Preguntas etiquetadas con maximum-likelihood

Estoy estudiando sobre la estimación de máxima verosimilitud y leí que la función de verosimilitud es el producto de las probabilidades de cada variable. ¿Por qué es el producto? ¿Por qué no la suma? He estado intentando buscar en Google pero no puedo encontrar ninguna respuesta significativa. https://en.wikipedia.org/wiki/Maximum_likelihood

22 maximum-likelihood 

¿Por qué es tan común obtener estimaciones de máxima verosimilitud de parámetros, pero prácticamente nunca se oye hablar de las estimaciones esperadas de parámetros de verosimilitud (es decir, en función del valor esperado en lugar del modo de una función de verosimilitud)? ¿Es esto principalmente por razones históricas, o por …

22 probability  mathematical-statistics  maximum-likelihood  optimization  expected-value 

Soy matemático y estudio las estadísticas y lucho especialmente con el idioma. En el libro que estoy usando, existe el siguiente problema: Una variable aleatoria se da como -distribuido con . (Por supuesto, puede tomar cualquier distribución dependiendo de un parámetro en aras de esta pregunta). Luego se proporciona una …

21 maximum-likelihood 

¿Qué distribuciones tienen soluciones de forma cerrada para las estimaciones de máxima verosimilitud de los parámetros de una muestra de observaciones independientes?

21 distributions  mathematical-statistics  maximum-likelihood 

La precisión se define como: p = true positives / (true positives + false positives) ¿Es cierto que, como true positivesy false positivesenfoque 0, la precisión se aproxima a 1? La misma pregunta para recordar: r = true positives / (true positives + false negatives) Actualmente estoy implementando una prueba …

20 precision-recall  data-visualization  logarithm  references  r  networks  data-visualization  standard-deviation  probability  binomial  negative-binomial  r  categorical-data  aggregation  plyr  survival  python  regression  r  t-test  bayesian  logistic  data-transformation  confidence-interval  t-test  interpretation  distributions  data-visualization  pca  genetics  r  finance  maximum  probability  standard-deviation  probability  r  information-theory  references  computational-statistics  computing  references  engineering-statistics  t-test  hypothesis-testing  independence  definition  r  censoring  negative-binomial  poisson-distribution  variance  mixed-model  correlation  intraclass-correlation  aggregation  interpretation  effect-size  hypothesis-testing  goodness-of-fit  normality-assumption  small-sample  distributions  regression  normality-assumption  t-test  anova  confidence-interval  z-statistic  finance  hypothesis-testing  mean  model-selection  information-geometry  bayesian  frequentist  terminology  type-i-and-ii-errors  cross-validation  smoothing  splines  data-transformation  normality-assumption  variance-stabilizing  r  spss  stata  python  correlation  logistic  logit  link-function  regression  predictor  pca  factor-analysis  r  bayesian  maximum-likelihood  mcmc  conditional-probability  statistical-significance  chi-squared  proportion  estimation  error  shrinkage  application  steins-phenomenon 

Contexto El gaussiano multivariante aparece con frecuencia en Machine Learning y los siguientes resultados se utilizan en muchos libros y cursos de ML sin las derivaciones. Datos dados en forma de una matriz de dimensiones , si suponemos que los datos siguen una distribución gaussiana de -variable con parámetros media …

20 normal-distribution  maximum-likelihood  estimators  multivariate-normal 

Las estadísticas frecuentes para mí son sinónimo de intentar tomar decisiones que sean buenas para todas las muestras posibles. Es decir, una regla de decisión frecuentista siempre debe tratar de minimizar el riesgo frecuentista, que depende de una función de pérdida y del verdadero estado de la naturaleza :δδ\deltaLLLθ0θ0\theta_0 Rfreq=Eθ0(L(θ0,δ(Y))Rfreq=Eθ0(L(θ0,δ(Y))R_\mathrm{freq}=\mathbb{E}_{\theta_0}(L(\theta_0,\delta(Y)) …

19 maximum-likelihood  frequentist 

Hola, se puede mostrar lo mismo para obtener parámetros de forma y escala para el método modificado de máxima verosimilitud

19 r  maximum-likelihood  weibull 

Considere un vector de parámetros , con θ 1 el parámetro de interés y θ 2 un parámetro molesto.(θ1,θ2)(θ1,θ2)(\theta_1, \theta_2)θ1θ1\theta_1θ2θ2\theta_2 Si es la probabilidad construido a partir de los datos x , la probabilidad de perfil para θ 1 se define como L P ( θ 1 ; x ) …

19 maximum-likelihood  likelihood  profile-likelihood 

La idea "fundamental" de las estadísticas para estimar los parámetros es la máxima probabilidad . Me pregunto cuál es la idea correspondiente en el aprendizaje automático. Qn 1. ¿Sería justo decir que la idea 'fundamental' en el aprendizaje automático para estimar parámetros es: 'Funciones de pérdida' [Nota: tengo la impresión …

19 machine-learning  maximum-likelihood  loss-functions  pac-learning 

Hola, tengo dos problemas que suenan como candidatos naturales para modelos multinivel / mixtos, que nunca he usado. El más simple, y que espero probar como introducción, es el siguiente: los datos parecen muchas filas del formulario x y innergroup outergroup donde x es una covariable numérica sobre la que …

18 r  mixed-model  maximum-likelihood  generalized-linear-model 

Antecedentes: Nota: Mi conjunto de datos y mi código r se incluyen debajo del texto Deseo usar AIC para comparar dos modelos de efectos mixtos generados usando el paquete lme4 en R. Cada modelo tiene un efecto fijo y un efecto aleatorio. El efecto fijo difiere entre modelos, pero el …

18 maximum-likelihood  random-effects-model  fixed-effects-model  mixed-model  lme4-nlme 

La impresión que obtuve, en base a varios documentos, libros y artículos que he leído, es que la forma recomendada de ajustar una distribución de probabilidad en un conjunto de datos es mediante el uso de la estimación de máxima verosimilitud (MLE). Sin embargo, como físico, una forma más intuitiva …

18 distributions  maximum-likelihood  least-squares  heteroscedasticity  fitting 

Contexto : regresión jerárquica con algunos datos faltantes. Pregunta : ¿Cómo uso la estimación de máxima probabilidad de información completa (FIML) para abordar los datos faltantes en R? ¿Hay un paquete que recomendaría y cuáles son los pasos típicos? Los recursos y ejemplos en línea también serían muy útiles. PD …

18 r  maximum-likelihood  missing-data 

Me hicieron esta pregunta el otro día y nunca la había considerado antes. Mi intuición proviene de las ventajas de cada estimador. La máxima probabilidad es preferiblemente cuando confiamos en el proceso de generación de datos porque, a diferencia del método de los momentos, hace uso del conocimiento de toda …

17 mathematical-statistics  maximum-likelihood  estimators  method-of-moments