প্রশ্ন ট্যাগ «maximum-likelihood»

বেঁচে থাকার বিশ্লেষণে, আপনি কোনও আরভি বেঁচে থাকার সময়টি তাত্পর্যপূর্ণভাবে বিতরণ করে । এখন বিবেচনা করে আমার কাছে আইড আরভি এর এক্স_আই এর x_ , ots বিন্দু, x_n "ফলাফল" রয়েছে । এই ফলাফলগুলির কিছু অংশই আসলে "সম্পূর্ণ উপলব্ধি", অর্থাৎ অবশিষ্ট পর্যবেক্ষণগুলি এখনও "জীবিত"।XiXiX_ix1,…,xnx1,…,xnx_1,\dots,x_nXiXiX_i যদি আমি বিতরণের হার প্যারামিটার- লাম্বদাটির জন্য …

9 maximum-likelihood  references  survival  censoring  exponential-family 

3 টি ইলেকট্রনিক উপাদানগুলির লাইফটাইম এবং । এই এলোমেলো ভেরিয়েবলগুলি পরামিতি সূচকীয় বিতরণ থেকে 3 মাপের এলোমেলো নমুনা হিসাবে মডেল করা হয়েছিল । সম্ভাবনা ফাংশনটিX1=3,X2=1.5,X1=3,X2=1.5,X_{1} = 3, X_{2} = 1.5,X3=2.1X3=2.1X_{3} = 2.1θθ\thetaθ>0θ>0\theta > 0 f3(x|θ)=θ3exp(−6.6θ)f3(x|θ)=θ3exp(−6.6θ)f_{3}(x|\theta) = \theta^{3} exp(-6.6\theta) , যেখানে ।x=(2,1.5,2.1)x=(2,1.5,2.1)x = (2, 1.5, 2.1) এবং তারপর সমস্যা MLE নির্ধারণ …

9 distributions  maximum-likelihood  exponential 

ডিফল্টরূপে যখন আমরা glmআর তে কোনও ফাংশন ব্যবহার করি , এটি পরামিতিগুলির সর্বাধিক সম্ভাবনার অনুমানের জন্য পুনরাবৃত্তভাবে স্বল্পতম স্কোয়ারগুলি (আইডাব্লুএলএস) পদ্ধতি ব্যবহার করে । এখন আমার দুটি প্রশ্ন আছে। আইডব্লুএলএসের অনুমানগুলি বিশ্বব্যাপী সর্বাধিক সম্ভাবনার কার্যটির গ্যারান্টি দেয়? এই উপস্থাপনাটির শেষ স্লাইডের ভিত্তিতে , আমার মনে হয় এটি হয় না! আমি …

9 r  estimation  generalized-linear-model  maximum-likelihood  optimization 

এটি মধ্যবর্তী পরীক্ষার জন্য অনুশীলন সমস্যা। সমস্যাটি একটি ইএম অ্যালগরিদমের উদাহরণ। অংশ (চ) নিয়ে আমার সমস্যা হচ্ছে। আমি অংশগুলি (ক) - (ই) সমাপ্তির জন্য তালিকাভুক্ত করেছি এবং যদি আমি আগে কোনও ভুল করেছিলাম। যাক হার স্বাধীন সূচকীয় র্যান্ডম ভেরিয়েবল হতে । দুর্ভাগ্যক্রমে, প্রকৃত মানগুলি পর্যবেক্ষণ করা হয় না এবং আমরা …

9 self-study  maximum-likelihood  latent-variable  expectation-maximization 

লাগানো বিতরণ উত্পন্ন করার পদ্ধতি হিসাবে আমি এমএলই সম্পর্কে পড়ছি। আমি একটি বিবৃতি পেলাম যে সর্বাধিক সম্ভাবনা অনুমান "আনুমানিক স্বাভাবিক বন্টন আছে।" এর অর্থ কি এই যে আমি যদি আমার ডেটা এবং আমি যে ডিস্ট্রিবিউশনগুলির সাথে ফিট করার চেষ্টা করছি তার উপর বারবার এমএলই প্রয়োগ করি তবে আমি যে মডেলগুলি …

9 normal-distribution  estimation  maximum-likelihood 

ডিকসন, কোলস ( ১৯৯ )) এ, তারা সকারের স্কোরগুলি মডেল করতে (৪.৩) দুটি পরিবর্তিত স্বতন্ত্র পোইসন মডেলের সর্বাধিক সম্ভাবনার অনুমান ব্যবহার করেছেন। আমি আলফা এবং বিটা পাশাপাশি হোম এফেক্ট প্যারামিটারগুলি (পৃষ্ঠা 274, সারণি 4) "পুনঃ উত্পাদন" করতে আর ব্যবহার করার চেষ্টা করছি কোনও প্যাকেজ ব্যবহার না করে (সাধারণ স্বতন্ত্র পোইসন …

