Perguntas com a marcação «maximum-likelihood»

Essa pergunta de validação cruzada que pergunta sobre simular uma amostra condicional a uma soma fixa me lembrava de um problema que George Casella me colocou . f(x|θ)f(x|θ)f(x|\theta)(X1,…,Xn)(X1,…,Xn)(X_1,\ldots,X_n)θθ\thetaθ(X1,...,Xn) θ (X1,...,Xn)θ^(x1,…,xn)=argmin∑i=1nlogf(xi|θ)θ^(x1,…,xn)=arg⁡min∑i=1nlog⁡f(xi|θ)\hat{\theta}(x_1,\ldots,x_n)=\arg\min \sum_{i=1}^n \log f(x_i|\theta)θθ\theta(X1,…,Xn)(X1,…,Xn)(X_1,\ldots,X_n)θ^(X1,…,Xn)θ^(X1,…,Xn)\hat{\theta}(X_1,\ldots,X_n) Por exemplo, considere uma distribuição , com o parâmetro de localização , cuja densidade é Se como …

17 maximum-likelihood  conditional-probability  random-variable  simulation  t-distribution 

Você pode fornecer um exemplo de um estimador de MLE da média que é tendenciosa? Não estou procurando um exemplo que quebre os estimadores de MLE em geral, violando as condições de regularidade. Todos os exemplos que vejo na internet referem-se à variação e não consigo encontrar nada relacionado à …

17 maximum-likelihood  mean  bias 

Questão A variação de uma distribuição binomial negativa (NB) é sempre maior que sua média. Quando a média de uma amostra é maior que sua variância, a tentativa de ajustar os parâmetros de um RN com probabilidade máxima ou com estimativa de momento falhará (não há solução com parâmetros finitos). …

17 estimation  maximum-likelihood  negative-binomial 

Isso é em parte motivado pela pergunta a seguir e pela discussão a seguir. Suponha que a amostra iid seja observada, . O objetivo é estimar . Mas a amostra original não está disponível. Em vez disso, temos algumas estatísticas da amostra . Suponha que seja fixo. Como estimamos ? …

17 estimation  maximum-likelihood 

Estamos trabalhando com algumas regressões logísticas e percebemos que a probabilidade média estimada sempre é igual à proporção de uma na amostra; isto é, a média dos valores ajustados é igual à média da amostra. Alguém pode me explicar o motivo ou me dar uma referência para encontrar essa demonstração?

17 regression  logistic  modeling  generalized-linear-model  maximum-likelihood 

Pergunta (s): Qual é a idéia e intuição por trás da estimativa de quase verossimilhança máxima (QMLE; também conhecida como estimativa de pseudo máxima verossimilhança, PMLE)? O que faz o estimador funcionar quando a distribuição de erro real não corresponde à distribuição de erro assumida? O site da Wikipedia para …

17 maximum-likelihood  references  intuition  quasi-likelihood 

Na configuração padrão de máxima verossimilhança (amostra iid Y1,…,YnY1,…,YnY_{1}, \ldots, Y_{n} de alguma distribuição com densidade fy(y|θ0fy(y|θ0f_{y}(y|\theta_{0} )) e no caso de um modelo especificado corretamente, as informações de Fisher são fornecidas por I(θ)=−Eθ0[∂2θ2lnfy(θ)]I(θ)=−Eθ0[∂2θ2ln⁡fy(θ)]I(\theta) = -\mathbb{E}_{\theta_{0}}\left[\frac{\partial^{2}}{\theta^{2}}\ln f_{y}(\theta) \right] onde a expectativa é tomada em relação à densidade real que gerou …

17 maximum-likelihood  fisher-information 

Como ajusto os parâmetros de uma distribuição t, ou seja, os parâmetros correspondentes à 'média' e 'desvio padrão' de uma distribuição normal. Eu suponho que eles são chamados de 'média' e 'escala / graus de liberdade' para uma distribuição t? O código a seguir geralmente resulta em erros de "falha …

17 r  distributions  maximum-likelihood  fitting  robust 

Eu tento reproduzir com optimos resultados de uma regressão linear simples ajustada com glmou até nlsfunções R. As estimativas de parâmetros são as mesmas, mas a estimativa de variação residual e os erros padrão dos outros parâmetros não são os mesmos, principalmente quando o tamanho da amostra é baixo. Suponho …

16 r  maximum-likelihood  optimization 

Estou tentando provar que a matriz de informações observada avaliada no estimador de verossimilhança máxima fraca consistentemente consistente (MLE) é um estimador fracamente consistente da matriz de informações esperada. Este é um resultado amplamente citado, mas ninguém fornece uma referência ou uma prova (acabei as 20 primeiras páginas de resultados …

16 maximum-likelihood  expected-value  asymptotics  information  fisher-information 

Estimar parâmetros usando a estimativa de máxima verossimilhança (MLE) envolve avaliar a função de verossimilhança, que mapeia a probabilidade da amostra (X) ocorrer para valores (x) no espaço de parâmetros (θ), dada uma família de distribuição (P (X = x | θ ) sobre os valores possíveis de θ (nota: …

16 maximum-likelihood 

O processo exponencial univariado de Hawkes é um processo de ponto emocionante com uma taxa de chegada de eventos de: λ(t)=μ+∑ti&lt;tαe−β(t−ti)λ(t)=μ+∑ti&lt;tαe−β(t−ti) \lambda(t) = \mu + \sum\limits_{t_i<t}{\alpha e^{-\beta(t-t_i)}} onde são os horários de chegada do evento.t1,..tnt1,..tn t_1,..t_n A função de probabilidade do log é −tnμ+αβ∑(e−β(tn−ti)−1)+∑i&lt;jln(μ+αe−β(tj−ti))−tnμ+αβ∑(e−β(tn−ti)−1)+∑i&lt;jln⁡(μ+αe−β(tj−ti)) - t_n \mu + \frac{\alpha}{\beta} \sum{( …

16 maximum-likelihood  stochastic-processes  likelihood 

Estou confuso sobre o método da máxima verossimilhança em comparação com, por exemplo, calcular a média aritmética. Quando e por que a probabilidade máxima produz estimativas "melhores" do que, por exemplo, a média aritmética? Como isso é verificável?

16 maximum-likelihood 

Quais são os prós e os contras dos dois métodos?

16 maximum-likelihood  predictive-models  optimization  gradient-descent 

Várias descrições na seleção de modelos sobre efeitos aleatórios de Modelos Mistos Lineares instruem a usar REML. Conheço a diferença entre REML e ML em algum nível, mas não entendo por que REML deve ser usado porque ML é tendencioso. Por exemplo, é errado realizar um LRT em um parâmetro …

16 mixed-model  maximum-likelihood  unbiased-estimator  likelihood-ratio  reml