Un método de estimación de parámetros que equipara los momentos de la muestra y la población y luego resuelve las ecuaciones para los parámetros desconocidos.
Los estimadores de máxima verosimilitud (MLE) son asintóticamente eficientes; vemos el resultado práctico en que a menudo les va mejor que las estimaciones del método de momentos (MoM) (cuando difieren), incluso con tamaños de muestra pequeños Aquí 'mejor que' significa en el sentido de tener...
La estimación de máxima verosimilitud a menudo se traduce en estimadores sesgados (por ejemplo, su estimación de la varianza muestral está sesgada para la distribución gaussiana). ¿Qué lo hace tan popular? ¿Por qué exactamente se usa tanto? Además, ¿qué lo hace en particular mejor que el enfoque...
¿Por qué en "Método de momentos", equiparamos los momentos de muestra con los momentos de población para encontrar el estimador puntual? ¿Dónde está la lógica detrás de
Por lo general, se nos presenta el método de estimadores de momentos "equiparando los momentos de la población con su contraparte de muestra" hasta que hayamos estimado todos los parámetros de la población; de modo que, en el caso de una distribución normal, solo necesitaríamos el primer y segundo...
Estoy tratando de entender el vínculo entre la función generadora de momento y la función característica. La función de generación de momento se define como: 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}...
Me hicieron esta pregunta el otro día y nunca la había considerado antes. Mi intuición proviene de las ventajas de cada estimador. La máxima probabilidad es preferiblemente cuando confiamos en el proceso de generación de datos porque, a diferencia del método de los momentos, hace uso del...
¿Puede alguien explicarme la diferencia entre el método de los momentos y el GMM (método general de los momentos), su relación y cuándo se debe usar uno u
Veo mencionado en varios lugares que ANOVA hace su estimación utilizando el método de los momentos. Esa afirmación me confunde porque, aunque no estoy familiarizado con el método de los momentos, entiendo que es algo diferente y no equivalente al método de máxima probabilidad; Por otro lado, ANOVA...
En general, parece que el método de los momentos solo coincide con la media de la muestra observada o la varianza con los momentos teóricos para obtener estimaciones de los parámetros. Esto es a menudo lo mismo que MLE para familias exponenciales, supongo. Sin embargo, es difícil encontrar una...
Existen bastantes métodos para la estimación de parámetros. MLE, UMVUE, MoM, decisión teórica y otros parecen tener un caso bastante lógico de por qué son útiles para la estimación de parámetros. ¿Es algún método mejor que los demás, o es solo una cuestión de cómo definimos cuál es el estimador de...
¿Cómo explico los métodos generalizados de momentos y cómo se utiliza para un no estadístico? Hasta ahora voy con: es algo que usamos para estimar condiciones tales como promedios y variaciones basadas en muestras que hemos recolectado. ¿Cómo explico la parte donde estima el vector de parámetros...
Ejemplos: Tengo una oración en la descripción del trabajo: "Ingeniero senior de Java en el Reino Unido". Quiero usar un modelo de aprendizaje profundo para predecirlo en 2 categorías: English y IT jobs. Si uso el modelo de clasificación tradicional, solo puede predecir 1 etiqueta con...
En la mayoría de los cursos básicos de teoría de probabilidad, las funciones generadoras de momentos contados (mgf) son útiles para calcular los momentos de una variable aleatoria. En particular la expectativa y la varianza. Ahora, en la mayoría de los cursos, los ejemplos que proporcionan para la...