I'll try) 확률을 표본 분포의 밀도라고 한다는 사실부터 시작하겠습니다. 이것은 샘플과 매개변수의 기능입니다. 우리는 실험에서 얻은 샘플의 값을 대체하고 그 후에 매개 변수의 함수가됩니다. 우리는 이 함수가 최대에 도달하는 매개변수의 값을 찾고 이 값을 매개변수의 원하는 값(값 추정치)으로 선언합니다. 이것이 가능하다는 수학적 증거가 있지만, 아마도 복잡하고 나는 그것을 공부하려고 시도조차하지 않았습니다)
일반적으로 모든 것이 간단하지만 샘플이 무엇인지 이해해야 합니다. 한 단어는 두 가지 다른 개념에 사용됩니다. 또한 표본의 분포 밀도가 무엇인지, 표본이 동일하게 분포된 독립적인 양의 벡터인 경우에는 어떤지 알아야 합니다.
토픽 스타터의 요청에 따라 최대 가능성의 원칙에 대해 계속하겠습니다. 간결함을 위해 영어 표기법 MLE(최대 가능도 추정)를 사용하겠습니다.
1) "샘플"이라는 단어의 두 가지 다른 의미를 분리하는 법을 배워야 합니다. 첫째, 이것은 실험에서 얻은 숫자들의 집합이고, 둘째는 확률변수들의 집합이다. 첫 번째는 실제 숫자입니다. 두 번째는 연구자가 이러한 숫자에 적용하려고 하는 추상 확률 모델입니다. 즉, 동일한 실험 숫자 집합이 완전히 다른 모델에서 고려될 수 있습니다. 그러나 항상 대응이 있습니다. 하나의 숫자 -> 하나의 1차원 확률 변수입니다. 10개의 숫자로 구성된 실험 벡터는 10개의 랜덤 변수 모델로 모델링해야 합니다. 이 모든 확률 변수가 균등하게 분포되어 있더라도 정확히 10개의 다른 확률 변수입니다!
2) 확률 변수 세트에 대한 완전한 정보는 결합(다변량) 분포에 포함됩니다. 우리가 일반적으로 다루는 1차원 분포를 포함하여 모든 저차원 분포를 계산할 수 있습니다.
정의에 따르면 가능성은 이 공동 분포의 밀도입니다. 크기가 N인 표본의 경우 숫자 N차원 공간의 숫자 함수입니다. 또한 결정(추정)해야 하는 매개변수에 따라 달라집니다.
따라서 문제가 발생합니다. 이 기능은 어디에서 왔습니까? 답은 언제 어떻게 입니다.) 모든 다양한 방법을 다루는 것은 불가능하기 때문입니다.
3) 표준 MLE 변형. 종종 MLE의 정의로 사용되지만 이는 방법의 적용 가능성을 너무 많이 제한합니다. 표본의 모든 확률 변수는 a) 독립적이고 b) 밀도 p(x, a)를 갖는 동일한 1차원 분포를 갖는다는 가정이 사용됩니다. 여기서 a는 추정할 매개변수입니다. 그러면 우도 함수는 L=p(x1,a)*p(x2,a)*...*p(xn,a)입니다. 여기서 n은 샘플 크기입니다. 샘플을 x로 대체하고(첫 번째 의미에서) L=L(a)를 얻고 L이 최대값에 도달하는 최대값을 찾습니다. L(a) 대신 LL(a)=log(L(a))를 최대화할 수 있습니다. 로그는 단조 함수이고 편리하게는 곱을 덧셈으로 대체하기 때문입니다.
예를 들어, 지수 분포 p(x,a)=a*exp(-a*x), log(p(x,a))=log(a)-a*x, 매개변수에 대한 도함수를 고려하십시오. d(log(p(x,a)))/da=1/ax. 따라서 방정식 1/a-x1+1/a-x2+...+1/a-xn=0 -> amax=n/(x1+x2+...+xn)을 풀어야 합니다.
의사, 가능한 한 많이.
의지 + 성격 + 경험 + 비표준 접근 방식(너무 복잡하지 않음).
누가 적어도 한 번 시스템을 깨는 방법에 관심이 있었습니까?
어떤 시스템?
우리는 한 번에 구부리고, 우리는 금지되지 않았고, 단지 ma **이 게임에 대한 권리를 구입하고 우리가 영구적으로 매달린 꼭대기를 잘라 냈습니다)
상위권도 팔았음
어떤 시스템?
사고.
... 당신이 SB에서 돈을 벌 수 없다는 것을 인정합니다. 회개하십시오. 그리고 당신은 품위있는 사회에서 다시 받아 들여질 것입니다)).
박사님, 존경합니다. 그리고 잊지못할 진심을 담아 소통했습니다.... 그런데, 당신은 정말 바보입니다. 그것을 인정하십시오. 그러면 아마도 우리 관계가 다시 개선될 것입니다.
그리고 계량 경제학 , matstat 및 matan에 대해 (신, 이름이 무엇입니까!) 저는 Automaton을 지지합니다. 이 게임은 개인이 프로세스의 물리학을 잘린 경우에만 적용할 수 있습니다. 그렇지 않으면 -이 모든 것은 말도 안되며주의를 기울이지 않아야합니다.
아멘.
범죄가 없습니다.
또 다른. 당신은 당신의 의견을 표현하는 것을 참지 못합니까?
왜 홍수를 일으키러 왔습니까?
