Perguntas com a marcação «likelihood»

Sou estudante de estatística. Estou tentando entender as definições clássicas e objetivas de probabilidade e como elas estão relacionadas à inferência freqüentista e bayesiana. Não é óbvio para mim por que a probabilidade clássica é combinada com a inferência freqüentista e por que a inferência bayesiana é combinada com a …

7 probability  bayesian  p-value  likelihood  frequentist 

Estou obtendo a probabilidade de regressão logística. Eu vi duas versões diferentes: f(y|β)=∏i=1Nniyi!(ni−yi)!πyii(1−πi)ni−yi(1)(1)f(y|β)=∏i=1Nniyi!(ni−yi)!πiyi(1−πi)ni−yi\begin{equation} f(y|\beta)={\displaystyle \prod_{i=1}^{N} \frac{n_i} {y_i!(n_i-y_i)!}} \pi_{i}^{y_i}(1-\pi_i)^{n_i - y_i} \tag 1 \end{equation} Ou isto L(β0,β1)=∏i=1Np(xi)yi(1−p(xi))1−yi(2)(2)L(β0,β1)=∏i=1Np(xi)yi(1−p(xi))1−yi\begin{equation} L(\beta_0,\beta_1)= \displaystyle \prod_{i=1}^{N}p(x_i)^{y_i}(1-p(x_i))^{1-y_i} \tag 2 \end{equation} Por que existe Na equação 1?niyi!(ni−yi)!niyi!(ni−yi)!\frac{n_i} {y_i!(n_i-y_i)!} Fontes: Primeiro: https://czep.net/stat/mlelr.pdf (página 3 equ. 2) Segundo: http://www.stat.cmu.edu/~cshalizi/uADA/12/lectures/ch12.pdf (página 5 …

7 logistic  maximum-likelihood  likelihood 

Estou tentando entender como as pessoas derivam a probabilidade de regressão linear simples. Digamos que temos apenas um recurso x e o resultado y. Eu não duvido que a expressão com a própria densidade normal e eu também não tenho dúvida de que se pode levar o produto para fatores …

7 regression  probability  linear-model  likelihood  linear 

As informações de Fisher são definidas de duas maneiras equivalentes: como a variação da inclinação de e como o negativo da curvatura esperada de . Como o primeiro é sempre positivo, isso implicaria que a curvatura da função de probabilidade de logaritmo é negativa em todos os lugares. Isso me …

7 maximum-likelihood  likelihood  fisher-information 

Se temos regressores estocásticos, estamos desenhando pares aleatórios para um monte de , a chamada amostra aleatória, de uma distribuição probabilística fixa, mas desconhecida . Teoricamente falando, a amostra aleatória nos permite aprender ou estimar alguns parâmetros da distribuição .(yEu,x⃗ Eu)(yEu,x→Eu)(y_i,\vec{x}_i)EuEui( y,x⃗ )(y,x→)(y,\vec{x})( y,x⃗ )(y,x→)(y,\vec{x}) Se fixamos regressores, teoricamente falando, …

7 regression  distributions  conditional-probability  stochastic-processes  likelihood