Perguntas com a marcação «maximum-likelihood»

HW Pergunta : x1,x2,…,xnx1,x2,…,xnx_1,x_2,\ldots,x_n são variáveis ​​gaussianas independentes com média e variância . Defina que é desconhecido. Estamos interessados ​​na estimação de partir de .μμ\muσ2σ2\sigma^2y=∑Nn=1xny=∑n=1Nxny = \sum_{n=1}^{N} x_nNNNNNNyyy uma. Dado determine seu viés e variação.N^1=y/μN^1=y/μ\hat N_1 = y/\mu b. Dado determine seu viés e variância.N^2=y2/σ2N^2=y2/σ2\hat N_2 = y^2/\sigma^2 Ignorando o …

7 maximum-likelihood 

Seja uma amostra aleatória de uma distribuição normal com média e variância . Considere o problema de estimar .X1 1,X2, ... ,XnX1,X2,…,XnX_1, X_2, \ldots, X_nμμ\muσ2σ2\sigma^2P( X> 100 )P(X>100)P(X > 100) Uma maneira de conseguir isso é calcular . Esse estimador de "plug-in" é consistente, e seu viés e MSE são …

7 mathematical-statistics  normal-distribution  estimation  maximum-likelihood 

Deixei X1 1,X2,X3, . . . ,XnX1,X2,X3,...,XnX_{1},X_{2},X_{3},...,X_{n} ser uma amostra aleatória de uma distribuição com pdf f( x ; α , θ ) =e- x / θθαΓ ( α )xα - 1Eu( 0 , ∞ )( x ) , α , θ > 0f(x;α,θ)=e−x/θθαΓ(α)xα−1I(0,∞)(x),α,θ>0f(x;\alpha,\theta)=\frac{e^{-x/\theta}}{\theta^{\alpha}\Gamma(\alpha)}x^{\alpha-1}I_{(0,\infty)}(x ),\alpha,\theta>0 Encontre o estimador de probabilidade …

7 self-study  maximum-likelihood  gamma-distribution  estimators 

Considere um planejamento fatorial dentro do sujeito e dentro do item, onde a variável de tratamento experimental possui dois níveis (condições). Seja m1o modelo máximo e m2o modelo sem correlações aleatórias. m1: y ~ condition + (condition|subject) + (condition|item) m2: y ~ condition + (1|subject) + (0 + condition|subject) + …

7 r  mixed-model  lme4-nlme  categorical-encoding  machine-learning  pandas  proportion  r  irt  distributions  conditional-probability  kernel-smoothing  r  data-visualization  r  mixed-model  sas  curve-fitting  matplotlib  data-visualization  python  matplotlib  regression  logistic  simulation  sas  jmp  logit  beta-regression  regression  maximum-likelihood  posterior 

Há algo que está me confundindo sobre estimadores de probabilidade máxima. Suponha que eu tenha alguns dados e a probabilidade sob um parâmetro sejaμμ\mu L ( D | μ ) =e- ( 0,7 - μ)2L(D|μ)=e−(.7−μ)2 L(D|\mu) = e^{-(.7-\mu)^2} que é reconhecível como a probabilidade de aumento gaussiano de escala. Agora, …

7 bayesian  maximum-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 

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 

Suponha que você observe o vetor de variáveis ​​independentes e variáveis ​​dependentes de , com probabilidade . Suponha que sejam independentes. Além disso, suponha que você receba pesos positivos , que são arbitrários, e calcule o Estimador de Máxima Verossimilhança ponderado (WMLE?): Qual é a distribuição do WMLE, \ hat …

7 estimation  maximum-likelihood  weighted-data  weights 

Estou estimando o modelo onde e são parâmetros , é um vetor de parâmetros length, é uma matriz de dados , a variável dependente é binária e é um modelo probit, portanto, a função de distribuição cumulativa da normal normal distribuição. Para derivar a expectativa, assumiu-se que os erros são …

7 r  maximum-likelihood  nonlinear  nls 

Suponha que inicialmente eu esteja lidando com a função de probabilidade de , em que .logL(θ1,…,θm,θm+1,…,θk)log⁡L(θ1,…,θm,θm+1,…,θk)\log L(\theta_1, \ldots, \theta_m, \theta_{m+1}, \ldots, \theta_k)θj∈Rθj∈R\theta_j \in \mathbb{R} Suponha que, por qualquer motivo, eu tenha decidido inserir no algumas estimativas de primeiro estágio , , obtidas de alguma outra maneira e depois maximizar sobre …

7 estimation  maximum-likelihood  asymptotics 

Considere um conjunto de dados de treinamento XXX, um modelo probabilístico parametrizado por θθ\thetae uma prévia P( θ )P(θ)P(\theta). Para um novo ponto de dadosx∗x∗x^*, podemos calcular P(x∗)P(x∗)P(x^*) usando: uma abordagem totalmente bayesiana: a distribuição preditiva posterior P(x∗| X) = ∫P( θ | X) P(x∗| θ)dθP(x∗|X)=∫P(θ|X)P(x∗|θ)dθP(x^* | X) = \int …

7 bayesian  maximum-likelihood  posterior 

Uma pergunta foi postada aqui (agora excluída) em relação à estimativa dos parâmetros da distribuição triangular , que possui densidade f( x ; a , b , c ) =⎧⎩⎨⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪0 02 ( x - a )( b - a ) ( c - a )2 ( b - x )( …

7 estimation  maximum-likelihood  optimization  method-of-moments  triangular-distribution 

Eu preciso parametrizar uma distribuição Weibull para alguns dados. Portanto, eu uso a Estimativa de Máxima Verossimilhança (MLE) do pacote fitdistrplus em R. No entanto, eu queria entender o que é feito no pacote, portanto, além de usar o pacote, tentei duas soluções manuais para verificar as propriedades do MLE …

7 maximum-likelihood  fitting  weibull 

Estou trabalhando em um problema no qual tenho vários pares de homens atualmente vivos, icada um com um suposto ancestral paterno nigerações atrás (com base em evidências genealógicas) e onde tenho informações sobre se há uma incompatibilidade no genótipo cromossômico Y (exclusivamente paternalmente herdadoxi= 1 para incompatibilidade, 0 se houver …

7 r  confidence-interval  maximum-likelihood  bootstrap  delta-method