Phương pháp của khoảnh khắc là gì?
Có một bài viết hay về điều này trên Wikipedia.
https://en.m.wikipedia.org/wiki/Method_of_moments_(statistic)
Điều đó có nghĩa là bạn đang ước tính các tham số dân số bằng cách chọn các tham số sao cho phân bố dân số có các khoảnh khắc tương đương với các khoảnh khắc quan sát được trong mẫu.
Nó khác với MLE như thế nào
Ước tính khả năng tối đa giảm thiểu chức năng khả năng. Trong một số trường hợp, mức tối thiểu này đôi khi có thể được thể hiện bằng cách thiết lập các tham số dân số bằng với các tham số mẫu.
μ=x¯μ
μ=1/n∑ln(xi)=ln(x)¯¯¯¯¯¯¯¯¯¯¯
Trong khi đó giải pháp MoM đang giải quyết
exp(μ+12σ2)=x¯
μ=ln(x¯)−12σ2
Vì vậy, MoM là một cách thực tế để ước tính các tham số, thường dẫn đến kết quả chính xác giống như MLE (vì các khoảnh khắc của mẫu thường trùng với các khoảnh khắc của dân số, ví dụ: trung bình mẫu được phân phối xung quanh trung bình dân số và lên đến một số yếu tố / thiên vị, nó hoạt động rất tốt). MLE có nền tảng lý thuyết mạnh hơn và ví dụ, cho phép ước tính lỗi bằng cách sử dụng ma trận Fisher (hoặc ước tính của nó), và đó là một cách tiếp cận tự nhiên hơn nhiều trong trường hợp các vấn đề hồi quy (tôi đã thử nhưng tôi đoán rằng một MoM để giải các tham số trong hồi quy tuyến tính đơn giảnkhông hoạt động dễ dàng và có thể cho kết quả xấu. Trong câu trả lời của superpronker, có vẻ như điều này được thực hiện bằng cách giảm thiểu một số chức năng. Đối với MLE, sự tối thiểu hóa này thể hiện xác suất cao hơn, nhưng tôi tự hỏi liệu nó có đại diện cho điều tương tự như vậy đối với MoM không.