Questions marquées «maximum-likelihood»

une méthode d'estimation des paramètres d'un modèle statistique en choisissant la valeur du paramètre qui optimise la probabilité d'observer l'échantillon donné.

1
Quand la distribution d'échantillonnage fréquentiste ne peut-elle pas être interprétée comme postérieure bayésienne dans les paramètres de régression?
Mes vraies questions se trouvent dans les deux derniers paragraphes, mais pour les motiver: Si j'essaie d'estimer la moyenne d'une variable aléatoire qui suit une distribution normale avec une variance connue, j'ai lu que le fait de mettre un uniforme avant sur la moyenne donne une distribution postérieure proportionnelle à …
2
Propriété d'invariance de MLE: quel est le MLE de de normal, ?
Propriété d'invariance de MLE: si est le MLE de , alors pour toute fonction , le MLE de est . θ^θ^\hat{\theta}θθ\thetaf(θ)f(θ)f(\theta)f(θ)f(θ)f(\theta)f(θ^)f(θ^)f(\hat{\theta}) De plus, doit être une fonction biunivoque.fff Le livre dit: "Par exemple, pour estimer , le carré d'une moyenne normale, la cartographie n'est pas biunivoque." Donc, nous ne pouvons …
1
Le MLE de asymptotiquement normal lorsque ?
Supposons que ait le pdf(X,Y)(X,Y)(X,Y) 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 La densité de l'échantillon tiré de cette population est donc( X , Y ) = ( Xje, Yje)1 ≤ i ≤ n(X,Oui)=(Xje,Ouije)1≤je≤n(\mathbf X,\mathbf Y)=(X_i,Y_i)_{1\le i\le n} gθ( x , y )= ∏i = 1nFθ( xje, yje)= exp[ - ∑i = 1n( xjeθ+ θ …
1
Trouvez l'unique MVUE
Cette question est tirée de l'introduction de Robert Hogg aux statistiques mathématiques, 6e version, problème 7.4.9, page 388. Laissez X1,...,XnX1,...,XnX_1,...,X_n soit iid avec pdf f(x;θ)=1/3θ,−θ<x<2θ,f(x;θ)=1/3θ,−θ<x<2θ,f(x;\theta)=1/3\theta,-\theta0 . (a) Trouvez la mle θ de θθ^θ^\hat{\theta}θθ\theta (b) est θ une statistique suffisante pour θ ? Pourquoi ?θ^θ^\hat{\theta}θθ\theta (c) est (n+1)θ^/n(n+1)θ^/n(n+1)\hat{\theta}/n la MVUE unique …
1
Dérivation de la fonction de vraisemblance pour IV-probit
J'ai donc un modèle binaire où est la variable latente non observée et l'observé. détermine et est donc mon instrument. Bref, le modèle est. Puisque les termes d'erreur ne sont pas indépendants mais, J'utilise un modèle IV-probit.y∗1y1∗y_1^*y1∈{0,1}y1∈{0,1}y_1 \in \{0,1\}y2y2y_2y1y1y_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 &=& …
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.