박사님, 그들 모두에게 뇌절개술을 주십시오.
또 다른. 당신은 당신의 의견을 표현하는 것을 참지 못합니까?
왜 홍수를 일으키러 왔습니까?
박사님, 그들 모두에게 뇌절개술을 주십시오.
누구랑 얘기하는거야, 친구? 완전한 딱따구리에게. 그러나 자유 의지. 어려울 것입니다 - Shadow에게 전화하십시오. 오, 그가 구하러 올거야.
I'll try) 확률을 표본 분포의 밀도라고 한다는 사실부터 시작하겠습니다. 이것은 샘플과 매개변수의 기능입니다. 우리는 실험에서 얻은 샘플의 값을 대체하고 그 후에 매개 변수의 함수가됩니다. 우리는 이 함수가 최대에 도달하는 매개변수의 값을 찾고 이 값을 매개변수의 원하는 값(값 추정치)으로 선언합니다. 이것이 가능하다는 수학적 증거가 있지만, 아마도 복잡하고 나는 그것을 공부하려고 시도조차하지 않았습니다)
일반적으로 모든 것이 간단하지만 샘플이 무엇인지 이해해야 합니다. 한 단어는 두 가지 다른 개념에 사용됩니다. 또한 표본의 분포 밀도가 무엇인지, 표본이 동일하게 분포된 독립적인 양의 벡터인 경우에는 어떤지 알아야 합니다.
토픽 스타터의 요청에 따라 최대 가능성의 원칙에 대해 계속하겠습니다. 간결함을 위해 영어 표기법 MLE(최대 가능도 추정)를 사용하겠습니다.
1) "샘플"이라는 단어의 두 가지 다른 의미를 분리하는 법을 배워야 합니다. 첫째, 이것은 실험에서 얻은 숫자들의 집합이고, 둘째는 확률변수들의 집합이다. 첫 번째는 실제 숫자입니다. 두 번째는 연구자가 이러한 숫자에 적용하려고 하는 추상 확률 모델입니다. 즉, 동일한 실험 숫자 집합이 완전히 다른 모델에서 고려될 수 있습니다. 그러나 항상 대응이 있습니다. 하나의 숫자 -> 하나의 1차원 확률 변수입니다. 10개의 숫자로 구성된 실험 벡터는 10개의 랜덤 변수 모델로 모델링해야 합니다. 이 모든 확률 변수가 균등하게 분포되어 있더라도 정확히 10개의 다른 확률 변수입니다!
2) 확률 변수 세트에 대한 완전한 정보는 결합(다변량) 분포에 포함됩니다. 우리가 일반적으로 다루는 1차원 분포를 포함하여 모든 저차원 분포를 계산할 수 있습니다.
정의에 따르면 가능성은 이 공동 분포의 밀도입니다. 크기가 N인 표본의 경우 숫자 N차원 공간의 숫자 함수입니다. 또한 결정(추정)해야 하는 매개변수에 따라 달라집니다.
따라서 문제가 발생합니다. 이 기능은 어디에서 왔습니까? 답은 언제 어떻게 입니다.) 모든 다양한 방법을 다루는 것은 불가능하기 때문입니다.
3) 표준 MLE 변형. 종종 MLE의 정의로 사용되지만 이는 방법의 적용 가능성을 너무 많이 제한합니다. 표본의 모든 확률 변수는 a) 독립적이고 b) 밀도 p(x, a)를 갖는 동일한 1차원 분포를 갖는다는 가정이 사용됩니다. 여기서 a는 추정할 매개변수입니다. 그러면 우도 함수는 L=p(x1,a)*p(x2,a)*...*p(xn,a)입니다. 여기서 n은 샘플 크기입니다. 샘플을 x로 대체하고(첫 번째 의미에서) L=L(a)를 얻고 L이 최대값에 도달하는 최대값을 찾습니다. L(a) 대신 LL(a)=log(L(a))를 최대화할 수 있습니다. 로그는 단조 함수이고 편리하게는 곱을 덧셈으로 대체하기 때문입니다.
예를 들어, 지수 분포 p(x,a)=a*exp(-a*x), log(p(x,a))=log(a)-a*x, 매개변수에 대한 도함수를 고려하십시오. d(log(p(x,a)))/da=1/ax. 따라서 방정식 1/a-x1+1/a-x2+...+1/a-xn=0 -> amax=n/(x1+x2+...+xn)을 풀어야 합니다.
4) 다음 시간에는 LSM 대신 계수의 합을 최소화하는 방법을 설명하겠습니다)
Roman :
박사님, 그들 모두에게 뇌절개술을 주십시오.
내 친구는 시도했지만 도움이되지 않습니다. 내 부분에서는 여기에서 홍수를 최소화하려고 노력할 것입니다.
박사님, 존경합니다. 그리고 정말 잊지못할 진심을 담아 이야기를 나눴습니다.... 하지만, 당신은 정말 멍청합니다. 그것을 인정하십시오. 그러면 아마도 우리 관계가 다시 개선될 것입니다.
환자가 매우 아프면 고통을 완화하기 위해 어떤 조치도 취할 준비가 되어 있습니다. 때로는 구속복의 끈을 조금 풀기도 합니다.
나는 당신의 에세이를 읽었습니다. 틱을 사용한 조작이 시리즈 지속성을 변경하지 않는다는 것을 실제로 증명했습니다. 축하합니다.