스튜던트 t- 분포의 모수에 대한 최대 우도 추정치는 무엇입니까? 닫힌 형태로 존재합니까? 빠른 Google 검색으로 결과가 나오지 않았습니다.
오늘 나는 일 변량 사례에 관심이 있지만 아마도 모델을 여러 차원으로 확장해야 할 것입니다.
편집 : 실제로 위치 및 스케일 매개 변수에 주로 관심이 있습니다. 지금은 자유도 매개 변수가 고정되어 있다고 가정하고 나중에 최적의 값을 찾기 위해 숫자 체계를 사용할 수 있습니다.
스튜던트 t- 분포의 모수에 대한 최대 우도 추정치는 무엇입니까? 닫힌 형태로 존재합니까? 빠른 Google 검색으로 결과가 나오지 않았습니다.
오늘 나는 일 변량 사례에 관심이 있지만 아마도 모델을 여러 차원으로 확장해야 할 것입니다.
편집 : 실제로 위치 및 스케일 매개 변수에 주로 관심이 있습니다. 지금은 자유도 매개 변수가 고정되어 있다고 가정하고 나중에 최적의 값을 찾기 위해 숫자 체계를 사용할 수 있습니다.
답변:
닫힌 양식은 T에 존재하지 않지만 EM 알고리즘을 통한 매우 직관적이고 안정적인 접근 방식입니다. 이제 학생이 법선의 척도 혼합이므로 모델을 다음과 같이 작성할 수 있습니다.
어디서 및 w i ~ G a. 이것은 조건부w에 MLE 바로 가중 평균과 표준 편차이다. 이것은 "M"단계입니다
σ 2=ΣIwI(YI - μ
이제 "E"스텝을 대체 그 기대와 함께 모든 데이터를 제공. 이것은 다음과 같이 주어진다 :
따라서 각 방정식의 "오른쪽"을 현재 모수 추정값으로 대체하여 위의 두 단계를 반복하면됩니다.
이것은 잔차가 큰 관측치가 위치 에 대한 계산에서 가중치가 적고 σ 2 계산에 대한 영향을 받기 때문에 t 분포의 견고성을 매우 쉽게 보여줍니다 . "한정된 영향"이란 i 번째 관측치에서 σ 2 추정값에 대한 기여가 주어진 임계 값을 초과 할 수 없음을 의미합니다 (이는 EM 알고리즘에서 ( ν + 1 ) σ 2 o l d 입니다). 또한 ν 는 증가 (감소)하는 "견고성"매개 변수입니다. 는 더 균일 한 가중치를 초래하고 이상치에 대한 감도는 더 작아집니다.
주목할 점은 로그 우도 함수가 둘 이상의 정지 점을 가질 수 있으므로 EM 알고리즘이 전역 모드 대신 로컬 모드로 수렴 될 수 있다는 것입니다. 위치 매개 변수가 특이 치에 너무 가깝게 시작되면 로컬 모드가 발견 될 수 있습니다. 따라서 중앙값에서 시작하는 것이 이것을 피하는 좋은 방법입니다.
다음 문서는 게시 한 문제를 정확하게 설명합니다.
Liu C. 및 Rubin DB 1995. "EM 및 확장, ECM 및 ECME를 사용한 t 분포의 ML 추정." Statistica Sinica 5 : 19 ~ 39.
자유도에 대한 지식이 있거나없는 일반적인 다변량 t- 분포 모수 추정값을 제공합니다. 절차는 섹션 4에서 찾을 수 있으며 1 차원의 확률 론적 절차와 매우 유사합니다.
최근에 학생의 t 분포 규모에 대한 폐쇄 형 견적 도구를 발견했습니다. 내가 아는 한, 이것은 새로운 공헌이지만 관련 결과를 제안하는 의견을 환영합니다. 이 논문은 "결합 지수"분포 패밀리의 맥락에서 방법을 설명합니다. 스튜던트 t는 커플 링 가우시안이라고하며, 여기서 커플 링 항은 자유도의 역수입니다. 폐쇄 형 통계량은 표본의 기하 평균입니다. 커플 링의 값 또는 자유도를 가정하면, 스케일의 추정치는 샘플의 기하학적 평균에 커플 링 및 고조파 수를 포함하는 함수를 곱함으로써 결정된다.
https://arxiv.org/abs/1804.03989 결합 가우스 분포의 척도에 대한 통계로 기하 평균 사용, Kenric P. Nelson, Mark A. Kon, Sabir R. Umarov