n 차원 상태 벡터에 대한 선형 가우스 상태 공간 분석을 위해 칼만 필터링 (여러 칼만 유형 필터 [Information Filter et al.] 사용)을 수행 할 수있는 코드를 작성했습니다. 필터가 훌륭하게 작동하고 좋은 결과를 얻었습니다. 그러나 로그 우도 추정을 통한 매개 변수 추정은 혼란 스럽습니다. 나는 통계학자가 아니라 물리학 자이기 때문에 친절하세요. …
모델 선택 문제가 있고 AIC 또는 BIC 를 사용 하여 모델을 평가 하려고한다고 가정 해 봅시다 . 이는 실제 값 이 몇 인 매개 변수 가있는 모델의 경우 간단합니다 .kkk 그러나 모델 중 하나 (예 : Mallows 모델 )에 순열 매개 변수 대신 실제 값 매개 변수 대신 순열을 더한 …
몇 가지 매개 변수를 사용하여 궤적 (시간의 함수로 x)을 예측하는 모델이 있습니다. 현재 예측 궤도와 실험적으로 기록 된 궤도 사이의 RMSE (root mean square error)를 계산합니다. 현재 나는 simplex (matlab의 fminsearch)를 사용 하여이 차이 (RMSE)를 최소화합니다. 이 방법이 적합하게 작동하는 동안 여러 모델을 비교하고 싶습니다. 따라서 RMSE를 최소화하는 대신 최대한 …
이 질문은 이것에 의해 동기가 부여 됩니다 . 나는 두 가지 출처를 찾았으며 이것이 내가 찾은 것입니다. A. van der Vaart, 증상 통계 : 프로파일 가능성을 명시 적으로 계산하는 것은 거의 불가능하지만 수치 평가는 종종 가능합니다. 그러면 프로파일 우도는 우도 함수의 차원을 감소시키는 역할을 할 수있다. 프로파일 우도 함수는 종종 …
전제 : 이것은 어리석은 질문 일 수 있습니다. MLE 점근 적 특성에 대한 진술 만 알고 있지만 증거를 연구 한 적이 없습니다. 내가했다면 아마도이 질문을하지 않을 수도 있고, 또는 나는이 질문이 이해가되지 않는다는 것을 깨달을 것입니다 ... 그래서 나에게 쉽게 가십시오 :) 나는 종종 모델 파라미터의 MLE 추정기가 무의식적으로 정상적이고 …
배경: Princeton의 GLM MLE 추정 검토 를 따르려고합니다 . 내가 MLE 추정의 기초를 이해 : likelihood, score, 관찰 및 예상 Fisher information과 Fisher scoring기술. 그리고 나는 MLE 추정으로 간단한 선형 회귀 를 정당화하는 방법을 알고 있습니다. 질문: 이 방법의 첫 번째 줄조차 이해할 수 없습니다. 다음과 같이 작업 변수 의 …
Firth 로지스틱 회귀 분석 (로지스틱 회귀 분석에서 완전 / 완전 또는 준-완전 분리를 처리하는 방법)을 이해하려고하므로 다른 사람들에게 단순화 된 용어로 설명 할 수 있습니다. 누구든지 Firth 추정이 MLE에 어떤 수정을했는지에 대한 간단한 설명이 있습니까? 나는 최선을 다해 Firth (1993)를 읽었으며 점수 함수에 수정이 적용되고 있음을 이해합니다. 나는 교정의 기원과 …
일반적으로 모멘트 방법은 관측 된 샘플 평균 또는 분산을 이론적 모멘트와 일치시켜 모수 추정치를 얻는 것처럼 보입니다. 이것은 종종 지수 가족의 MLE과 동일합니다. 그러나 가능성 함수의 모드를 찾는 것이 까다로울지라도 모멘트 방법에 대한 명확한 정의와 MLE가 일반적으로 선호되는 이유에 대한 명확한 논의를 찾기는 어렵습니다. 이 질문 은 MLE가 Moment 방법보다 …
함수 에 대한 일반화 된 비선형 최소 제곱 회귀에 대한 로그 우도를 계산하려고 합니다. ( 패키지 로부터) 브라운 운동을 가정하여 계통 발생 수 트리에서 거리에 의해 생성 된 분산 공분산 행렬을 사용하여 R 패키지의 함수 . 다음의 재현 가능한 R 코드는 x, y 데이터와 9 개의 분류법을 가진 임의의 트리를 …
클러스터링 문제를 해결하기 위해 Bayes를 사용하고 있습니다. 몇 가지 계산을 한 후 두 확률의 비율을 구해야합니다. P(A)/P(B)P(A)/P(B)P(A)/P(B) 를 얻을 수 있습니다 . 이 확률은 이 답변 에서 설명한 것처럼 두 개의 다른 2D 다변량 KDE를 통합하여 얻습니다 .P(H|D)P(H|D)P(H|D) P ( B ) = ∬ X , Y : g ( …
MLE (Maximum Likelihood Estimation) 및 EM (Expectation Maximization)과 어떤 관련이 있는지에 대한 간단한 개념적 질문이 있습니다. 내가 이해하는 것처럼 누군가 "우리는 MLE를 사용했습니다"라고 말하면 데이터 PDF의 명시 적 모델을 가지고 있다는 의미입니까? 이것에 대한 대답은 그렇습니다. 다른 말로하면, 누군가 "MLE"이라고 말하면 어떤 PDF를 사용하는지 물어 보는 것이 좋습니다. 이것이 맞습니까? …
아무도이 길을 따라 가고 싶어하는 경우에 대비 하여이 질문 에서 왔습니다 . 기본적으로 나는 각 객체에 주어진 수의 측정 값이 붙어있는 N 개의 객체 로 구성된 데이터 세트 을 가지고 있습니다 (이 경우 2 개).ΩΩ\OmegaNNN Ω=o1[x1,y1],o2[x2,y2],...,oN[xN,yN]Ω=o1[x1,y1],o2[x2,y2],...,oN[xN,yN]\Omega = o_1[x_1, y_1], o_2[x_2, y_2], ..., o_N[x_N, y_N] I는 확률을 결정하는 방법이 필요 새로운 …
누군가가 말했다면 "이 방법은 MLE를 사용 하여 을 최대화하는 매개 변수에 대한 점 추정치를 사용 하므로 빈번하고 더 이상 베이지안이 아닙니다."P ( x | θ )P(x|θ)\mathrm{P}(x|\theta) 동의하겠습니까? 배경에 대한 업데이트 : 최근에 빈번하다고 주장하는 논문을 읽었습니다. 나는 그들의 주장에 동의하지 않는다. 기껏해야 그것이 모호하다고 느낀다. 이 논문은 MLE (또는 그 …