প্রশ্ন ট্যাগ «maximum-likelihood»

প্রদত্ত নমুনা পর্যালোচনা করার সম্ভাবনাটিকে অনুকূল করে যে পরামিতি মানটি বেছে নিয়ে একটি পরিসংখ্যানগত মডেলের পরামিতিগুলির অনুমানের একটি পদ্ধতি।

1
রিগ্রেশন সেটিংসে যখন ঘন ঘনবাদী নমুনা বিতরণকে বায়েশীয় উত্তরোত্তর হিসাবে ব্যাখ্যা করা যায় না?
আমার আসল প্রশ্নগুলি শেষ দুটি অনুচ্ছেদে রয়েছে তবে সেগুলি অনুপ্রাণিত করতে: যদি আমি পরিচিত রুপের সাথে একটি সাধারণ বিতরণ অনুসরণ করে এমন একটি এলোমেলো ভেরিয়েবলের গড় অনুমানের চেষ্টা করি, তবে আমি পড়েছি যে কোনও উত্তরোত্তর বিতরণে গড় ফলাফলের পূর্বে ইউনিফর্ম রাখার সম্ভাবনা ফাংশনের সাথে আনুপাতিক। এই পরিস্থিতিতে বায়েশীয় বিশ্বাসযোগ্য ব্যবধানটি …

2
গড় এবং বৈকল্পিক যখন জানা যায় তখন দ্বিগুণ স্বাভাবিক তথ্যগুলির সমাহারের সর্বাধিক সম্ভাবনার অনুমান কত?
মনে করুন আমাদের কাছে একটি দ্বিবির্ভর সাধারণ বিতরণ থেকে এলোমেলো নমুনা রয়েছে যার অর্থ হিসাবে শূন্য রয়েছে এবং বৈচিত্র হিসাবে এটি রয়েছে, সুতরাং একমাত্র অজানা প্যারামিটারটি হল কোভেরিয়েন্স। সমবায় এর MLE কি? আমি জানি এটি মতো কিছু হওয়া উচিত তবে আমরা কীভাবে এটি জানি?1n∑nj=1xjyj1n∑j=1nxjyj\frac{1}{n} \sum_{j=1}^{n}x_j y_j

1
স্কিউ স্বাভাবিক বিতরণের জন্য প্যারামিটারের অনুমান
স্কিউ-নরমাল সম্পর্কিত সূত্রগুলির পরামিতি অনুমানগুলি কী কী? আপনি যদি পারেন তবে এমএলই বা মম এর মাধ্যমে ডাইরিভেশনটিও দুর্দান্ত। ধন্যবাদ সম্পাদনা করুন । আমার কাছে ডেটার একটি সেট রয়েছে যার জন্য আমি প্লটগুলি দ্বারা দৃশ্যত বলতে পারি কিছুটা বাম দিকে স্কু করা। আমি গড় এবং বৈচিত্রটি অনুমান করতে এবং তারপরে একটি …

2
সর্বাধিক সম্ভাবনার প্রাক্কলন বুঝতে কত ক্যালকুলাস প্রয়োজন?
আমি এমএলই শেখার জন্য একটি স্টাডি পরিকল্পনা করার পরিকল্পনা করছি। এটি করার জন্য আমি ক্যালকুলাসের ন্যূনতম স্তরের কী তা বোঝার চেষ্টা করছি যা এমএলই বোঝার জন্য প্রয়োজনীয়। এমএলই বোঝার জন্য ক্যালকুলাসের বেসিকগুলি (যেমন ন্যূনতম এবং সর্বাধিক কার্যকারিতা সন্ধান করা) বোঝার পক্ষে যথেষ্ট?

