Estoy tratando de planificar un plan de estudio para aprender MLE. Para hacer esto, estoy tratando de averiguar cuál es el nivel mínimo de cálculo que es necesario para comprender MLE. ¿Es suficiente entender los conceptos básicos del cálculo (es decir, encontrar el mínimo y el máximo de...
He estado leyendo sobre la estimación de máxima verosimilitud y la estimación máxima a posteriori y hasta ahora he encontrado ejemplos concretos solo con la estimación de máxima verosimilitud. He encontrado algunos ejemplos abstractos de estimación máxima a posteriori, pero nada concreto aún con...
Me dieron esta tarea y me quedé perplejo. Un colega me pidió que calcule y de la siguiente tabla: x l o w e rXu p p e rxupperx_{upper}Xl o w e rxlowerx_{lower} La curva es en realidad una distribución acumulativa, y x es algún tipo de medidas. Le interesa saber cuáles son los valores...
Tengo procesos normalmente distribuidos de los cuales obtengo pequeñas muestras ( n típicamente 10-30) que quiero usar para estimar la varianza. Pero con frecuencia las muestras están tan juntas que no podemos medir puntos individuales cerca del centro. Tengo esta vaga comprensión de que...
Propiedad de invariancia de MLE: si es el MLE de , entonces, para cualquier función , el MLE de es . θ^θ^\hat{\theta}θθ\thetaF( θ )f(θ)f(\theta)f(θ)f(θ)f(\theta)f(θ^)f(θ^)f(\hat{\theta}) Además, debe ser una función uno a uno.fff El libro dice: "Por ejemplo, para estimar , el cuadrado de una...
Cada afirmación que encuentro del estimador de James-Stein supone que las variables aleatorias que se estiman tienen la misma varianza (y unidad). Pero todos estos ejemplos también mencionan que el estimador JS puede usarse para estimar cantidades sin nada que ver entre sí. El ejemplo de Wikipedia...
Considere una regresión simple (normalidad no asumida): donde es con media y desviación estándar . ¿Las estimaciones de mínimos cuadrados de y no están correlacionadas?Yi=a+bXi+ei,Yi=a+bXi+ei,Y_i = a + b X_i +
Deseo probar algunas de mis ideas que creo que son mejores que cualquier cosa que haya visto. Podría estar equivocado, pero me gustaría probar mis ideas y vencer mis dudas con observaciones más ciertas. Lo que he estado pensando hacer es lo siguiente: Definir analíticamente un conjunto de...
Un modelo exponencial es un modelo descrito por la siguiente ecuación: yyo^= β0 0⋅ eβ1X1 i+ … + ΒkXk iyi^=β0⋅eβ1x1i+…+βkxki\hat{y_{i}}=\beta_{0}\cdot e^{\beta_{1}x_{1i}+\ldots+\beta_{k}x_{ki}} El enfoque más común utilizado para estimar dicho modelo es la linealización, que se puede hacer...
Tengo un problema con el parámetro de estimación para Zipf. Mi situación es la siguiente: Tengo un conjunto de muestra (medido a partir de un experimento que genera llamadas que deberían seguir una distribución Zipf). Tengo que demostrar que este generador realmente genera llamadas con...
Por ley (débil / fuerte) de números grandes, dados algunos puntos de muestra iid de una distribución, su muestra significa converge a la media de distribución tanto en probabilidad como en tamaño de muestra va al infinito{xi∈Rn,i=1,…,N}{xi∈Rn,i=1,…,N}\{x_i \in \mathbb{R}^n,...
¿Hay alguna razón particular por la que elegirás la estimación de densidad del kernel sobre la estimación paramétrica? Estaba aprendiendo a ajustar la distribución a mis datos. Esta pregunta me vino. Mi tamaño de datos es relativamente grande con 7500 puntos de datos. Auto reclamaciones. Mi...
Tengo experiencia en programación de computadoras y teoría elemental de números, pero no tengo entrenamiento en estadísticas reales, y recientemente he "descubierto" que el asombroso mundo de toda una gama de técnicas es en realidad un mundo estadístico. Parece que las factorizaciones de matrices,...
¿Cuál es la diferencia entre los dos y por qué el nivel de significación debe ser siempre mayor o igual que el tamaño de la
Este es un extracto de "Estadística matemática moderna con aplicaciones" de Devore et al. Lo que me desconcierta es que el estimador no puede evitar depender de , ya que la muestra depende del
Traté de implementar una estimación numérica de la divergencia Kullback-Leibler para dos muestras. Para depurar la implementación, extraiga las muestras de dos distribuciones normales y .N ( 1 , 2 )norte( 0 , 1 )N(0,1)\mathcal N (0,1)norte( 1 , 2 )N(1,2)\mathcal N (1,2) Para una estimación simple,...
Por un simple ejemplo, suponga que hay dos modelos de regresión lineal Modelo 1 tiene tres predictores, x1a, x2b, yx2c El modelo 2 tiene tres predictores del modelo 1 y dos predictores adicionales x2ayx2b Hay una ecuación de regresión poblacional donde la varianza poblacional explicada es para...
Tenemos N muestras, XiXiX_i , de una distribución uniforme [0,θ][0,θ][0,\theta] donde θθ\theta es desconocido. Estima θθ\theta partir de los datos. Entonces, la regla de Bayes ... f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(θ|Xi)=f(Xi|θ)f(θ)f(Xi)f(\theta | {X_i}) = \frac{f({X_i}|\theta)f(\theta)}{f({X_i})} y...
Tengo algunos datos y estaba tratando de ajustarle una curva suave. Sin embargo, no quiero imponer demasiadas creencias previas o preconcepciones demasiado fuertes (excepto las implicadas por el resto de mi pregunta) sobre ella, o cualquier distribución específica. Solo quería ajustarlo con una...
Sea una muestra aleatoria de una distribución para . Es decir,X1,...,XnX1,...,Xn X_1,