Perguntas com a marcação «maximum-likelihood»

Entendo que, se eu tenho dois modelos A e B e A está aninhado em B, dados alguns dados, posso ajustar os parâmetros de A e B usando o MLE e aplicar o teste de razão de verossimilhança generalizada de log. Em particular, a distribuição do teste deve ser com …

10 maximum-likelihood  model-selection  likelihood-ratio 

Estou interessado em uma boa referência para resultados relativos a propriedades assintóticas de estimadores de máxima verossimilhança. Considere um modelo que é uma densidade dimensional e é o MLE com base em uma amostra de que é o valor "verdadeiro" de . Estou interessado em duas irregularidades.{fn(⋅∣θ):θ∈Θ,n∈N}{fn(⋅∣θ):θ∈Θ,n∈N}\{f_n(\cdot \mid \theta): \theta …

10 maximum-likelihood  references 

Estou trabalhando em um conjunto de dados. Depois de usar algumas técnicas de identificação de modelos, criei um modelo ARIMA (0,2,1). Usei a detectIOfunção no pacote TSAem R para detectar um outlier inovador (IO) na 48ª observação do meu conjunto de dados original. Como faço para incorporar esse erro externo …

10 r  time-series  arima  outliers  hypergeometric  fishers-exact  r  time-series  intraclass-correlation  r  logistic  glmm  clogit  mixed-model  spss  repeated-measures  ancova  machine-learning  python  scikit-learn  distributions  data-transformation  stochastic-processes  web  standard-deviation  r  machine-learning  spatial  similarities  spatio-temporal  binomial  sparse  poisson-process  r  regression  nonparametric  r  regression  logistic  simulation  power-analysis  r  svm  random-forest  anova  repeated-measures  manova  regression  statistical-significance  cross-validation  group-differences  model-comparison  r  spatial  model-evaluation  parallel-computing  generalized-least-squares  r  stata  fitting  mixture  hypothesis-testing  categorical-data  hypothesis-testing  anova  statistical-significance  repeated-measures  likert  wilcoxon-mann-whitney  boxplot  statistical-significance  confidence-interval  forecasting  prediction-interval  regression  categorical-data  stata  least-squares  experiment-design  skewness  reliability  cronbachs-alpha  r  regression  splines  maximum-likelihood  modeling  likelihood-ratio  profile-likelihood  nested-models 

Eu tenho um GLMM do formulário: lmer(present? ~ factor1 + factor2 + continuous + factor1*continuous + (1 | factor3), family=binomial) Quando uso drop1(model, test="Chi"), obtenho resultados diferentes dos que utilizo Anova(model, type="III")na embalagem do carro ou summary(model). Estes dois últimos dão as mesmas respostas. Usando um monte de dados fabricados, …

10 r  anova  glmm  r  mixed-model  bootstrap  sample-size  cross-validation  roc  auc  sampling  stratification  random-allocation  logistic  stata  interpretation  proportion  r  regression  multiple-regression  linear-model  lm  r  cross-validation  cart  rpart  logistic  generalized-linear-model  econometrics  experiment-design  causality  instrumental-variables  random-allocation  predictive-models  data-mining  estimation  contingency-tables  epidemiology  standard-deviation  mean  ancova  psychology  statistical-significance  cross-validation  synthetic-data  poisson-distribution  negative-binomial  bioinformatics  sequence-analysis  distributions  binomial  classification  k-means  distance  unsupervised-learning  euclidean  correlation  chi-squared  spearman-rho  forecasting  excel  exponential-smoothing  binomial  sample-size  r  change-point  wilcoxon-signed-rank  ranks  clustering  matlab  covariance  covariance-matrix  normal-distribution  simulation  random-generation  bivariate  standardization  confounding  z-statistic  forecasting  arima  minitab  poisson-distribution  negative-binomial  poisson-regression  overdispersion  probability  self-study  markov-process  estimation  maximum-likelihood  classification  pca  group-differences  chi-squared  survival  missing-data  contingency-tables  anova  proportion 

O modelo de regressão de Poisson inflado com zero é definido para uma amostra por e assume ainda que os parâmetros e atendem(y1,…,yn)(y1,…,yn)(y_1,\ldots,y_n)Yi={0kwith probability pi+(1−pi)e−λiwith probability (1−pi)e−λiλki/k!Yi={0with probability pi+(1−pi)e−λikwith probability (1−pi)e−λiλik/k! Y_i = \begin{cases} 0 & \text{with probability} \ p_i+(1-p_i)e^{-\lambda_i}\\ k & \text{with probability} \ (1-p_i)e^{-\lambda_i} \lambda_{i}^{k}/k! \end{cases}λ=(λ1,…,λn)λ=(λ1,…,λn)\mathbf{\lambda} = (\lambda_1, …

