Вопросы с тегом «method-of-moments»

Оценки максимального правдоподобия (MLE) асимптотически эффективны; мы видим практический результат в том, что они часто работают лучше, чем оценки методом моментов (MoM) (когда они различаются), даже при небольших размерах выборки Здесь «лучше чем» означает то, что обычно имеет меньшую дисперсию, когда оба несмещены, и, как правило, меньше среднеквадратичная ошибка (MSE) …

57 estimation  maximum-likelihood  mse  method-of-moments  efficiency 

Оценка максимального правдоподобия часто приводит к смещенным оценкам (например, ее оценка для выборочной дисперсии смещена для распределения Гаусса). Что же делает его таким популярным? Почему именно так много? Кроме того, что именно делает его лучше, чем альтернативный подход - метод моментов? Кроме того, я заметил, что для Гаусса простое масштабирование …

25 normal-distribution  maximum-likelihood  method-of-moments 

Почему в «Методе моментов» мы приравниваем выборочные моменты к моментам совокупности для нахождения оценщика точек? Где за этим стоит логика?

21 intuition  method-of-moments 

Мы, как правило, знакомимся с методом оценки моментов, «приравнивая моменты совокупности к их выборочному аналогу», пока не оценим все параметры совокупности; так что в случае нормального распределения нам понадобятся только первый и второй моменты, потому что они полностью описывают это распределение. E(X)=μ⟹∑Nя = 1Xя/ n=X¯E(Икс)знак равноμ⟹Σязнак равно1NИкся/Nзнак равноИкс¯E(X) = \mu …

19 mathematical-statistics  lognormal  moments  method-of-moments 

Мне задали этот вопрос на днях, и я никогда не рассматривал его раньше. Моя интуиция исходит из преимуществ каждого оценщика. Максимальная вероятность, предпочтительно, когда мы уверены в процессе генерирования данных, потому что, в отличие от метода моментов, он использует знания всего распределения. Поскольку оценки MoM используют только информацию, содержащуюся в …

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

Я пытаюсь понять связь между генерирующей момент функцией и характеристической функцией. Генерирующая момент функция определяется как: MX(t)=E(exp(tX))=1+tE(X)1+t2E(X2)2!+⋯+tnE(Xn)n!MX(t)=E(exp⁡(tX))=1+tE(X)1+t2E(X2)2!+⋯+tnE(Xn)n! M_X(t) = E(\exp(tX)) = 1 + \frac{t E(X)}{1} + \frac{t^2 E(X^2)}{2!} + \dots + \frac{t^n E(X^n)}{n!} Используя разложение в ряд Я могу найти все моменты распределения для случайной величины X.exp(tX)=∑∞0(t)n⋅Xnn!exp⁡(tX)=∑0∞(t)n⋅Xnn!\exp(tX) = \sum_0^{\infty} \frac{(t)^n …

17 probability  moments  mgf  method-of-moments  characteristic-function 

Я вижу упомянутое в разных местах, что ANOVA делает оценку, используя метод моментов. Меня смущает это утверждение, потому что, хотя я не знаком с методом моментов, я понимаю, что это нечто отличное от метода максимальной вероятности и не эквивалентное ему; с другой стороны, ANOVA можно рассматривать как линейную регрессию с …

13 anova  mixed-model  maximum-likelihood  method-of-moments 

Может ли кто-нибудь объяснить мне разницу между методом моментов и GMM (общий метод моментов), их взаимоотношениями и когда следует использовать один или другой?

13 estimation  method-of-moments  generalized-moments 

В целом кажется, что метод моментов просто сопоставляет наблюдаемое среднее значение выборки или дисперсию с теоретическими моментами для получения оценок параметров. Я понимаю, что это часто то же самое, что и MLE для экспоненциальных семей. Тем не менее, трудно найти четкое определение метода моментов и четкое обсуждение того, почему MLE, …

13 maximum-likelihood  method-of-moments 

Существует довольно много способов оценки параметров. MLE, UMVUE, MoM, теоретико-решение и другие - все они кажутся вполне логичными для того, почему они полезны для оценки параметров. Является ли какой-либо один метод лучше, чем другие, или это просто вопрос того, как мы определяем, что такое оценка «наилучшего соответствия» (аналогично тому, как …

12 estimation  mathematical-statistics  maximum-likelihood  method-of-moments  umvue 

Как мне объяснить обобщенные методы моментов и как это используется для не статистики? Пока что я пойду с этим: это то, что мы используем для оценки таких условий, как средние значения и вариации на основе собранных нами выборок. Как объяснить ту часть, где вы оцениваете вектор параметров, путем минимизации дисперсии?

11 generalized-moments  method-of-moments 

Примеры: у меня есть предложение в должностной инструкции: «Старший инженер Java в Великобритании». Я хочу использовать модель глубокого обучения, чтобы предсказать ее как 2 категории: English и IT jobs. Если я использую традиционную классификационную модель, она может предсказать только 1 метку с softmaxфункцией на последнем слое. Таким образом, я могу …

9 machine-learning  deep-learning  natural-language  tensorflow  sampling  distance  non-independent  application  regression  machine-learning  logistic  mixed-model  control-group  crossover  r  multivariate-analysis  ecology  procrustes-analysis  vegan  regression  hypothesis-testing  interpretation  chi-squared  bootstrap  r  bioinformatics  bayesian  exponential  beta-distribution  bernoulli-distribution  conjugate-prior  distributions  bayesian  prior  beta-distribution  covariance  naive-bayes  smoothing  laplace-smoothing  distributions  data-visualization  regression  probit  penalized  estimation  unbiased-estimator  fisher-information  unbalanced-classes  bayesian  model-selection  aic  multiple-regression  cross-validation  regression-coefficients  nonlinear-regression  standardization  naive-bayes  trend  machine-learning  clustering  unsupervised-learning  wilcoxon-mann-whitney  z-score  econometrics  generalized-moments  method-of-moments  machine-learning  conv-neural-network  image-processing  ocr  machine-learning  neural-networks  conv-neural-network  tensorflow  r  logistic  scoring-rules  probability  self-study  pdf  cdf  classification  svm  resampling  forecasting  rms  volatility-forecasting  diebold-mariano  neural-networks  prediction-interval  uncertainty