Tengo una probabilidad bastante plana de que el muestreador Metropolis-Hastings se mueva a través del espacio de parámetros de forma muy irregular, es decir, no se puede lograr la convergencia sin importar los parámetros de distribución de la propuesta (en mi caso, es gaussiana). No hay una gran...
Actualmente estoy trabajando con las cadenas de Markov y calculé la estimación de máxima verosimilitud usando probabilidades de transición según lo sugerido por varias fuentes (es decir, el número de transiciones de a a b dividido por el número de transiciones generales de a a otros nodos). Ahora...
Considere una respuesta y y matriz de datos X . Supongamos que estoy creando un modelo del formulario: y ~ g (X, )θθ\theta (g () podría ser cualquier función de X y )θθ\theta Ahora, para estimar utilizando el método de máxima verosimilitud (ML), podría seguir adelante con ML condicional...
En el contexto de la inferencia basada en la probabilidad, he visto alguna notación sobre los parámetros de interés que he encontrado un poco confusa. Por ejemplo, notación como y .pθ(x)pθ(x)p_{\theta}(x)Eθ[S(θ)]Eθ[S(θ)]{\mathbb E}_{\theta}\left[S(\theta)\right] ¿Cuál es el significado del...
Si son distribuciones iid Poisson con el parámetro he calculado que la estimación de probabilidad máxima es para datos k_1, \ dots, k_n . Por lo tanto, podemos definir el estimador correspondiente T = \ frac {1} {n} \ sum_ {i = 1} ^ n K_i. Mi pregunta es ¿cómo resolvería la varianza de este...
Estoy estudiando diferentes métodos de estimación puntual y leí que cuando usamos estimaciones MAP vs ML, cuando usamos un "uniforme previo", las estimaciones son idénticas. ¿Alguien puede explicar qué es un "uniforme" anterior y dar algunos ejemplos (simples) de cuándo los estimadores MAP y ML...
En Dixon, Coles ( 1997 ), utilizaron la estimación de máxima verosimilitud para los dos modelos de Poisson independientes modificados en (4.3) para modelar los puntajes en el fútbol. Estoy tratando de usar R para "reproducir" los parámetros alfa y beta, así como los parámetros del efecto de inicio...
He estado leyendo sobre MLE como un método para generar una distribución ajustada. Me encontré con una declaración que decía que las estimaciones de probabilidad máxima "tienen distribuciones normales aproximadas". ¿Significa esto que si aplico MLE varias veces sobre mis datos y la familia de...
Este es un problema de práctica para un examen de mitad de período. El problema es un ejemplo de algoritmo EM. Tengo problemas con la parte (f). Enumero las partes (a) - (e) para completar y en caso de que haya cometido un error antes. Supongamos que son variables aleatorias exponenciales...
Por defecto, cuando usamos una glmfunción en R, usa el método de mínimos cuadrados reponderados iterativamente (IWLS) para encontrar la estimación de máxima verosimilitud de los parámetros. Ahora tengo dos preguntas. ¿Las estimaciones de IWLS garantizan el máximo global de la función de...
En el Análisis de supervivencia, se supone que el tiempo de supervivencia de un rv XyoXiX_i se distribuye exponencialmente. Considerando ahora que tengo "resultados" de iid rv's . De hecho, solo una parte de estos resultados está "plenamente realizada", es decir, las observaciones restantes aún...
Esta pregunta surgió en clase: si usamos valores p para evaluar hipótesis en un experimento, ¿qué parte del Principio de Probabilidad no estamos obedeciendo: Suficiencia o Condicionalidad ? Mi intuición sería decir Suficiencia , ya que calcular un valor p se basa en resultados no observados de un...
En filogenética, los árboles filogenéticos a menudo se construyen usando MLE o análisis bayesiano. A menudo, se utiliza un previo plano en la estimación bayesiana. Según tengo entendido, una estimación bayesiana es una estimación de probabilidad que incorpora un previo. Mi pregunta es, si usa un...
Tengo un modelo de mezcla que quiero encontrar el estimador de máxima verosimilitud de un conjunto de datos dado y un conjunto de datos observados parcialmente . He implementado tanto el paso E (calculando la expectativa de dado y los parámetros actuales ), como el paso M, para minimizar la...
¿Cómo interpreta una curva de supervivencia del modelo de riesgo proporcional de Cox? En este ejemplo de juguete, supongamos que tenemos un modelo de riesgo proporcional de Cox ageen kidneydatos variables y generamos la curva de supervivencia. library(survival) fit <- coxph(Surv(time,...
Estoy luchando con la implementación del estimador de máxima verosimilitud para un proceso de Hawkes (HP) multivariante. Específicamente, aunque la expresión analítica para una función de probabilidad logarítmica de un HP univariante se puede encontrar fácilmente en línea (por ejemplo, Ozaki,...
Leí en un libro de aprendizaje automático que los parámetros de regresión lineal se pueden estimar (entre otros métodos) por descenso de gradiente, mientras que los parámetros de regresión logística generalmente se estiman por estimación de máxima verosimilitud. ¿Es posible explicarle a un novato...
La pregunta se basa en el artículo titulado: Reconstrucción de imágenes en tomografía óptica difusa utilizando el modelo acoplado de transporte radiativo-difusión Enlace de descarga Los autores aplican el algoritmo EM con regularización de dispersión de un vector desconocido para estimar los...
Supongamos que reemplazamos la función de pérdida de la regresión logística (que normalmente es log-verosimilitud) con el MSE. Es decir, que la razón de probabilidad logarítmica sea una función lineal de los parámetros, pero minimice la suma de las diferencias al cuadrado entre la probabilidad...
Casella y Berger establecen la propiedad de invariancia del estimador de ML de la siguiente manera: Sin embargo, me parece que definen la "probabilidad" de de una manera completamente ad hoc y sin sentido:ηη\eta Si aplico las reglas básicas de la teoría de la probabilidad al caso simple...