Pertanyaan yang diberi tag «method-of-moments»

Suatu metode estimasi parameter dengan menyamakan sampel dan momen populasi kemudian menyelesaikan persamaan untuk parameter yang tidak diketahui.

7
Contoh di mana metode momen dapat mengalahkan kemungkinan maksimum dalam sampel kecil?
Penaksir kemungkinan maksimum (MLE) efisien secara asimptotik; kami melihat hasil praktis dalam hal mereka sering melakukan lebih baik daripada estimasi metode saat (MoM) (ketika mereka berbeda), bahkan pada ukuran sampel kecil Di sini 'lebih baik daripada' berarti dalam arti biasanya memiliki varians yang lebih kecil ketika keduanya tidak bias, dan …

5
Estimasi Kemungkinan Maksimum - mengapa digunakan meskipun bias dalam banyak kasus
Estimasi kemungkinan maksimum seringkali menghasilkan estimasi bias (mis. Estimasi untuk varians sampel bias untuk distribusi Gaussian). Lalu apa yang membuatnya begitu populer? Mengapa persisnya itu digunakan begitu banyak? Juga, apa yang secara khusus membuatnya lebih baik daripada pendekatan alternatif - metode momen? Juga, saya perhatikan bahwa untuk Gaussian, penskalaan sederhana …


4
Apa sebenarnya momen itu? Bagaimana mereka diturunkan?
Kami biasanya diperkenalkan dengan metode penduga momen dengan "menyamakan momen populasi dengan sampel pendampingnya" hingga kami memperkirakan semua parameter populasi; sehingga, dalam kasus distribusi normal, kita hanya perlu momen pertama dan kedua karena mereka sepenuhnya menggambarkan distribusi ini. E(X)=μ⟹∑ni=1Xi/n=X¯E(X)=μ⟹∑i=1nXi/n=X¯E(X) = \mu \implies \sum_{i=1}^n X_i/n = \bar{X} E( X2) = μ2+ …

1
Kapan kemungkinan maksimum dan metode momen menghasilkan penduga yang sama?
Saya ditanya pertanyaan ini tempo hari dan tidak pernah mempertimbangkannya sebelumnya. Intuisi saya berasal dari kelebihan masing-masing estimator. Kemungkinan maksimum lebih disukai ketika kami yakin dalam proses menghasilkan data karena, tidak seperti metode momen, itu memanfaatkan pengetahuan dari seluruh distribusi. Karena penduga Kementerian Perindustrian hanya menggunakan informasi yang terdapat pada …

1
Tautan antara fungsi yang menghasilkan momen dan fungsi karakteristik
Saya mencoba memahami hubungan antara fungsi yang menghasilkan momen dan fungsi karakteristik. Fungsi penghasil momen didefinisikan sebagai: 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!} Menggunakan seri ekspansi , Saya dapat menemukan semua momen distribusi untuk variabel acak X.exp(tX)=∑∞0(t)n⋅Xnn!exp⁡(tX)=∑0∞(t)n⋅Xnn!\exp(tX) = \sum_0^{\infty} …

1
Apakah ANOVA mengandalkan metode momen dan bukan pada kemungkinan maksimum?
Saya melihat disebutkan di berbagai tempat bahwa ANOVA melakukan estimasi menggunakan metode momen. Saya bingung dengan pernyataan itu karena, meskipun saya tidak terbiasa dengan metode momen, pemahaman saya adalah bahwa itu adalah sesuatu yang berbeda dan tidak setara dengan metode kemungkinan maksimum; di sisi lain, ANOVA dapat dilihat sebagai regresi …


3
Apa Metode Momen dan apa bedanya dengan MLE?
Secara umum sepertinya metode saat ini hanya cocok dengan rata-rata sampel yang diamati, atau varians dengan momen teoritis untuk mendapatkan estimasi parameter. Ini sering sama dengan MLE untuk keluarga eksponensial, saya kumpulkan. Namun, sulit untuk menemukan definisi yang jelas tentang metode momen dan diskusi yang jelas tentang mengapa MLE secara …

2
Bagaimana saya tahu metode estimasi parameter mana yang harus dipilih?
Ada beberapa metode untuk estimasi parameter di luar sana. MLE, UMVUE, MoM, decision-theoretic, dan lain-lain semua sepertinya memiliki kasus yang cukup logis mengapa mereka berguna untuk estimasi parameter. Apakah ada satu metode yang lebih baik daripada yang lain, atau apakah itu hanya masalah bagaimana kita mendefinisikan apa penaksir "pas terbaik" …

2
Menjelaskan metode generalisasi momen kepada non-ahli statistik
Bagaimana saya menjelaskan Metode Generalized saat-saat dan bagaimana hal itu digunakan untuk non-ahli statistik? Sejauh ini saya akan membahas: ini adalah sesuatu yang kami gunakan untuk memperkirakan kondisi seperti rata-rata dan variasi berdasarkan sampel yang telah kami kumpulkan. Bagaimana saya menjelaskan bagian di mana Anda memperkirakan vektor parameter dengan meminimalkan …

1
Model pembelajaran dalam mana yang dapat mengklasifikasikan kategori yang tidak eksklusif satu sama lain
Contoh: Saya memiliki kalimat dalam deskripsi pekerjaan: "Java senior engineer in UK". Saya ingin menggunakan model pembelajaran yang mendalam untuk memperkirakannya sebagai 2 kategori: English dan IT jobs. Jika saya menggunakan model klasifikasi tradisional, hanya dapat memprediksi 1 label dengan softmaxfungsi di lapisan terakhir. Dengan demikian, saya dapat menggunakan 2 …
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 

2
Penggunaan kehidupan nyata dari fungsi pembangkit momen
Dalam sebagian besar mata kuliah teori probabilitas dasar, fungsi menghasilkan momen yang Anda katakan (mgf) berguna untuk menghitung momen dari variabel acak. Khususnya harapan dan varians. Sekarang di sebagian besar program contoh yang mereka berikan untuk harapan dan varians dapat diselesaikan secara analitis menggunakan definisi. Adakah contoh nyata dari distribusi …
Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.