Pertama mari kita mensimulasikan beberapa data untuk regresi logistik dengan bagian-bagian tetap dan acak: set.seed(1) n <- 100 x <- runif(n) z <- sample(c(0,1), n, replace=TRUE) b <- rnorm(2) beta <- c(0.4, 0.8) X <- model.matrix(~x) Z <- cbind(z, 1-z) eta <- X%*%beta +...
Pertama-tama saya ingin menjelaskan bahwa saya bukan ahli dalam bidang ini. Misalkan memiliki dua variabel acak XXX dan YYY yang binomial, masing-masing X∼B(n1,p)X∼B(n1,p)X\sim B(n_1,p) dan Y∼B(n2,p),Y∼B(n2,p),Y\sim B(n_2,p), perhatikan di sini itu pppadalah sama. saya tahu...
Christopher Bishop mendefinisikan nilai yang diharapkan dari fungsi kemungkinan log data lengkap (yaitu dengan asumsi bahwa kita diberikan data yang dapat diamati X serta data laten Z) sebagai
Saya memiliki data yang menggambarkan seberapa sering suatu peristiwa berlangsung selama satu jam ("angka per jam", nph) dan berapa lama acara berlangsung ("durasi dalam detik per jam", dph). Ini adalah data asli: nph <- c(2.50000000003638, 3.78947368414551, 1.51456310682008, 5.84686774940732,...
Saya mengerti di mana langkah E terjadi dalam algoritma (seperti yang dijelaskan dalam bagian matematika di bawah). Dalam pikiran saya, kecerdikan kunci dari algoritma adalah penggunaan ketidaksetaraan Jensen untuk membuat batas bawah pada kemungkinan log. Dalam hal itu, mengambil Expectationhanya...
Saya tertarik untuk memahami perbedaan antara "kemungkinan" dari suatu peristiwa acak dengan probabilitas tertentu yang benar-benar terjadi dengan probabilitas tepat yang dikatakan kemungkinan. yaitu jika suatu peristiwa memiliki probabilitas 1 banding 10.000, apa kemungkinannya dalam 10.000 uji...
Mengapa GLM memprediksi mean dan bukan mode sinyal? Bukankah ini bertentangan dengan dasar di balik GLM, yaitu kemungkinan maksimum? Persamaan untuk memecahkan parameter model dalam GLM didasarkan pada maksimalisasi kemungkinan seperti yang dijelaskan oleh distribusi probabilitas dari sinyal yang...
Saya menemukan bahwa untuk model regresi linier sederhana, baik OLS dan metode kemungkinan maksimum (dengan asumsi distribusi Normal) memberikan output yang sama (nilai parameter). Dari sini, dapatkah kita mengatakan bahwa OLS juga membuat asumsi implisit tentang distribusi Normal atau sebaliknya?...
Dalam Model Persamaan Struktural, orang sering menggunakan estimator ML. Dalam kasus di mana variabel tidak normal multivarian, bisakah ML digunakan? Sering kali indikator yang Anda miliki untuk bekerja dengan tidak multivariat normal. Saya tidak yakin bagaimana
Saya telah diberi tabel dan , yang sedemikian rupa sehingga jumlah x_i memberi tahu jumlah anak yang dimiliki semua orang .x=(0,1,2,3,4,5,6)x=(0,1,2,3,4,5,6)x=(0,1,2,3,4,5,6)y=(3062,587,284,103,33,4,2)y=(3062,587,284,103,33,4,2)y=(3062,587,284,103,33,4,2)xixix_iyiyiy_i Saya diminta untuk...
Aku punya model yang berjalan: Single parameter -> Complex likelihood function -> Log-likelihood. Saya mengeksekusi rantai MCMC (menggunakan pymc) dan merencanakan jejak parameter dan log-likelihood. Estimasi parameter akhirnya masuk akal, tetapi plot log-likelihood tampak aneh bagi...
Pertama izinkan saya memberi latar belakang; Saya akan meringkas pertanyaan saya di bagian akhir. Distribusi Beta, diparameterisasi dengan rata-rata μμ\mudan , memiliki , di mana adalah fungsi varians.ϕϕ\phiVar( Y) = V( μ ) / ( ϕ + 1 )Var(Y)=V(μ)/(ϕ+1)\operatorname{Var}(Y) =...
Saya mencoba memahami perbedaan antara Newton-Raphsonteknik dan Fisher scoringteknik dengan menghitung iterasi pertama untuk setiap metode untuk Bernoullisampel. (Saya tahu bahwa dalam hal ini saya dapat secara eksplisit dan segera menghitung tetapi saya ingin melakukannya secara iteratif hanya...
Saya telah melihat pembenaran berikut untuk tes Wald dari hipotesis nol H0: θ =θ0H0:θ=θ0H_0: \theta = \theta_0 untuk parameter skalar θθ\theta. Kapanθ^nθ^n\hat{\theta}_n adalah MLE untuk θθ\theta Diperkirakan dari sampel ukuran independen nnn, di bawah hipotesis nol, kita memiliki dalam distribusi...
Pertanyaan ini tampaknya cukup mendasar sehingga saya yakin telah dijawab di suatu tempat, tetapi saya belum menemukannya. Saya mengerti bahwa jika variabel dependen dalam regresi terdistribusi normal, kemungkinan maksimum dan kuadrat terkecil biasa menghasilkan estimasi parameter yang...
Dalam "pembelajaran mesin Kevin Murphy: Perspektif probabilistik", bab 3.2, penulis menunjukkan pembelajaran konsep Bayesian pada contoh yang disebut "permainan angka": Setelah mengamati NNN sampel dari {1,...,100}{1,...,100}\{1,...,100\}, kami ingin memilih hipotesis hhhyang paling menggambarkan...