2
এআর এর জন্য নিরপেক্ষ অনুমানক (
একটি এআর ( ) মডেল বিবেচনা করুন (সরলতার জন্য শূন্য গড় ধরে):ppp xt=φ1xt−1+…+φpxt−p+εtxt=φ1xt−1+…+φpxt−p+εt x_t = \varphi_1 x_{t-1} + \dotsc + \varphi_p x_{t-p} + \varepsilon_t OLS ঔজ্জ্বল্যের প্রেক্ষাপটে মূল্নির্ধারক (সমতূল্য শর্তসাপেক্ষ জন্য সর্বোচ্চ সম্ভাবনা মূল্নির্ধারক) হিসাবে একটি উল্লেখ করা হয়েছে, পক্ষপাতমূলক হিসেবে পরিচিত সাম্প্রতিক থ্রেড ।φ:=(φ1,…,φp)φ:=(φ1,…,φp)\mathbf{\varphi} := (\varphi_1,\dotsc,\varphi_p) (কৌতূহলপূর্ণভাবে, আমি হ্যামিল্টনের …

1
নেতিবাচক দ্বিপদী বিতরণের জন্য সর্বাধিক সম্ভাবনার অনুমানক
প্রশ্নটি নিম্নলিখিত: N মানগুলির একটি এলোমেলো নমুনা কে = 3 পরামিতি সহ নেতিবাচক দ্বিপদী বিতরণ থেকে সংগ্রহ করা হয়। পরামিতিটির সর্বাধিক সম্ভাবনা অনুমানকারী Find এই অনুমানের স্ট্যান্ডার্ড ত্রুটির জন্য একটি অ্যাসিম্পটোটিক সূত্রটি সন্ধান করুন। প্যারামিটার কে যথেষ্ট পরিমাণে বড় হলে নেতিবাচক দ্বিপদী বিতরণ কেন প্রায় স্বাভাবিক হবে তা ব্যাখ্যা করুন। …

4
যখন ত্রুটিগুলি সাধারণত বিতরণ করা হয় না তখন কেন রিগ্রেশন-এর সর্বনিম্ন-স্কোয়ারস এবং সর্বাধিক সম্ভাবনার পদ্ধতিগুলি সমতুল্য নয়?
শিরোনাম সব বলে। আমি বুঝতে পারি যে যদি মডেলের ত্রুটিগুলি সাধারণত বিতরণ করা হয় তবে কমপক্ষে স্কোয়ারগুলি এবং সর্বাধিক সম্ভাবনা রিগ্রেশন সহগগুলির জন্য একই ফল দেবে। তবে, ত্রুটিগুলি সাধারণত বিতরণ না করা হলে কী হবে? দুটি পদ্ধতি এখন আর সমান নয় কেন?

1
এর MLE হয়
ধরুন (X,Y)(X,Y)(X,Y) এর পিডিএফ আছে fθ(x,y)=e−(x/θ+θy)1x>0,y>0,θ>0fθ(x,y)=e−(x/θ+θy)1x>0,y>0,θ>0f_{\theta}(x,y)=e^{-(x/\theta+\theta y)}\mathbf1_{x>0,y>0}\quad,\,\theta>0 নমুনা ঘনত্ব (X,Y)=(Xi,Yi)1≤i≤n(X,Y)=(Xi,Yi)1≤i≤n(\mathbf X,\mathbf Y)=(X_i,Y_i)_{1\le i\le n} এই নতুন জনগোষ্ঠীতে থেকে টানা তাই হয় gθ(x,y)=∏i=1nfθ(xi,yi)=exp[−∑i=1n(xiθ+θyi)]1x1,…,xn,y1,…,yn>0=exp[−nx¯θ−θny¯]1x(1),y(1)>0,θ>0gθ(x,y)=∏i=1nfθ(xi,yi)=exp⁡[−∑i=1n(xiθ+θyi)]1x1,…,xn,y1,…,yn>0=exp⁡[−nx¯θ−θny¯]1x(1),y(1)>0,θ>0\begin{align} g_{\theta}(\mathbf x,\mathbf y)&=\prod_{i=1}^n f_{\theta}(x_i,y_i) \\&=\exp\left[{-\sum_{i=1}^n\left(\frac{x_i}{\theta}+\theta y_i\right)}\right]\mathbf1_{x_1,\ldots,x_n,y_1,\ldots,y_n>0} \\&=\exp\left[-\frac{n\bar x}{\theta}-\theta n\bar y\right]\mathbf1_{x_{(1)},y_{(1)}>0}\quad,\,\theta>0 \end{align} সর্বোচ্চ সম্ভাবনা মূল্নির্ধারক θθ\theta যেমন আহরিত হতে পারে θ^(X,Y)=X¯¯¯¯Y¯¯¯¯−−−√θ^(X,Y)=X¯Y¯\hat\theta(\mathbf X,\mathbf Y)=\sqrt\frac{\overline X}{\overline Y} আমি জানতে চাই যে …

