ফিশার ইনফরমেশন ম্যাট্রিক্স এবং হেসিয়ান এবং স্ট্যান্ডার্ড ত্রুটির সাথে সম্পর্ক সম্পর্কিত প্রাথমিক প্রশ্ন


54

ঠিক আছে, এটি বেশ বেসিক প্রশ্ন, তবে আমি কিছুটা বিভ্রান্ত হয়ে পড়েছি। আমার থিসিসে আমি লিখি:

(পর্যবেক্ষণ) ফিশার ইনফরমেশন ম্যাট্রিক্সের তির্যক উপাদানগুলির বর্গমূলের বিপরীত গণনা করে স্ট্যান্ডার্ড ত্রুটিগুলি পাওয়া যায়:

যেহেতু দ অপ্টিমাইজেশান কমান্ড ছোট-লগ ইন করুনএল(উদযাপিত) ফিশার তথ্য ম্যাট্রিক্স চট বিপরীত গণনা করে পাওয়া যাবে: আমি(μ,σ2)=এইচ-1

sμ^,σ^2=1I(μ^,σ^2)
logL
I(μ^,σ^2)=H1

আমার মূল প্রশ্ন: আমি যা বলছি এটি কি সঠিক ?

আমি কিছুটা বিভ্রান্ত হয়ে পড়েছি, কারণ this পৃষ্ঠায় এই উত্সটিতে বলা হয়েছে:

ইনফরমেশন ম্যাট্রিক্স হেসিয়ান ম্যাট্রিক্সের প্রত্যাশিত মানের নেতিবাচক

(সুতরাং হেসিয়ান কোনও বিপরীত।)

এই যেখানে উৎস পৃষ্ঠা 7 (পাদটীকা 5) এটা বলেছেন করুন:

(H)1

(সুতরাং এখানে বিপরীত।)

আমি বিয়োগ চিহ্নটি সম্পর্কে সচেতন এবং কখন এটি ব্যবহার করব এবং কখন নয় তবে কেন বিপরীতমুখী হওয়ার ক্ষেত্রে পার্থক্য রয়েছে বা নেই?


@COOLSerdash আপনার সংশোধন এবং +1 এর জন্য ধন্যবাদ, তবে এই উত্স: unc.edu/~monogan/compting/r/MLE_in_R.pdf পৃষ্ঠা 7 পরিষ্কারভাবে বলেছে যে পর্যবেক্ষিত ফিশার তথ্য হেসিয়ানের ইনভারসের সমান?
জেন বোহল্ড

@COOLSerdash ঠিক আছে, আপনি এটি একটি উত্তর হিসাবে পোস্ট করতে পারেন।
জেন বোহল্ড

উত্তর:


75

ইউদি পাভিটান তাঁর সমস্ত সম্ভাবনা বইয়ে লিখেছেন যে সর্বাধিক সম্ভাবনার প্রাক্কলন অনুসারে লগ-সম্ভাবনার দ্বিতীয় ডেরাইভেটিভ (এমএলই) হ'ল পর্যবেক্ষণ করা ফিশারের তথ্য ( এই নথিটিও পৃষ্ঠা 2 দেখুন)। এই ঠিক কি মত সবচেয়ে অপ্টিমাইজেশান আলগোরিদিম হয় optimমধ্যে Rচট MLE এ মূল্যায়ন: ফিরে। যখন নেতিবাচকলগ-সম্ভাবনা হ্রাস করা হয়, নেতিবাচক হেসিয়ান ফিরে আসে। আপনি যেমনটি সঠিকভাবে উল্লেখ করেছেন, এমএলইর আনুমানিক মান ত্রুটিগুলি পর্যবেক্ষিত ফিশার তথ্য ম্যাট্রিক্সের বিপরীতটির তির্যক উপাদানগুলির বর্গাকার শিকড়। অন্য কথায়: হেসিয়ান (বা নেতিবাচক essণাত্মক) এর বিপরীতের তির্যক উপাদানগুলির বর্গাকার শিকড়গুলি আনুমানিক স্ট্যান্ডার্ড ত্রুটি।

সারাংশ

  • এমএলইতে মূল্যায়ন করা নেতিবাচক হেসিয়ান এমএলইতে পর্যবেক্ষণ করা ফিশার তথ্য ম্যাট্রিক্সের সমান same
  • আপনার মূল প্রশ্নটি সম্পর্কে: না, এটি সঠিক নয় যে পর্যবেক্ষণ করা ফিশারের তথ্য (নেতিবাচক) হেসিয়ানকে উল্টিয়ে খুঁজে পাওয়া যায়।
  • আপনার দ্বিতীয় প্রশ্নটি সম্পর্কে: হেসিয়ান ইনভার্স (নেতিবাচক) হ'ল asympotic covariance ম্যাট্রিক্সের একটি অনুমানকারী। সুতরাং, কোভেরিয়েন্স ম্যাট্রিক্সের তির্যক উপাদানগুলির বর্গাকার শিকড়গুলি স্ট্যান্ডার্ড ত্রুটির অনুমানকারী।
  • আমি মনে করি যে দ্বিতীয় দস্তাবেজের সাথে আপনি লিঙ্ক করেছেন এটি ভুল হয়েছে।

আনুষ্ঠানিকভাবে

l(θ) I(θ)(p×p)

I(θ)=2θiθjl(θ),    1i,jp
I(θ^ML)
H(θ)=2θiθjl(θ),    1i,jp

Var(θ^ML)=[I(θ^ML)]1
θ^MLaN(θ0,[I(θ^ML)]1)
θ0
SE(θ^ML)=1I(θ^ML)

1
"যখন নেতিবাচক লগ-সম্ভাবনা হ্রাস করা হয় " (বা অনুকূলিত ) বলা উচিত।
সিএমও

8
I(θ)=EI(θ)I(θ)θI(θ)=I(θ)
স্কর্চচি - মনিকা পুনরায় ইনস্টল করুন

6

সম্ভাবনা ফাংশনগুলি অনুমান করা দ্বি-পদক্ষেপ প্রক্রিয়াতে জড়িত।

প্রথমত, একটি লগ-সম্ভাবনা ফাংশন ঘোষণা করে। তারপরে একটি লগ-সম্ভাবনা ফাংশন অনুকূল করে তোলে। সেটা ঠিক আছে.

1ll

(H)1

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.