Pertanyaan yang diberi tag «maximum-likelihood»

Saya memiliki data yang menggambarkan seberapa sering suatu peristiwa berlangsung selama satu jam ("angka per jam", nph) dan berapa lama acara berlangsung ("durasi dalam detik per jam", dph). Ini adalah data asli: nph <- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732, 4.58823529414907, 5.59999999993481, 5.06666666666667, 11.6470588233699, 1.99999999998209, NA, 4.46153846149851, 18, 1.05882352939726, 9.21739130425452, 27.8399999994814, 15.3750000002237, …

8 normal-distribution  data-transformation  logistic  generalized-linear-model  ridge-regression  t-test  wilcoxon-signed-rank  paired-data  naive-bayes  distributions  logistic  goodness-of-fit  time-series  eviews  ecm  panel-data  reliability  psychometrics  validity  cronbachs-alpha  self-study  random-variable  expected-value  median  regression  self-study  multiple-regression  linear-model  forecasting  prediction-interval  normal-distribution  excel  bayesian  multivariate-analysis  modeling  predictive-models  canonical-correlation  rbm  time-series  machine-learning  neural-networks  fishers-exact  factorisation-theorem  svm  prediction  linear  reinforcement-learning  cdf  probability-inequalities  ecdf  time-series  kalman-filter  state-space-models  dynamic-regression  index-decomposition  sampling  stratification  cluster-sample  survey-sampling  distributions  maximum-likelihood  gamma-distribution 

Christopher Bishop mendefinisikan nilai yang diharapkan dari fungsi kemungkinan log data lengkap (yaitu dengan asumsi bahwa kita diberikan data yang dapat diamati X serta data laten Z) sebagai berikut: EZ[lnp(X,Z∣μ,Σ,π)]=∑n=1N∑k=1Kγ(znk){lnπk+lnN(xn∣ μk,Σk)}(1)(1)EZ[ln⁡p(X,Z∣μ,Σ,π)]=∑n=1N∑k=1Kγ(znk){ln⁡πk+ln⁡N(xn∣ μk,Σk)} \mathbb{E}_\textbf{Z}[\ln p(\textbf{X},\textbf{Z} \mid \boldsymbol{\mu}, \boldsymbol{\Sigma}, \boldsymbol{\pi})] = \sum_{n=1}^N \sum_{k=1}^K \gamma(z_{nk})\{\ln \pi_k + \ln \mathcal{N}(\textbf{x}_n \mid \ \boldsymbol{\mu}_k, \boldsymbol{\Sigma}_k)\} …

8 self-study  maximum-likelihood  expected-value  convergence  expectation-maximization 

Pertama-tama saya ingin menjelaskan bahwa saya bukan ahli dalam bidang ini. Misalkan memiliki dua variabel acak XXX dan YYY yang binomial, masing-masing X∼B(n1,p)X∼B(n1,p)X\sim B(n_1,p) dan Y∼B(n2,p),Y∼B(n2,p),Y\sim B(n_2,p), perhatikan di sini itu pppadalah sama. saya tahu ituZ=X+Y∼B(n1+n2,p).Z=X+Y∼B(n1+n2,p).Z=X+Y \sim B(n_1+n_2,p). Membiarkan {x1,…,xk}{x1,…,xk}\{x_1,\ldots,x_k\} menjadi sampel untuk XXX dan {y1,…,yk}{y1,…,yk}\{y_1,\ldots,y_k\} menjadi sampel untuk YYY, …

8 mathematical-statistics  confidence-interval  estimation  maximum-likelihood  binomial 

Pertama mari kita mensimulasikan beberapa data untuk regresi logistik dengan bagian-bagian tetap dan acak: set.seed(1) n <- 100 x <- runif(n) z <- sample(c(0,1), n, replace=TRUE) b <- rnorm(2) beta <- c(0.4, 0.8) X <- model.matrix(~x) Z <- cbind(z, 1-z) eta <- X%*%beta + Z%*%b pr <- 1/(1+exp(-eta)) y <- …

8 generalized-linear-model  maximum-likelihood  glmm  mixed-model  numerical-integration 

Proyek saya saat ini mungkin mengharuskan saya untuk membuat model untuk memprediksi perilaku sekelompok orang tertentu. set data pelatihan hanya berisi 6 variabel (id hanya untuk tujuan identifikasi): id, age, income, gender, job category, monthly spend di mana monthly spendadalah variabel respon. Tetapi dataset pelatihan berisi sekitar 3 juta baris, …

8 modeling  large-data  overfitting  clustering  algorithms  error  spatial  r  regression  predictive-models  linear-model  average  measurement-error  weighted-mean  error-propagation  python  standard-error  weighted-regression  hypothesis-testing  time-series  machine-learning  self-study  arima  regression  correlation  anova  statistical-significance  excel  r  regression  distributions  statistical-significance  contingency-tables  regression  optimization  measurement-error  loss-functions  image-processing  java  panel-data  probability  conditional-probability  r  lme4-nlme  model-comparison  time-series  probability  probability  conditional-probability  logistic  multiple-regression  model-selection  r  regression  model-based-clustering  svm  feature-selection  feature-construction  time-series  forecasting  stationarity  r  distributions  bootstrap  r  distributions  estimation  maximum-likelihood  garch  references  probability  conditional-probability  regression  logistic  regression-coefficients  model-comparison  confidence-interval  r  regression  r  generalized-linear-model  outliers  robust  regression  classification  categorical-data  r  association-rules  machine-learning  distributions  posterior  likelihood  r  hypothesis-testing  normality-assumption  missing-data  convergence  expectation-maximization  regression  self-study  categorical-data  regression  simulation  regression  self-study  self-study  gamma-distribution  modeling  microarray  synthetic-data 

