+t2E(X2)2!+⋯+tnE(Xn)n! M_X(t) = E(\exp(tX)) = 1 + \frac{t E(X)}{1} + \frac{t^2 E(X^2)}{2!} …

17 probability  moments  mgf  method-of-moments  characteristic-function 

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 

Birisi bana momentler yöntemi ile GMM (genel momentler yöntemi) arasındaki ilişkiyi, ilişkilerini ve biri ya da diğerinin ne zaman kullanılması gerektiğini açıklayabilir mi?

13 estimation  method-of-moments  generalized-moments 

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 

Parametre tahmini için oldukça az yöntem vardır. MLE, UMVUE, MoM, karar-teorik ve diğerleri, parametre tahmini için neden faydalı oldukları için oldukça mantıklı bir duruma sahip gibi görünüyorlar. Herhangi bir yöntem diğerlerinden daha mı iyi, yoksa sadece "en uygun" kestirimcinin ne olduğunu nasıl tanımladığımızla mı ilgili (dikey hataları en aza indirmenin …

11 estimation  mathematical-statistics  maximum-likelihood  method-of-moments  umvue 

Genelleştirilmiş Moment Yöntemlerini nasıl açıklarım ve istatistikçi olmayanlara nasıl kullanıldığını nasıl anlarım? Şimdiye kadar gidiyorum: topladığımız örneklere dayalı ortalamalar ve varyasyon gibi koşulları tahmin etmek için kullandığımız bir şey. Varyansı en aza indirgeyerek parametre vektörünü tahmin ettiğiniz kısmı nasıl açıklayabilirim?

11 generalized-moments  method-of-moments 

Örnekler: İş tanımında bir cümle var: "İngiltere'de Java kıdemli mühendisi". Derin bir öğrenme modelini 2 kategori olarak tahmin etmek istiyorum: English ve IT jobs. Geleneksel sınıflandırma modeli kullanırsam, sadece softmaxson katmanda işlevli 1 etiket tahmin edebilir . Bu nedenle, her iki kategoride "Evet" / "Hayır" ı tahmin etmek için 2 …

9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty