Perguntas com a marcação «maximum-likelihood»

Estou estudando sobre estimativa de máxima verossimilhança e li que a função de verossimilhança é o produto das probabilidades de cada variável. Por que é o produto? Por que não a soma? Estou tentando pesquisar no Google, mas não consigo encontrar respostas significativas. https://en.wikipedia.org/wiki/Maximum_likelihood

22 maximum-likelihood 

Por que é tão comum obter estimativas de probabilidade máxima de parâmetros, mas você praticamente nunca ouve falar das estimativas esperadas de parâmetros de probabilidade (ou seja, com base no valor esperado e não no modo de uma função de probabilidade)? Isso ocorre principalmente por razões históricas ou por razões …

22 probability  mathematical-statistics  maximum-likelihood  optimization  expected-value 

Eu sou um matemático que estuda estatística e está lutando especialmente com o idioma. No livro que estou usando, há o seguinte problema: Uma variável aleatória é fornecida como distribuída com . (Obviamente, você pode fazer qualquer distribuição, dependendo de um parâmetro, para fins desta pergunta.) Em seguida , é …

21 maximum-likelihood 

Quais distribuições têm soluções em formato fechado para as estimativas de máxima verossimilhança dos parâmetros de uma amostra de observações independentes?

21 distributions  mathematical-statistics  maximum-likelihood 

Precisão é definida como: p = true positives / (true positives + false positives) É verdade que, como true positivese false positivesabordagem 0, a precisão se aproxima de 1? Mesma pergunta para recall: r = true positives / (true positives + false negatives) No momento, estou implementando um teste estatístico …

20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

Contexto O gaussiano multivariado aparece frequentemente no Machine Learning e os seguintes resultados são usados ​​em muitos livros e cursos de ML sem as derivações. Dados os dados na forma de uma matriz de dimensões , se assumirmos que os dados seguem uma distribuição gaussiana variável com os parâmetros mean …

20 normal-distribution  maximum-likelihood  estimators  multivariate-normal 

Estatísticas freqüentistas para mim são sinônimos por tentar tomar decisões que são boas para todas as amostras possíveis. Ou seja, uma regra de decisão freqüentista deve sempre tentar minimizar o risco freqüentista, que depende da função de perda e do verdadeiro estado da natureza :δδ\deltaeueuLθ0 0θ0 0\theta_0 Rfr e q= …

19 maximum-likelihood  frequentist 

Oi, o mesmo pode ser mostrado para obter o parâmetro de forma e escala para o método de máxima verossimilhança modificado

19 r  maximum-likelihood  weibull 

Considere um vetor de parâmetros , com θ 1 o parâmetro de interesse e θ 2 um parâmetro incômodo.( θ1, θ2)(θ1,θ2)(\theta_1, \theta_2)θ1θ1\theta_1θ2θ2\theta_2 Se é a probabilidade construída a partir dos dados x , a probabilidade de perfil para θ 1 é definido como G P ( θ 1 ; x …

19 maximum-likelihood  likelihood  profile-likelihood 

A idéia "fundamental" das estatísticas para estimar parâmetros é a máxima probabilidade . Gostaria de saber qual é a ideia correspondente no aprendizado de máquina. Qn 1. Seria justo dizer que a idéia 'fundamental' no aprendizado de máquina para estimar parâmetros é: 'Funções de Perda' [Nota: Tenho a impressão de …

19 machine-learning  maximum-likelihood  loss-functions  pac-learning 

Olá, tenho dois problemas que parecem candidatos naturais a modelos multiníveis / mistos, que nunca usei. O mais simples, e que espero tentar como introdução, é o seguinte: Os dados se parecem com muitas linhas do formulário x y innergroup outergroup onde x é uma covariável numérica na qual desejo …

18 r  mixed-model  maximum-likelihood  generalized-linear-model 

Histórico: Nota: Meu conjunto de dados e código-r estão incluídos abaixo do texto Desejo usar o AIC para comparar dois modelos de efeitos mistos gerados usando o pacote lme4 em R. Cada modelo tem um efeito fixo e um efeito aleatório. O efeito fixo difere entre os modelos, mas o …

18 maximum-likelihood  random-effects-model  fixed-effects-model  mixed-model  lme4-nlme 

A impressão que tive, com base em vários artigos, livros e artigos que li, é que a maneira recomendada de ajustar uma distribuição de probabilidade em um conjunto de dados é usando a estimativa de máxima verossimilhança (MLE). No entanto, como físico, uma maneira mais intuitiva é ajustar apenas o …

18 distributions  maximum-likelihood  least-squares  heteroscedasticity  fitting 

Contexto : Regressão hierárquica com alguns dados ausentes. Pergunta : Como uso a estimativa de máxima verossimilhança de informações completas (FIML) para tratar dos dados ausentes no R? Existe um pacote que você recomendaria e quais são as etapas típicas? Recursos e exemplos online também seriam muito úteis. PS : …

18 r  maximum-likelihood  missing-data 

Fiz essa pergunta outro dia e nunca a havia considerado antes. Minha intuição vem das vantagens de cada estimador. A probabilidade máxima é de preferência quando estamos confiantes no processo de geração de dados porque, diferentemente do método dos momentos, ele utiliza o conhecimento de toda a distribuição. Como os …

17 mathematical-statistics  maximum-likelihood  estimators  method-of-moments