Preguntas etiquetadas con maximum-likelihood

¿Puede proporcionar un ejemplo de un estimador MLE de la media que está sesgada? No estoy buscando un ejemplo que rompa los estimadores de MLE en general al violar las condiciones de regularidad. Todos los ejemplos que puedo ver en Internet se refieren a la variación, y parece que no …

17 maximum-likelihood  mean  bias 

Esta pregunta de validación cruzada sobre la simulación de una muestra condicional a tener una suma fija me recordó un problema que George Casella me planteó . Dado un modelo paramétrico y una muestra de iid de este modelo , el MLE de viene dado por Para un valor dado …

17 maximum-likelihood  conditional-probability  random-variable  simulation  t-distribution 

Pregunta La varianza de una distribución binomial negativa (NB) es siempre mayor que su media. Cuando la media de una muestra es mayor que su varianza, el intento de ajustar los parámetros de un NB con la máxima probabilidad o con la estimación de momento fallará (no hay solución con …

17 estimation  maximum-likelihood  negative-binomial 

Esto está en parte motivado por la siguiente pregunta y la discusión que la sigue. Supongamos que se observa la muestra iid, Xi∼F(x,θ)Xi∼F(x,θ)X_i\sim F(x,\theta) . El objetivo es estimar θθ\theta . Pero la muestra original no está disponible. En cambio, tenemos algunas estadísticas de la muestra . Supongamos que es …

17 estimation  maximum-likelihood 

Estamos trabajando con algunas regresiones logísticas y nos hemos dado cuenta de que la probabilidad estimada promedio siempre es igual a la proporción de unos en la muestra; es decir, el promedio de los valores ajustados es igual al promedio de la muestra. ¿Alguien puede explicarme la razón o darme …

17 regression  logistic  modeling  generalized-linear-model  maximum-likelihood 

Pregunta (s): ¿Cuál es la idea y la intuición detrás de la estimación cuasi máxima verosimilitud (QMLE; también conocida como pseudo estimación de máxima verosimilitud, PMLE)? ¿Qué hace que el estimador funcione cuando la distribución de error real no coincide con la distribución de error supuesta? El sitio de Wikipedia …

17 maximum-likelihood  references  intuition  quasi-likelihood 

En el ajuste estándar de máxima verosimilitud (iid muestra Y1,…,YnY1,…,YnY_{1}, \ldots, Y_{n} de alguna distribución con densidad fy(y|θ0fy(y|θ0f_{y}(y|\theta_{0} )) y en el caso de un modelo correctamente especificado, la información de Fisher viene dada por I(θ)=−Eθ0[∂2θ2lnfy(θ)]I(θ)=−Eθ0[∂2θ2ln⁡fy(θ)]I(\theta) = -\mathbb{E}_{\theta_{0}}\left[\frac{\partial^{2}}{\theta^{2}}\ln f_{y}(\theta) \right] donde se toma la expectativa con respecto a la densidad …

17 maximum-likelihood  fisher-information 

¿Cómo ajusto los parámetros de una distribución t, es decir, los parámetros correspondientes a la 'media' y 'desviación estándar' de una distribución normal? Supongo que se llaman 'media' y 'escala / grados de libertad' para una distribución t? El siguiente código a menudo produce errores de "error de optimización". library(MASS) …

17 r  distributions  maximum-likelihood  fitting  robust 

Trato de reproducirme con optimlos resultados de una regresión lineal simple con glmo incluso nlsfunciones R. Las estimaciones de los parámetros son las mismas, pero la estimación de la varianza residual y los errores estándar de los otros parámetros no son los mismos, particularmente cuando el tamaño de la muestra …

16 r  maximum-likelihood  optimization 

Estoy tratando de demostrar que la matriz de información observada evaluada en el estimador de máxima verosimilitud débilmente consistente (MLE), es un estimador débilmente consistente de la matriz de información esperada. Este es un resultado ampliamente citado, pero nadie da una referencia o una prueba (creo que he agotado las …

16 maximum-likelihood  expected-value  asymptotics  information  fisher-information 

La estimación de parámetros usando la estimación de máxima verosimilitud (MLE) implica evaluar la función de verosimilitud, que mapea la probabilidad de que la muestra (X) ocurra con los valores (x) en el espacio de parámetros (θ) dada una familia de distribución (P (X = x | θ ) sobre …

16 maximum-likelihood 

El proceso exponencial univariante de Hawkes es un proceso de puntos autoexcitante con una tasa de llegada de eventos de: λ(t)=μ+∑ti&lt;tαe−β(t−ti)λ(t)=μ+∑ti&lt;tαe−β(t−ti) \lambda(t) = \mu + \sum\limits_{t_i<t}{\alpha e^{-\beta(t-t_i)}} donde son las horas de llegada del evento.t1,..tnt1,..tn t_1,..t_n La función de probabilidad de registro es −tnμ+αβ∑(e−β(tn−ti)−1)+∑i&lt;jln(μ+αe−β(tj−ti))−tnμ+αβ∑(e−β(tn−ti)−1)+∑i&lt;jln⁡(μ+αe−β(tj−ti)) - t_n \mu + \frac{\alpha}{\beta} \sum{( …

16 maximum-likelihood  stochastic-processes  likelihood 

Estoy confundido sobre el método de máxima verosimilitud en comparación con, por ejemplo, calcular la media aritmética. ¿Cuándo y por qué la probabilidad máxima produce estimaciones "mejores" que, por ejemplo, la media aritmética? ¿Cómo es esto verificable?

16 maximum-likelihood 

¿Cuáles son las ventajas y desventajas de ambos métodos?

16 maximum-likelihood  predictive-models  optimization  gradient-descent 

Varias descripciones sobre la selección del modelo sobre los efectos aleatorios de los modelos lineales mixtos indican el uso de REML. Sé la diferencia entre REML y ML en algún nivel, pero no entiendo por qué REML debe usarse porque ML está sesgado. Por ejemplo, ¿es incorrecto realizar un LRT …

16 mixed-model  maximum-likelihood  unbiased-estimator  likelihood-ratio  reml