10 generalized-linear-model  maximum-likelihood  poisson-distribution  expectation-maximization  latent-variable 

Suponha que eu observe iid e desejo testar vech para um matriz conformável e vetor . Existe trabalho conhecido sobre esse problema?xi∼N(μ,Σ)xi∼N(μ,Σ)x_i \sim \mathcal{N}\left(\mu,\Sigma\right)H0:A H0:A H_0: A\ (Σ−1)=a(Σ−1)=a\left(\Sigma^{-1}\right) = aAAAaaa A tentativa óbvia (para mim) seria através de um teste de razão de probabilidade, mas parece que maximizar a probabilidade …

10 hypothesis-testing  normal-distribution  multivariate-analysis  maximum-likelihood  covariance 

Já tive cursos suficientes de estatística durante meus anos de escola e na universidade. Eu tenho um entendimento justo dos conceitos, como IC, valores de p, interpretação da significância estatística, testes múltiplos, correlação, regressão linear simples (com mínimos quadrados) (modelos lineares gerais) e todos os testes de hipótese. Eu tinha …

10 bayesian  references  maximum-likelihood  generalized-linear-model 

Os testes de Wald, Razão de Verossimilhança e Multiplicador de Lagrange no contexto da estimativa de máxima verossimilhança são assintoticamente equivalentes. No entanto, para amostras pequenas, elas tendem a divergir bastante e, em alguns casos, resultam em conclusões diferentes. Como eles podem ser classificados de acordo com a probabilidade de …

10 hypothesis-testing  maximum-likelihood 

Um paciente é internado no hospital. A duração da estadia depende de duas coisas: a gravidade da lesão e quanto o seguro está disposto a pagar para mantê-la no hospital. Alguns pacientes sairão prematuramente se o seguro decidir parar de pagar pela estadia. Suponha o seguinte: 1) A duração da …

10 maximum-likelihood  modeling 

Minha pergunta surge da leitura de "Estimating a Dirichlet Distribution" de Minka , que declara o seguinte sem provas no contexto de derivar um estimador de probabilidade máxima para uma distribuição de Dirichlet com base em observações de vetores aleatórios: Como sempre com a família exponencial, quando o gradiente é …

10 self-study  maximum-likelihood  exponential-family  sufficient-statistics 

Gostaria de entender alguns fatos sobre os estimadores de máxima verossimilhança (MLEs) para regressões logísticas. É verdade que, em geral, o MLE para regressão logística é tendencioso? Eu diria "sim". Eu sei, por exemplo, que a dimensão da amostra está relacionada ao viés assintótico dos MLEs. Você conhece algum exemplo …

10 logistic  maximum-likelihood  unbiased-estimator  bias 

Eu alcancei até dlnLdμ=∑i=1n2(xi−u)1+(xi−u)2dln⁡Ldμ=∑i=1n2(xi−u)1+(xi−u)2\frac{d\ln L}{d\mu}=\sum_{i=1}^n \frac{2(x_i-u)}{1+(x_i-u)^2} Onde é o parâmetro de localização. E é uma função de probabilidade. Eu não estou entendendo como proceder. Por favor ajude.LuuuLLL

10 self-study  maximum-likelihood  cauchy 

Matematicamente, muitas vezes é visto que expressões e algoritmos para Expectation Maximization (EM) geralmente são mais simples para modelos mistos, mas parece que quase tudo (se não tudo) que pode ser resolvido com EM também pode ser resolvido com MLE (por, digamos, o método Newton-Raphson, para expressões que não estão …

10 mixed-model  maximum-likelihood  expectation-maximization 

Estou lendo um artigo da conferência de 1991 de Geyer, que está relacionado abaixo. Nele, ele parece iludir-se com um método que pode usar o MCMC para estimativa de parâmetros MLE Isso me excita desde então, codifiquei algoritmos BFGS, GAs e todos esses tipos de métodos horríveis e de sorte …

10 maximum-likelihood  mcmc  gradient-descent  minimum 

Considere o Bayesian posterior . Assintoticamente, seu máximo ocorre na estimativa MLE , que apenas maximiza a probabilidade .θ∣Xθ∣X\theta\mid Xθ^θ^\hat \thetaargminθfθ(X)argminθfθ(X)\operatorname{argmin}_\theta\, f_\theta(X) Todos esses conceitos - priores Bayesianos, maximizando a probabilidade - parecem superprincípios e nada arbitrários. Não há um log à vista. No entanto MLE minimiza a divergência KL …

9 bayesian  maximum-likelihood  kullback-leibler