Eu tenho uma confusão sobre estimadores tendenciosos de máxima verossimilhança (ML). A matemática de todo o conceito é bastante clara para mim, mas não consigo descobrir o raciocínio intuitivo por trás dele. Dado um determinado conjunto de dados que possui amostras de uma distribuição, que é uma...
Encontrei alguns guias sugerindo que eu use o nlm de R para estimar a probabilidade máxima. Mas nenhum deles (incluindo a documentação de R ) fornece muita orientação teórica para quando usar ou não a função. Até onde eu sei, o nlm está apenas descendo gradualmente ao longo das linhas do método de...
Gostaria de saber se há sempre um maximizador para qualquer problema de estimativa de máxima (log-) probabilidade? Em outras palavras, existe alguma distribuição e alguns de seus parâmetros, para os quais o problema do MLE não possui um maximizador? Minha pergunta vem de uma afirmação de um...
Quais são os estimadores de probabilidade máxima para os parâmetros da distribuição t de Student? Eles existem em forma fechada? Uma rápida pesquisa no Google não me deu nenhum resultado. Hoje estou interessado no caso univariado, mas provavelmente terei que estender o modelo para várias...
Comecei a estudar sobre estatísticas e modelos. Atualmente, meu entendimento é que usamos o MLE para estimar os melhores parâmetros para um modelo. No entanto, quando tento entender como as redes neurais funcionam, parece que elas geralmente usam outra abordagem para estimar os parâmetros. Por que...
Dado um resultado do otim com uma matriz hessiana, como calcular os intervalos de confiança dos parâmetros usando a matriz hessiana? fit<-optim(..., hessian=T) hessian<-fit$hessian Estou interessado principalmente no contexto da análise de máxima verossimilhança, mas estou curioso para...
Suponha que eu tenha o seguinte modelo yi=f(xi,θ)+εiyi=f(xi,θ)+εiy_i=f(x_i,\theta)+\varepsilon_i onde , é um vetor de variáveis explicativas, são os parâmetros da função não linear e , onde é naturalmente matriz.yi∈RKyi∈RKy_i\in \mathbb{R}^Kxixix_iθθ\thetafffεi∼N(0,Σ)εi∼N(0,Σ)\varepsilon_i\sim...
Estou estudando sobre estimativa de máxima verossimilhança e li que a função de verossimilhança é o produto das probabilidades de cada variável. Por que é o produto? Por que não a soma? Estou tentando pesquisar no Google, mas não consigo encontrar respostas
De acordo com Probability and Statistics for Engineers, de Miller e Freund, 8ed (pp.217-218), a função de probabilidade a ser maximizada para a distribuição binomial (ensaios de Bernoulli) é dada como L ( p ) = ∏ni = 1pxEu( 1 - p )1 - xEueu(p)=∏Eu=1npxEu(1-p)1-xEuL(p) =
Por que é tão comum obter estimativas de probabilidade máxima de parâmetros, mas você praticamente nunca ouve falar das estimativas esperadas de parâmetros de probabilidade (ou seja, com base no valor esperado e não no modo de uma função de probabilidade)? Isso ocorre principalmente por razões...
Sei que, para problemas regulares, se temos o melhor estimador imparcial regular, ele deve ser o estimador de máxima verossimilhança (MLE). Mas, geralmente, se tivermos um MLE imparcial, também seria o melhor estimador imparcial (ou talvez eu deva chamá-lo de UMVUE, desde que tenha a menor...
Quais distribuições têm soluções em formato fechado para as estimativas de máxima verossimilhança dos parâmetros de uma amostra de observações independentes?
Eu sou um matemático que estuda estatística e está lutando especialmente com o idioma. No livro que estou usando, há o seguinte problema: Uma variável aleatória é fornecida como distribuída com . (Obviamente, você pode fazer qualquer distribuição, dependendo de um parâmetro, para fins desta...
Contexto O gaussiano multivariado aparece frequentemente no Machine Learning e os seguintes resultados são usados em muitos livros e cursos de ML sem as derivações. Dados os dados na forma de uma matriz de dimensões , se assumirmos que os dados seguem uma distribuição gaussiana variável...
Precisão é definida como: p = true positives / (true positives + false positives) É verdade que, como true positivese false positivesabordagem 0, a precisão se aproxima de 1? Mesma pergunta para recall: r = true positives / (true positives + false negatives) No momento, estou implementando...
Estatísticas freqüentistas para mim são sinônimos por tentar tomar decisões que são boas para todas as amostras possíveis. Ou seja, uma regra de decisão freqüentista deve sempre tentar minimizar o risco freqüentista, que depende da função de perda e do verdadeiro estado da natureza :δδ\deltaeueuLθ0...
Considere um vetor de parâmetros , com θ 1 o parâmetro de interesse e θ 2 um parâmetro incômodo.( θ1, θ2)(θ1,θ2)(\theta_1, \theta_2)θ1θ1\theta_1θ2θ2\theta_2 Se é a probabilidade construída a partir dos dados x , a probabilidade de perfil para θ 1 é definido como G P ( θ 1 ; x ) = G ( θ 1 , θ 2 ( θ...
Oi, o mesmo pode ser mostrado para obter o parâmetro de forma e escala para o método de máxima verossimilhança
A idéia "fundamental" das estatísticas para estimar parâmetros é a máxima probabilidade . Gostaria de saber qual é a ideia correspondente no aprendizado de máquina. Qn 1. Seria justo dizer que a idéia 'fundamental' no aprendizado de máquina para estimar parâmetros é: 'Funções de Perda' [Nota:...
Contexto : Regressão hierárquica com alguns dados ausentes. Pergunta : Como uso a estimativa de máxima verossimilhança de informações completas (FIML) para tratar dos dados ausentes no R? Existe um pacote que você recomendaria e quais são as etapas típicas? Recursos e exemplos online também seriam...