Misalkan saya memiliki percobaan lemparan koin di mana saya ingin menghitung perkiraan kemungkinan maksimum dari parameter koin saat melempar koin kali. Setelah menghitung turunan dari fungsi kemungkinan binomial L (p) = {n \ pilih x} p ^ x (1-p) ^ {nx} , saya mendapatkan nilai optimal untuk p menjadi p …

8 probability  self-study  variance  maximum-likelihood  expected-value 

Dalam sebuah kuliah baru-baru ini saya diberitahu bahwa, agar estimasi kemungkinan maksimum menjadi valid, kemungkinan log harus menuju minus tak terhingga ketika parameter menuju ke batas ruang parameter. Tetapi saya tidak mengerti mengapa ini penting. Misalkan kemungkinan log masuk ke beberapa jenis asimtot. Maka parameter yang memaksimalkan kemungkinan masih merupakan …

8 maximum-likelihood 

Saya memiliki serangkaian tanggapan yang dinyatakan sebagai interval seperti contoh di bawah ini. > head(left) [1] 860 516 430 1118 860 602 > head(right) [1] 946 602 516 1204 946 688 di mana kiri adalah batas bawah dan kanan adalah batas atas dari respons. Saya ingin memperkirakan parameter sesuai dengan …

8 r  maximum-likelihood  likelihood  lognormal  interval-censoring 

Sampel rata-rata adalah penduga kemungkinan maksimum μμ\mu untuk distribusi normal Normal ( μ , σ)Normal(μ,σ)\text{Normal}(\mu,\sigma). Median sampel adalah penaksir kemungkinan maksimum sebesarmmmuntuk distribusi Laplace Laplace ( m , s )Laplace(m,s)\text{Laplace}(m,s) (Juga disebut distribusi eksponensial ganda). Apakah distribusi ada dengan parameter lokasi yang berarti rata-rata sampel yang dipangkas adalah penaksir kemungkinan …

8 distributions  maximum-likelihood  trimmed-mean 

Saya memiliki dua kelompok yang terdiri dari 10 peserta yang dinilai tiga kali selama percobaan. Untuk menguji perbedaan antara kelompok dan di tiga penilaian, saya menjalankan ANOVA desain campuran 2x3 dengan group(kontrol, eksperimental), time(pertama, kedua, tiga), dan group x time. Keduanya timedan grouphasilnya signifikan, selain itu ada interaksi yang signifikan …

8 anova  mixed-model  spss  post-hoc  bonferroni  time-series  unevenly-spaced-time-series  classification  normal-distribution  discriminant-analysis  probability  normal-distribution  estimation  sampling  classification  svm  terminology  pivot-table  random-generation  self-study  estimation  sampling  estimation  categorical-data  maximum-likelihood  excel  least-squares  instrumental-variables  2sls  total-least-squares  correlation  self-study  variance  unbiased-estimator  bayesian  mixed-model  ancova  statistical-significance  references  p-value  fishers-exact  probability  monte-carlo  particle-filter  logistic  predictive-models  modeling  interaction  survey  hypothesis-testing  multiple-regression  regression  variance  data-transformation  residuals  minitab  r  time-series  forecasting  arima  garch  correlation  estimation  least-squares  bias  pca  predictive-models  genetics  sem  partial-least-squares  nonparametric  ordinal-data  wilcoxon-mann-whitney  bonferroni  wilcoxon-signed-rank  traminer  regression  econometrics  standard-error  robust  misspecification  r  probability  logistic  generalized-linear-model  r-squared  effect-size  gee  ordered-logit  bayesian  classification  svm  kernel-trick  nonlinear  bayesian  pca  dimensionality-reduction  eigenvalues  probability  distributions  mathematical-statistics  estimation  nonparametric  kernel-smoothing  expected-value  filter  mse  time-series  correlation  data-visualization  clustering  estimation  predictive-models  recommender-system  sparse  hypothesis-testing  data-transformation  parametric  probability  summations  correlation  pearson-r  spearman-rho  bayesian  replicability  dimensionality-reduction  discriminant-analysis  outliers  weka 

Saya mencari terminologi statistik yang tepat untuk menggambarkan masalah berikut. Saya ingin menandai perangkat elektronik yang memiliki respons linier Y=β0+β1X+ ϵY=β0+β1X+ϵY = \beta_0 + \beta_1 X + \epsilon di mana adalah sebuah istilah karena derau pembacaan perangkat. Untuk menentukan Saya akan mengukur serangkaian respons dan menerapkan kotak alat regresi linier …

8 regression  maximum-likelihood  heteroscedasticity  errors-in-variables 

Apakah ada nama standar untuk model pilihan multinomial di mana pengamatannya dalam bentuk pertanyaan biner seperti "apakah Anda lebih suka A ke B" dan "apakah Anda lebih suka B ke D"? Ini seperti kejadian biasa, dan kemungkinannya cukup mudah untuk ditulis dengan tangan, tapi saya kesulitan mencari referensi.

8 maximum-likelihood  discrete-data  paired-data  bradley-terry-model