«method-of-moments» 태그된 질문

표본 모멘트와 모집단 모멘트를 동일시 한 다음 알려지지 않은 모수에 대한 방정식을 풀어 모수를 추정하는 방법입니다.

7
작은 표본에서 모멘트 방법이 최대 가능성을 능가 할 수있는 예는 무엇입니까?
최대 가능성 추정기 (MLE)는 점진적으로 효율적입니다. 표본 크기가 작은 경우에도 MoM (Method of Moments) 추정치 (상이한 경우)보다 종종 더 나은 점에서 실제적인 결과를 볼 수 있습니다. 여기서 "보다 낫다"는 일반적으로 둘 다 편향되지 않은 경우 분산이 더 작고 일반적으로 더 작은 평균 제곱 오차 (MSE)가 작다는 의미입니다. 그러나 문제는 다음과 …
5
최대 가능성 추정-많은 경우에 편향에도 불구하고 사용되는 이유
최대 우도 추정은 종종 편향 추정기로 귀결됩니다 (예를 들어, 표본 분산에 대한 추정은 가우스 분포에 대해 편향됩니다). 그렇다면 무엇이 그렇게 인기가 있습니까? 왜 그렇게 많이 사용됩니까? 또한 대안적인 접근 방식보다 더 나은 점은 무엇입니까? 또한 가우시안의 경우 MLE 추정기의 간단한 스케일링으로 인해 편향되지 않은 것으로 나타났습니다. 이 스케일링이 표준 절차가 …
4
순간이란 무엇입니까? 그것들은 어떻게 파생됩니까?
우리는 일반적으로 모든 모수의 모수를 추정 할 때까지 "모멘트 모멘트를 표본에 대응시키는"모멘트 추정법을 소개합니다. 정규 분포의 경우이 분포를 완전히 설명하기 때문에 첫 번째 순간과 두 번째 순간 만 필요합니다. 이자형( X) = μ⟹∑엔나는 = 1엑스나는/ n= X¯이자형(엑스)=μ⟹∑나는=1엔엑스나는/엔=엑스¯E(X) = \mu \implies \sum_{i=1}^n X_i/n = \bar{X} 이자형( X2) = μ2+ σ2⟹∑엔나는 = …
1
최대 가능성과 모멘트 방법은 언제 동일한 추정량을 생성합니까?
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 …
1
모멘트 생성 기능과 특성 기능 간의 연결
모멘트 생성 기능과 특성 기능 간의 연결을 이해하려고합니다. 모멘트 생성 함수는 다음과 같이 정의됩니다 : 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!} exp ( t X ) 의 연속 확장 사용 = ∑ ∞ 0 ( t ) n ⋅ …
1
분산 분석은 최대 가능성이 아닌 순간의 방법에 의존합니까?
ANOVA는 모멘트 방법을 사용하여 추정을 수행한다고 여러 곳에서 언급했습니다. 비록 순간의 방법에 익숙하지는 않지만, 그것이 최대 가능성의 방법과는 다르고 그와 동등한 것이 아니라는 것을 이해하기 때문에 나는 그 주장에 혼란을 느낀다. 반면, ANOVA는 범주 형 예측 변수를 사용하는 선형 회귀로 볼 수 있으며 회귀 모수에 대한 OLS 추정 은 최대 …
3
순간의 방법은 무엇이며 MLE과 어떻게 다릅니 까?
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 …
2
어떤 파라미터 추정 방법을 선택해야하는지 어떻게 알 수 있습니까?
거기에는 파라미터 추정을위한 방법이 꽤 있습니다. MLE, UMVUE, MoM, 의사 결정 이론 및 기타 사항은 모두 매개 변수 추정에 유용한 이유에 대해 상당히 논리적 인 것처럼 보입니다. 어떤 방법이 다른 방법보다 낫습니까, 아니면 "최적의 적합"추정기가 무엇인지 정의하는 방법의 문제입니까 (직교 오차를 최소화하는 것이 일반적인 최소 제곱 접근법과 다른 추정치를 생성하는 …
1
상호 배타적이지 않은 카테고리를 분류 할 수있는 딥 러닝 모델
예 : 직업 설명에 "영국의 Java Senior Engineer"문장이 있습니다. 나는 2 개 종류로 예측하는 깊은 학습 모델을 사용하려면 : English 와 IT jobs. 기존 분류 모델을 사용하는 경우 softmax마지막 레이어에서 함수가있는 레이블 하나만 예측할 수 있습니다 . 따라서 두 모델 신경망을 사용하여 두 범주 모두에서 "예"/ "아니오"를 예측할 수 있지만 …
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 
당사 사이트를 사용함과 동시에 당사의 쿠키 정책과 개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.