1
"বেসবলের পাইথাগোরিয়ান উপপাদ্য" এর পিছনে কি কোনও বাস্তব পরিসংখ্যান রয়েছে?
আমি সাবেরমেট্রিক্স সম্পর্কে একটি বই পড়ছি, বিশেষত ওয়েইন উইনস্টনের ম্যাথলেটিক্স, এবং প্রথম অধ্যায়ে তিনি এমন একটি পরিমাণের পরিচয় দিয়েছেন যা দলের জয়ের হারের পূর্বাভাস দেওয়ার জন্য ব্যবহার করা যেতে পারে: এবং তিনি ইঙ্গিত করে বলে মনে করছেন, মরসুমের অর্ধেকের মধ্যে, এটি জয়ের হারের চেয়ে আরও ভাল পূর্বাভাস দেওয়ার জন্য ব্যবহার …

1
অনন্য MVUE সন্ধান করুন
এই প্রশ্নটি রবার্ট হগের গাণিতিক পরিসংখ্যানের 6th ষ্ঠ সংস্করণের সমস্যা সম্পর্কিত পৃষ্ঠা থেকে page.৪.৯ পৃষ্ঠায় is যাক IID সঙ্গে পিডিএফ হতে শূন্য অন্যত্র, যেখানে ।X1,...,XnX1,...,XnX_1,...,X_nf(x;θ)=1/3θ,−θ<x<2θ,f(x;θ)=1/3θ,−θ<x<2θ,f(x;\theta)=1/3\theta,-\theta0 (ক) MLE খুঁজুন এরθ^θ^\hat{\theta}θθ\theta (খ) Is একটি জন্য যথেষ্ট পরিসংখ্যান ? কেন?θ^θ^\hat{\theta}θθ\theta (গ) টুটা ta থিতা থটির অনন্য এমভিইউ ? কেন?(n+1)θ^/n(n+1)θ^/n(n+1)\hat{\theta}/nθθ\theta আমি মনে করি আমি …

1
আইভি-প্রবিটের জন্য ডাইরিভিং সম্ভাবনা কার্য
সুতরাং আমার কাছে বাইনারি মডেল রয়েছে যেখানে y∗1y1∗y_1^* হ'ল সুপ্ত অবরহিত পরিবর্তনশীল এবং y1∈{0,1}y1∈{0,1}y_1 \in \{0,1\} পর্যবেক্ষণ করা। y 1y2y2y_2 নির্ধারণ করে এবং z 2 এইভাবে আমার উপকরণ। সংক্ষেপে মডেল হয়। y ∗ 1y1y1y_1z2z2z_2y∗1y2y1===δ1z1+α1y2+u1δ21z1+δ22z2+v2=zδ+v21[y∗>0]y1∗=δ1z1+α1y2+u1y2=δ21z1+δ22z2+v2=zδ+v2y1=1[y∗>0]\begin{eqnarray} y_1^*&=& \delta_1 z_1 + \alpha_1 y_2 + u_1 \\ y_2 &=& \delta_{21} z_1 + \delta_{22}z_2 + …

1
সর্বনিম্ন তাত্ক্ষণিক বিতরণের জন্য সর্বাধিক সম্ভাবনার অনুমানক
এই সমস্যাটি কীভাবে সমাধান করা যায় তা নিয়ে আমি আটকে আছি। সুতরাং, জন্য আমাদের কাছে দুটি র‌্যান্ডম ভেরিয়েবল, এবং । এখন, এবং প্যারামিটারগুলি এবং সাথে পৃথক পৃথক বিতরণ । তবে এবং পর্যবেক্ষণ না করে আমরা এবং পরিবর্তে পর্যবেক্ষণ করি ।ওয়াই আমি আমি = 1 , । । । , এন …

