Une méthode d'estimation des paramètres en assimilant les moments de l'échantillon et de la population, puis en résolvant les équations pour les paramètres inconnus.
Les estimateurs de maximum de vraisemblance (MLE) sont asymptotiquement efficaces; nous constatons le résultat pratique dans la mesure où elles donnent souvent de meilleurs résultats que les estimations fondées sur la méthode des moments (MoM) (lorsqu'elles diffèrent), même pour des échantillons de...
L'estimation du maximum de vraisemblance se traduit souvent par des estimateurs biaisés (par exemple, son estimation de la variance de l'échantillon est biaisée pour la distribution gaussienne). Qu'est-ce qui le rend si populaire? Pourquoi est-il utilisé autant? De plus, qu'est-ce qui la rend...
Pourquoi dans "Méthode des moments", nous assimilons les moments de l'échantillon aux moments de la population pour trouver l'estimateur ponctuel? Où est la logique derrière tout
Nous sommes généralement initiés à la méthode des estimateurs de moments en «assimilant les moments de la population à leur homologue de l'échantillon» jusqu'à ce que nous ayons estimé tous les paramètres de la population; de sorte que, dans le cas d'une distribution normale, nous n'aurions besoin...
J'essaie de comprendre le lien entre la fonction de génération de moment et la fonction caractéristique. La fonction de génération de moment est définie comme: MX( t ) = E( exp( t X) ) = 1 + t E( 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))...
On m'a posé cette question l'autre jour et je ne l'avais jamais envisagée auparavant. Mon intuition vient des avantages de chaque estimateur. La probabilité maximale est de préférence lorsque nous sommes confiants dans le processus de génération de données car, contrairement à la méthode des...
Quelqu'un peut-il m'expliquer la différence entre la méthode des moments et la GMM (méthode générale des moments), leur relation, et quand doit-on utiliser l'une ou
Je vois mentionné à divers endroits que l'ANOVA fait son estimation en utilisant la méthode des moments. Je suis confus par cette affirmation parce que, même si je ne suis pas familier avec la méthode des moments, ma compréhension est que c'est quelque chose de différent et non équivalent à la...
En général, il semble que la méthode des moments correspond simplement à la moyenne observée de l'échantillon ou à la variance des moments théoriques pour obtenir des estimations de paramètres. C'est souvent la même chose que MLE pour les familles exponentielles, je suppose. Cependant, il est...
Il existe de nombreuses méthodes d'estimation des paramètres. MLE, UMVUE, MoM, décision-théorique, et d'autres semblent tous avoir un cas assez logique pour expliquer pourquoi ils sont utiles pour l'estimation des paramètres. Une méthode est-elle meilleure que les autres, ou s'agit-il simplement de...
Comment expliquer les méthodes généralisées des moments et comment elles sont utilisées par un non statisticien? Jusqu'à présent, je continue: c'est quelque chose que nous utilisons pour estimer des conditions telles que les moyennes et les variations basées sur les échantillons que nous avons...
Exemples: J'ai une phrase dans la description de poste: "Java senior engineer in UK". Je veux utiliser un modèle d'apprentissage profond pour le prédire en 2 catégories: English et IT jobs. Si j'utilise un modèle de classification traditionnel, il ne peut prédire qu'une seule étiquette avec...
Dans la plupart des cours de théorie des probabilités de base, vos fonctions de génération de moment (mgf) sont utiles pour calculer les moments d'une variable aléatoire. En particulier l'attente et la variance. Maintenant, dans la plupart des cours, les exemples qu'ils fournissent pour l'attente...