Pertimbangkan vektor parameter , dengan parameter yang diminati, dan sebagai parameter gangguan.θ 1 θ 2
Jika adalah kemungkinan yang dikonstruksi dari data , kemungkinan profil untuk didefinisikan sebagai di mana adalah MLE dari untuk nilai tetap dari .x θ 1 L P ( θ 1 ; x ) = L ( θ 1 , θ 2 ( θ 1 ) ; x ) θ 2 ( θ 1 ) θ 2 θ 1
Memaksimalkan kemungkinan profil sehubungan dengan mengarah ke perkiraan yang sama seperti yang diperoleh dengan memaksimalkan kemungkinan secara bersamaan sehubungan dengan dan .θ 1 θ 1 θ 2
Saya pikir standar deviasi juga dapat diperkirakan dari turunan kedua dari kemungkinan profil.
Statistik kemungkinan untuk dapat ditulis dalam hal kemungkinan profil: .
Jadi, sepertinya profil kemungkinan dapat digunakan persis seperti kemungkinan asli. Benarkah itu masalahnya? Apa kelemahan utama dari pendekatan itu? Dan bagaimana dengan 'rumor' bahwa estimator yang diperoleh dari kemungkinan profil bias (sunting: bahkan tanpa gejala)?
Jawaban:
Perkiraan dari kemungkinan profil hanyalah MLE. Memaksimalkan sehubungan dengan θ 2 untuk setiap kemungkinan θ 1 dan kemudian memaksimalkan sehubungan dengan θ 1 adalah sama dengan memaksimalkan sehubungan dengan ( θ 1 , θ 2 ) bersama-sama.θ1 θ2 θ1 θ1 ( θ1, θ2)
Kelemahan utama adalah bahwa, jika Anda mendasarkan perkiraan Anda dari SE dari θ 1 pada kelengkungan kemungkinan profil, Anda tidak sepenuhnya akuntansi untuk ketidakpastian dalam θ 2 .θ^1 θ2
McCullagh dan Nelder, Generalized linear models, edisi ke-2 , memiliki bagian singkat tentang kemungkinan profil (Sec 7.2.4, hal 254-255). Mereka bilang:
sumber