2
অ-নেস্টেড মডেলগুলির জন্য সাধারণ লগ সম্ভাবনা অনুপাত পরীক্ষা
আমি বুঝতে পারি যে আমার কাছে যদি দুটি মডেল A এবং B এবং A থাকে তবে B তে কিছু তথ্য দেওয়া হয়, আমি MLE ব্যবহার করে A এবং B এর পরামিতিগুলি ফিট করতে পারি এবং সাধারণ লগ সম্ভাবনা অনুপাত পরীক্ষার প্রয়োগ করতে পারি। বিশেষ করে, পরীক্ষা বিতরণের হওয়া উচিত সঙ্গে …

1
ধারাবাহিকতা এবং সর্বাধিক সম্ভাবনার asympotic স্বাভাবিকতা জন্য সাধারণ উপপাদ্য
আমি সর্বাধিক সম্ভাবনা অনুমানকারীগুলির asympotic বৈশিষ্ট্য সম্পর্কিত ফলাফলের জন্য একটি ভাল রেফারেন্সে আগ্রহী। একটি মডেল বিবেচনা করুন যেখানে একটি মাত্রিক ঘনত্ব, এবং হ'ল এমএলই, যা নমুনা থেকে যেখানে "সত্য" মান । আমি আগ্রহী দুটি দুটি অনিয়ম আছে।{fn(⋅∣θ):θ∈Θ,n∈N}{fn(⋅∣θ):θ∈Θ,n∈N}\{f_n(\cdot \mid \theta): \theta \in \Theta, n \in \mathbb N\}fn(x∣θ)fn(x∣θ)f_n(\mathbf x \mid \theta)nnnθ^nθ^n\hat \theta_nX1,…,XnX1,…,XnX_1, …

1
আমি কীভাবে আমার আরিমা মডেলটিতে পর্যবেক্ষণে একটি উদ্ভাবনী আউটলেটর অন্তর্ভুক্ত করব?
আমি একটি ডেটা সেট নিয়ে কাজ করছি। কিছু মডেল সনাক্তকরণ কৌশল ব্যবহার করার পরে, আমি একটি আরিমা (0,2,1) মডেল নিয়ে এসেছি। আমি আমার মূল ডেটা সেটটির 48 তম পর্যবেক্ষণে একটি উদ্ভাবনী আউটলেটর (আইও) সনাক্ত করতে detectIOপ্যাকেজে প্যাকেজে ফাংশনটি ব্যবহার করেছি।TSA আমি কীভাবে এই আউটলেটটিকে আমার মডেলটিতে অন্তর্ভুক্ত করব যাতে আমি …
10 r  time-series  arima  outliers  hypergeometric  fishers-exact  r  time-series  intraclass-correlation  r  logistic  glmm  clogit  mixed-model  spss  repeated-measures  ancova  machine-learning  python  scikit-learn  distributions  data-transformation  stochastic-processes  web  standard-deviation  r  machine-learning  spatial  similarities  spatio-temporal  binomial  sparse  poisson-process  r  regression  nonparametric  r  regression  logistic  simulation  power-analysis  r  svm  random-forest  anova  repeated-measures  manova  regression  statistical-significance  cross-validation  group-differences  model-comparison  r  spatial  model-evaluation  parallel-computing  generalized-least-squares  r  stata  fitting  mixture  hypothesis-testing  categorical-data  hypothesis-testing  anova  statistical-significance  repeated-measures  likert  wilcoxon-mann-whitney  boxplot  statistical-significance  confidence-interval  forecasting  prediction-interval  regression  categorical-data  stata  least-squares  experiment-design  skewness  reliability  cronbachs-alpha  r  regression  splines  maximum-likelihood  modeling  likelihood-ratio  profile-likelihood  nested-models 

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.