Perguntas com a marcação «method-of-moments»

Estimadores de máxima verossimilhança (MLE) são assintoticamente eficientes; vemos o resultado prático, na medida em que eles geralmente se saem melhor do que as estimativas do método dos momentos (MoM) (quando diferem), mesmo em amostras pequenas Aqui "melhor que" significa no sentido de tipicamente ter menor variação quando ambos são …

57 estimation  maximum-likelihood  mse  method-of-moments  efficiency 

A estimativa de máxima verossimilhança geralmente resulta em estimadores enviesados ​​(por exemplo, sua estimativa para a variação da amostra é enviesada para a distribuição gaussiana). O que o torna tão popular? Por que exatamente é usado tanto? Além disso, o que em particular o torna melhor do que a abordagem …

25 normal-distribution  maximum-likelihood  method-of-moments 

Por que, no "Método dos momentos", equiparamos momentos de amostra a momentos de população para encontrar um estimador de pontos? Onde está a lógica por trás disso?

20 intuition  method-of-moments 

Normalmente, somos apresentados ao método de estimadores de momentos "equiparando os momentos da população à sua amostra" até estimarmos todos os parâmetros da população; de modo que, no caso de uma distribuição normal, precisaríamos apenas do primeiro e do segundo momento, porque eles descrevem completamente essa distribuição. E(X)=μ⟹∑ni=1Xi/n=X¯E(X)=μ⟹∑i=1nXi/n=X¯E(X) = \mu …

19 mathematical-statistics  lognormal  moments  method-of-moments 

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 

Estou tentando entender o vínculo entre a função geradora de momento e a função característica. A função geradora de momento é definida como: MX(t)=E(exp(tX))=1+tE(X)1+t2E(X2)2!+⋯+tnE(Xn)n!MX(t)=E(exp⁡(tX))=1+tE(X)1+t2E(X2)2!+⋯+tnE(Xn)n! M_X(t) = E(\exp(tX)) = 1 + \frac{t E(X)}{1} + \frac{t^2 E(X^2)}{2!} + \dots + \frac{t^n E(X^n)}{n!} Usando a expansão em série de , Posso encontrar todos …

17 probability  moments  mgf  method-of-moments  characteristic-function 

Vejo mencionado em vários lugares que a ANOVA faz sua estimativa usando o método dos momentos. Estou confuso com essa afirmação porque, embora não esteja familiarizado com o método dos momentos, meu entendimento é que é algo diferente e não equivalente ao método da máxima probabilidade; por outro lado, a …

13 anova  mixed-model  maximum-likelihood  method-of-moments 

Alguém pode me explicar a diferença entre o método dos momentos e o GMM (método geral dos momentos), o relacionamento deles e quando um ou outro deve ser usado?

13 estimation  method-of-moments  generalized-moments 

Em geral, parece que o método dos momentos está apenas correspondendo à média da amostra observada ou à variação dos momentos teóricos para obter estimativas dos parâmetros. Geralmente é o mesmo que o MLE para famílias exponenciais, pelo que entendi. No entanto, é difícil encontrar uma definição clara do método …

13 maximum-likelihood  method-of-moments 

Existem alguns métodos para estimativa de parâmetros por aí. MLE, UMVUE, MoM, teoria da decisão e outros parecem ter um caso bastante lógico do motivo pelo qual são úteis para a estimativa de parâmetros. Existe um método melhor do que os outros, ou é apenas uma questão de como definimos …

12 estimation  mathematical-statistics  maximum-likelihood  method-of-moments  umvue 

Como explico métodos generalizados de momentos e como é usado para um não estatístico? Até agora, estou indo: é algo que usamos para estimar condições como médias e variações com base nas amostras que coletamos. Como explico a parte em que você estima o vetor de parâmetros minimizando a variação?

11 generalized-moments  method-of-moments 

Exemplos: Eu tenho uma frase na descrição do trabalho: "Java senior engineer in UK". Eu quero usar um modelo de aprendizado profundo para prever em duas categorias: English e IT jobs. Se eu usar o modelo de classificação tradicional, ele poderá prever apenas 1 rótulo com softmaxfunção na última camada. …

9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty 

Nos cursos mais básicos da teoria das probabilidades, as funções geradoras de momento relatado (mgf) são úteis para calcular os momentos de uma variável aleatória. Em particular a expectativa e variação. Agora, na maioria dos cursos, os exemplos que eles fornecem para expectativa e variação podem ser resolvidos analiticamente usando …

8 probability  distributions  mathematical-statistics  mgf  method-of-moments 

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