«maximum-likelihood» 태그된 질문

최대 우도 추정에 대해 연구하고 있으며 우도 함수는 각 변수의 확률의 곱이라는 것을 읽었습니다. 왜 제품입니까? 왜 합계가 아닌가? Google에서 검색하려고했지만 의미있는 답변을 찾을 수 없습니다. https://ko.wikipedia.org/wiki/Maximum_likelihood

22 maximum-likelihood 

모수의 최대 우도 추정값을 얻는 것이 왜 그렇게 일반적입니까? 그러나 예상 우도 모수 추정치 에 대해 거의 듣지 못합니다 (즉, 우도 함수 모드 가 아닌 예상 값을 기준으로 )? 이것은 주로 역사적 이유나보다 실질적인 기술적 또는 이론적 인 이유 때문입니까? 최대 우도 추정치보다는 예상 우도 추정치를 사용하는 데 상당한 장점 …

22 probability  mathematical-statistics  maximum-likelihood  optimization  expected-value 

저는 수학자 자체 학습 통계이며 특히 언어에 어려움을 겪고 있습니다. 내가 사용하는 책에는 다음과 같은 문제가 있습니다. 임의의 변수 XXX 는 - 과 함께 제공 됩니다. (물론,이 질문을 위해 하나의 매개 변수에 따라 모든 분포를 취할 수 있습니다.) 그런 다음 5 개의 값 , , , , 의 샘플 이 …

21 maximum-likelihood 

독립 관측치 표본의 모수에 대한 최대 우도 추정치에 대한 폐쇄 형 솔루션이있는 분포는 무엇입니까?

21 distributions  mathematical-statistics  maximum-likelihood 

정밀도는 다음과 같이 정의됩니다. p = true positives / (true positives + false positives) 로, 즉를 정확 true positives하고 false positives, 정밀도가 한 접근 방식 0? 리콜에 대한 동일한 질문 : r = true positives / (true positives + false negatives) 현재이 값을 계산 해야하는 통계 테스트를 구현 중이며 때로는 …

20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

문맥 다변량 가우스는 머신 러닝에서 자주 나타나며 다음 결과는 많은 ML 서적과 과정에서 파생되지 않고 사용됩니다. 행렬의 형태로 주어진 데이터 치수의 , 우리는 데이터를 따른다고 가정하면 -variate 가우시안 변수와 분포 평균 ( ) 및 공분산 행렬 ( ) 최대 가능성 추정치 는 다음과 같이 제공됩니다.XX\mathbf{X} m×pm×p m \times ppppμμ\mup×1p×1p \times …

20 normal-distribution  maximum-likelihood  estimators  multivariate-normal 

저에게 빈번한 통계는 가능한 모든 샘플에 적합한 결정을 내리는 데 동의합니다. 즉, 잦은 의사 결정 규칙 는 항상 잦은 위험을 최소화하려고 노력해야한다. 이는 손실 함수 과 진정한 자연 상태 .δδ\delta엘엘Lθ0θ0\theta_0 아르 자형에프r e q= Eθ0( L ( θ0, δ( Y) )아르 자형에프아르 자형이자형큐=이자형θ0(엘(θ0,δ(와이))R_\mathrm{freq}=\mathbb{E}_{\theta_0}(L(\theta_0,\delta(Y)) 최대 우도 추정은 잦은 위험과 어떤 관련이 …

19 maximum-likelihood  frequentist 

Hi는 수정 된 최대 우도 방법에 대한 모양 및 스케일 모수를 얻기 위해 동일하게 표시 될 수 있습니다.

