Ước tính khả năng tối đa cho tối thiểu các phân phối theo cấp số nhân


10

Tôi đang bị mắc kẹt về cách giải quyết vấn đề này.

Vì vậy, chúng ta có hai chuỗi biến ngẫu nhiên, và cho . Bây giờ, và là các phân phối hàm mũ độc lập với các tham số và . Tuy nhiên, thay vì quan sát và , chúng ta quan sát thay vì và .XiYii=1,...,nXYλμXYZW

Z=min(Xi,Yi)W=1 nếu Zi=Xi và 0 nếu Zi=Yi . Tôi phải tìm kín các hình thức cho ước lượng tối đa khả năng của λμ trên cơ sở ZW . Hơn nữa, chúng ta cần chỉ ra rằng đây là những cực đại toàn cầu.

Bây giờ, tôi biết rằng tối thiểu của hai số mũ độc lập tự nó là số mũ, với tỷ lệ bằng tổng tỷ lệ, vì vậy chúng tôi biết rằng Z là số mũ với tham số λ+μ . Do đó, công cụ ước tính khả năng tối đa của chúng tôi là: λ^+μ^=Z¯ .

Nhưng tôi bị mắc kẹt với nơi để đi từ đây. Tôi biết rằng W là phân phối Bernoulli với tham số p=P(Zi=Xi) , nhưng tôi không biết làm thế nào để chuyển đổi điều này thành một tuyên bố về một trong các tham số. Ví dụ: MLE W¯ sẽ ước tính điều gì về λ và / hoặc μ ? Tôi hiểu rằng nếu Zi=Xi , thì μ=0 , nhưng tôi đang gặp khó khăn khi tìm ra cách đưa ra bất kỳ tuyên bố đại số nào ở đây.

UPDATE 1: Vì vậy, tôi đã được cho biết trong các ý kiến để đưa ra khả năng cho việc phân phối chung của ZW .

Vậy trong đó . Chính xác? Tôi không biết làm thế nào khác để có được một phân phối chung trong trường hợp này, vì và không độc lập.f(Z,W)=f(Z|W=1)p+f(Z|W=0)(1p)p=P(Zi=Xi)ZW

Vì vậy, điều này mang lại cho chúng tôi, , theo định nghĩa của ở trên. Nhưng bây giờ thì sao? Điều này không đưa tôi đến bất cứ đâu. Nếu tôi trải qua các bước tính toán khả năng, tôi sẽ nhận được: (sử dụng và làm kích thước mẫu cho từng phần của hỗn hợp ...)f(Zi,Wi)=pλeλzi+(1p)μeμziWmn

L(λ,μ)=pmλmeλzi+(1p)nμneμzi

logL=mlogp+mlogλλzi+nlog(1p)+nlogμμzi

Nếu tôi lấy các đạo hàm riêng, điều này nói với tôi rằng MLE tôi ước tính cho và chỉ là mức trung bình của 's có điều kiện trên . Đó là,λμZW

λ^=Zim

μ^=Zin

p^=mn+m


1
Mới trả lời một câu hỏi MLE tương tự ngày hôm nay, tôi có thể hướng bạn tới giải pháp đó cho một số ý tưởng không? Mối quan hệ giữa các câu hỏi là dữ liệu của bạn cũng chia thành hai nhóm rời rạc: những nhóm có và những nhóm có . Tất cả bắt nguồn từ việc viết ra khả năng quan sát biểu mẫu ; tính đối xứng giữa và , và , ngay lập tức tạo ra khả năng cho dữ liệu có dạng và sau đó bạn tắt và chạy. W=0W=1(Z,W)=(z,0)XYμλ(z,1)
whuber

Đừng vội viết ra khả năng tối đa! Đầu tiên, biểu thị phân phối chung của , sau đó suy ra khả năng liên quan đến mẫu của , xảy ra ở dạng đóng nhờ vào giả định theo cấp số nhân. Sau đó và chỉ sau đó bạn có thể cố gắng tối đa hóa chức năng và từ đó rút ra khả năng tối đa. (Z,W)(Zi,W)=i)
Tây An

@whuber: (+1) thực sự khá đơn giản và liên quan đến sự tách biệt giữa và nhưng cả hai nhóm đều liên quan đến cả và , vì họ mang thông tin về cả và , vì . (zi,1)(zi,0) μλ XiYiWi=I(Xi<Yi)
Tây An

2
@ Xi'an Điều đó đúng - và tương tự với ví dụ Lý thuyết bình thường mà tôi liên kết để tiếp tục nắm giữ, bởi vì cả hai nhóm đều cung cấp thông tin về tham số chung (thang đo), theo ước tính sẽ liên quan đến dữ liệu "gộp" từ các nhóm. Ở đây sẽ thấy rằng cho chúng ta biết cách ước tính (tỷ lệ hoặc tỷ lệ nghịch cho ) nên được phân bổ thành các ước tính riêng biệt của và . σW¯λ+μZλμ
whuber

Tôi đã đọc qua các chủ đề khác, whuber, nhưng tôi thực sự không hiểu làm thế nào để áp dụng điều đó cho ví dụ này. Z và W không độc lập, vậy làm cách nào để có được phân phối chung?
Ryan Simmons

Câu trả lời:


1

Tôi không có đủ điểm để bình luận, vì vậy tôi sẽ viết ở đây. Tôi nghĩ rằng vấn đề bạn đăng có thể được xem xét từ góc độ phân tích sinh tồn, nếu bạn xem xét các vấn đề sau:

Xi : Thời gian sống sót thực sự,

Yi : Thời gian kiểm duyệt,

Cả hai đều có phân phối theo cấp số nhân với và độc lập. Thì là thời gian tồn tại được quan sát và là chỉ số kiểm duyệt.XYZiWi

Nếu bạn quen thuộc với phân tích sinh tồn, tôi tin rằng bạn có thể bắt đầu từ thời điểm này.

Lưu ý: Một nguồn tốt: Phân tích dữ liệu sinh tồn của DRCox và D.Oakes

Dưới đây là một ví dụ: Giả sử pdf của phân phối thời gian tồn tại là . Khi đó hàm sinh tồn là: . Và khả năng đăng nhập là:f(t)=ρeρtS(t)=eρt

l=ulogf(zi)+clogS(zi)

với tổng số người bị kiểm duyệt ( ) và người bị kiểm duyệt ( ) tương ứng.uc

Do thực tế là trong đó h (t) là hàm nguy hiểm, điều này có thể được viết:f(t)=h(t)S(t)

l=ulogh(zi)+logS(zi)

l=ulogρρzi

Và công cụ ước tính khả năng tối đa của là:ρ^ρ

ρ^=d/zi trong đó là tổng số trường hợp củadWi=1

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.