Quasi- likelihood function
最编程
2024-07-25 14:53:44
...
经典的估计方法有极大似然估计(MLE),最小二乘估计估计(OLS)
MLE假设数据的真实分布形式(eg. 正态)已知,只需要估计其中的未知参数
MLE具有相合性,渐进正态等大样本性质
Q1: 若数据的真实分布形式未知,能否使用MLE?性质如何?
很多时候,通过观测数据,我们并不能准确的知道产生数据的分布具体是什么形式。但是我们可以知道数据的一些信息,比如:
数据是离散还是连续的
数据之间是否相互独立
数据的均值,方差,中位数等
Q2: 如何利用数据的这些信息进行参数估计?
逼近似然函数(build approximation to the likelihood function)!!!
Q3: 怎么构建逼近模型?
Quasi-Likelihood Functions, Generalized Linear Models, and the Gauss-Newton Method 定义了Quasi- likelihood function:
1.假设独立抽样为 y1,…,yn , 均值为 μ ,方差 V ,假设正态,分布函数为
上一篇: 理解概率论中的两大方法:最大似然估计 (MLE) 和最大后验估计 (MAP)
下一篇: 用实例讲解:什么是最大似然估计(Maximum Likelihood Estimation)?——深入理解似然与概率的关系
推荐阅读
-
玩转C语言:函数详解(function definition, declaration, and calling)
-
Listagg Function Alternative: Using Listagg Within Group
-
vue i18n _ctx.$t is not a function
-
uncaught typeerror document.getelementbyid(...).value is not a function
-
如何用 function-plot.js 实现函数图的绘制
-
玩转C++:理解与应用转换函数(Conversion Function)
-
转換工具:conversion function
-
MLE vs MAP: the connection between Maximum Likelihood and Maximum A Posteriori Estimation
-
Linear Regression and Maximum Likelihood Estimation
-
[Bayes] Understanding Bayes: A Look at the Likelihood