19 r  maximum-likelihood  weibull 

매개 변수의 벡터를 고려 와, θ 1 관심있는 매개 변수를, 그리고 θ 2 귀찮은 매개 변수입니다.(θ1,θ2)(θ1,θ2)(\theta_1, \theta_2)θ1θ1\theta_1θ2θ2\theta_2 경우 데이터로부터 구성 될 가능성 인 X 에 대한 프로파일 우도 θ (1) 로 정의된다 L P ( θ 1 , X ) = L ( θ 1 , θ 2 ( θ …

19 maximum-likelihood  likelihood  profile-likelihood 

모수 추정에 대한 통계의 '기본'아이디어는 최대 가능성 입니다. 기계 학습에서 해당 아이디어가 무엇인지 궁금합니다. Qn 1. 매개 변수 추정을위한 머신 러닝의 '기본'아이디어는 '손실 함수'라고 말할 수 있습니다. [참고 : 머신 러닝 알고리즘은 종종 손실 함수를 최적화하여 위의 질문에 대한 것입니다.] Qn 2 : 통계와 머신 러닝 사이의 격차를 해소하려는 문헌이 …

19 machine-learning  maximum-likelihood  loss-functions  pac-learning 

안녕하세요, 멀티 레벨 / 믹스 모델의 자연스러운 후보처럼 들리는 두 가지 문제가 있습니다. 더 간단하고 소개하려고 시도하는 것은 다음과 같습니다. 데이터는 여러 행의 행처럼 보입니다. x y innergroup outergroup 여기서 x는 y를 회귀시키려는 숫자 공변량입니다 (다른 숫자 변수). 각 y는 내부 그룹에 속하고 각 내부 그룹은 외부 그룹에 중첩됩니다 (즉, …

18 r  mixed-model  maximum-likelihood  generalized-linear-model 

배경 : 참고 : 내 데이터 세트와 r 코드는 텍스트 아래에 포함됩니다. R의 lme4 패키지를 사용하여 생성 된 두 가지 혼합 효과 모델을 비교하기 위해 AIC를 사용하고 싶습니다. 각 모델에는 하나의 고정 효과와 하나의 임의 효과가 있습니다. 고정 효과는 모델마다 다르지만 임의 효과는 모델간에 동일하게 유지됩니다. REML = T를 사용하면 …

18 maximum-likelihood  random-effects-model  fixed-effects-model  mixed-model  lme4-nlme 

내가 읽은 여러 논문, 서적 및 기사를 기반으로 얻은 인상은 일련의 데이터에 확률 분포를 맞추는 권장 방법은 최대 가능성 추정 (MLE)을 사용하는 것입니다. 그러나 물리학 자로서보다 직관적 인 방법은 모형의 pdf를 최소 제곱을 사용하여 경험적 pdf에 맞추는 것입니다. 그렇다면 왜 확률 분포를 피팅 할 때 MLE이 최소 제곱보다 낫습니까? 누군가이 …

18 distributions  maximum-likelihood  least-squares  heteroscedasticity  fitting 

컨텍스트 : 데이터가 누락 된 계층 적 회귀. 질문 : R에서 누락 된 데이터를 처리하기 위해 전체 정보 최대 가능성 (FIML) 추정을 어떻게 사용합니까? 권장하는 패키지가 있으며 일반적인 단계는 무엇입니까? 온라인 자료와 예제도 도움이 될 것입니다. 추신 : 저는 최근에 R을 사용하기 시작한 사회 과학자입니다. 다중 대치가 옵션이지만 Mplus와 같은 …

18 r  maximum-likelihood  missing-data 

나는 다른 날 에이 질문을 받았으며 전에는 고려하지 않았습니다. 내 직감은 각 견적의 장점에서 비롯됩니다. 모멘트 방법과 달리 전체 분포에 대한 지식을 활용하기 때문에 데이터 생성 프로세스에 확신이있을 때 최대 가능성은 바람직합니다. MoM 추정기는 모멘트에 포함 된 정보 만 사용하기 때문에 추정하려는 모수에 대한 충분한 통계량이 데이터의 모멘트 일 때 …

17 mathematical-statistics  maximum-likelihood  estimators  method-of-moments