9 r  modeling  maximum-likelihood  games 

আমি বিভিন্ন পয়েন্টের অনুমানের পদ্ধতিগুলি অধ্যয়ন করছি এবং পড়ছি যে এমএপি বনাম এমএল অনুমানগুলি ব্যবহার করার সময়, যখন আমরা "ইউনিফর্ম পূর্বে" ব্যবহার করি তখন অনুমানগুলি অভিন্ন হয়। কেউ কি "ইউনিফর্ম" পূর্বে কী তা ব্যাখ্যা করতে পারে এবং এমএপি এবং এমএল অনুমানকগুলি কখন একই হবে তার কয়েকটি (সাধারণ) উদাহরণ দিতে পারে?

9 machine-learning  probability  bayesian  estimation  maximum-likelihood 

যদি কে1, … ,কেএনK1,…,KnK_1, \dots, K_n প্যারামিটার সহ আইআইডি পোইসন বিতরণ ββ\beta আমি সর্বাধিক সম্ভাবনা অনুমান যে কাজ করেছি β^(ট1, … ,টএন) =1এনΣi = 1এনটআমিβ^(k1,…,kn)=1n∑i=1nki\hat\beta (k_1, \dots, k_n) = \frac{1}{n} \sum_{i=1}^n k_i তথ্য জন্য ট1, … ,টএনk1,…,knk_1, \dots, k_n। অতএব আমরা সম্পর্কিত অনুমানকারী সংজ্ঞায়িত করতে পারি টি=1এনΣi = 1এনকেআমি।T=1n∑i=1nKi.T = …

9 variance  maximum-likelihood  poisson-distribution 

আমি বর্তমানে মার্কভ চেইনের সাথে কাজ করছি এবং বেশিরভাগ উত্সের পরামর্শ অনুসারে রূপান্তর সম্ভাবনা ব্যবহার করে সর্বাধিক সম্ভাবনার প্রাক্কলন গণনা করেছি (উদাহরণস্বরূপ, একটি থেকে অন্য নোডে সামগ্রিক রূপান্তরের সংখ্যা দ্বারা বিভক্ত একটি থেকে বি স্থানান্তরের সংখ্যা)। আমি এখন এমএলই-এর লগ-সম্ভাবনা গণনা করতে চাই।

9 maximum-likelihood  markov-process  likelihood 

আর-তে অপটিম ব্যবহার করে লগ-সম্ভাবনা ফাংশন সর্বাধিক করে অনুমানের জন্য প্যারামিটারগুলির জন্য প্রোফাইলিং ব্যবহার করে 95% আত্মবিশ্বাসের ব্যবধানগুলি কীভাবে অনুমান করতে পারি? আমি জানি যে আমি হেসিয়ানকে উল্টিয়ে কোভেরিয়েন্স ম্যাট্রিক্সকে আশ্রয়হীনভাবে অনুমান করতে পারি , তবে আমি উদ্বিগ্ন যে এই তথ্যটি বৈধ হওয়ার জন্য আমার ডেটা প্রয়োজনীয় অনুমানগুলি পূরণ করে …

9 r  confidence-interval  maximum-likelihood  optimization  profile-likelihood 

মনে করুন আমাদের একটি রৈখিক মডেল রয়েছে Yআমি=β0+ +β1এক্সআমি+ +εআমিyi=β0+β1xi+ϵiy_i = \beta_0 + \beta_1 x_i + \epsilon_iযা সমস্ত স্ট্যান্ডার্ড রিগ্রেশন (গাউস-মার্কভ) অনুমানের সাথে মিলিত হয়। আমরা আগ্রহীθ = 1 /β1θ=1/β1\theta = 1/\beta_1। প্রশ্ন 1: বিতরণ বিতরণের জন্য কোন অনুমানগুলি প্রয়োজনীয়θ^θ^\hat{\theta} ভাল সংজ্ঞায়িত করা? β1≠ 0β1≠0\beta_1 \neq 0 গুরুত্বপূর্ণ হবে --- …

9 regression  distributions  maximum-likelihood  bootstrap 

পজিটিভ পরামিতি সম্পর্কে আমার ধারণা তৈরি করতে হবে । ধনাত্মকতা আকৃতির জন্য আমি পুনঃনির্মাণ করেছি । MLE রুটিন আমি নির্ণিত পয়েন্ট অনুমান এবং SE ব্যবহার । এমএলইয়ের অদম্য সম্পত্তি সরাসরি আমাকে জন্য একটি বিন্দু অনুমান দেয় , তবে আমি কীভাবে জন্য গণনা করব তা নিশ্চিত নই । কোন পরামর্শ বা …

9 maximum-likelihood  standard-error  delta-method