최대 우도 추정을 이해하려면 얼마나 많은 미적분이 필요합니까?


11

MLE 학습을위한 학습 계획을 세우려고합니다. 이를 위해 MLE을 이해하는 데 필요한 최소 수준의 미적분이 무엇인지 파악하려고합니다.

MLE를 이해하기 위해 미적분학의 기초를 이해하는 것만으로 충분합니까 (즉, 최소 및 최대 함수 찾기)?


2
항상 그렇듯이에 따라 다릅니다 . 기본을 이해하려고 할 때 함수의 극한을 찾을 수 있으면 공정한 방법을 얻을 수 있습니다 (MLE의 많은 실제 사례에서 L은 M으로 표시됩니다).이 경우 다른 기술도 필요합니다 기본 미적분학으로).
Glen_b-복지 주 모니카

감사. 언급 한 사례를 더 자세히 설명해 주시겠습니까? 재미 있겠다.
histelheim

알았지 만 지금은 대답해야합니다. 잠깐만
Glen_b-복지 주 모니카

답변:


20

내 의견을 확장하려면 의견이 다릅니다. 기본을 이해하려고 할 때 함수의 극한을 찾을 수 있으면 공정한 방법을 얻을 수 있습니다 (MLE의 많은 실제 경우에는 가능성이 수치 적으로 극대화됩니다.이 경우 다른 기술과 일부 기술이 필요합니다) 기본 미적분학).

나는 당신이 명백한 대수적 솔루션을 얻는 좋은 간단한 사례를 남겨 둘 것입니다. 그럼에도 불구하고 미적분학은 종종 매우 유용합니다.

나는 독립을 가정합니다. 1- 파라미터 최적화의 가장 간단한 경우를 보자. 먼저 미분을 취하고 모수와 통계량의 함수를 분리 할 수있는 경우를 살펴 보겠습니다.

Gamma(α,1) 밀도를 고려하십시오

fX(x;α)=1Γ(α)xα1exp(x);x>0;α>0

그런 다음 크기가 n 인 표본의 경우 가능성은

L(α;x)=i=1nfX(xi;α)

따라서 로그 우도는

(α;엑스)=나는=1ln에프엑스(엑스나는;α)=나는=1ln(1Γ(α)엑스나는α1특급(엑스나는))
=나는=1lnΓ(α)+(α1)ln엑스나는엑스나는
=lnΓ(α)+(α1)에스엑스엑스¯
여기서에스엑스=나는=1ln엑스나는 . 파생 상품을 복용,

α(α;엑스)=α(lnΓ(α)+(α1)에스엑스엑스¯)
=Γ'(α)Γ(α)+에스엑스
=ψ(α)+에스엑스

우리가 제로로 그 설정에 대한 해결하려고 그렇다면 α : 우리는이 얻을 수 ψ ( α ) = LN G ( X를 )α^

ψ(α^)=ln(엑스)

여기서 ψ()디 감마 함수이고 ()기하 평균 입니다. 우리는 일반적으로 미분 값을 0으로 설정할 수 없으며 argmax 를 찾을 것이라고 확신 할 수 없습니다 . 여전히 솔루션이 최대라는 것을 어떤 식 으로든 보여줘야합니다 (이 경우에는 최대입니다). 더 일반적으로, 당신은 최소, 또는 수평 굴곡 점을 얻을 수 있으며, 당신이 로컬 최대 값을 가지고 있어도, 당신은 글로벌 최대 값을 갖지 못할 수도 있습니다 (끝에 닿아 있습니다).

우리의 작업은 값 찾기 위해 지금 그래서 α를 하는α^

ψ(α^)=

=ln(엑스)

이것은 기본 기능에 대한 해결책이 없으며 수치로 계산해야합니다. 적어도 한쪽의 매개 변수 기능과 다른 쪽의 데이터 기능을 얻을 수있었습니다. 방정식을 풀 수있는 명시적인 방법이없는 경우 사용할 수있는 다양한 제로 찾기 알고리즘이 있습니다 (미분이없는 경우에도 이진 섹션이 있음).

에프(엑스;μ)=14sech2(엑스μ2).
μ

θ

에프엑스(엑스;θ)=1π(1+(엑스θ)2).

일반적으로 여기서의 가능성은 고유 한 로컬 최대 값이 없지만 여러 로컬 최대 값을 갖습니다. 당신이 찾아내는 경우에 지역 최대, 또 다른, 더 큰 하나 다른 곳에있을 수 있습니다. (때로는 사람들이 중간 값에 가장 가까운 지역 최대 값을 식별하는 데 중점을 둡니다.)

(0,θ)

다른 경우에는 매개 변수 공간이 불연속적일 수 있습니다.

때로는 최대 값을 찾는 것이 매우 복잡 할 수 있습니다.

그리고 그것은 하나의 매개 변수로 문제를 샘플링 한 것입니다. 여러 매개 변수가 있으면 상황이 다시 더 복잡해집니다.


4

아르 자형아르 자형

가능성의 로그를 최대화하는 것이 일반적으로 가능성 자체를 최대화하는 것보다 훨씬 쉽기 때문에 로그가있는 일부 시설이 확실히 도움이됩니다.

아르 자형아르 자형

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.