Matstat 计量经济学 Matan - 页 10

新评论
 
spiderman8811:

医生，你可以。

意志+性格+经验+非常规的方法（不是太难）。

谁曾想过如何打破这个系统？

什么系统？

我们曾经有过warface，我们没有被禁止，只是马**买下了游戏的版权，在我们所在的地方砍掉了顶层）。

我不能相信我被禁止从顶级游戏和我被禁止在相同的方式，我得到了从顶级游戏被禁止

 
Fast235:

什么是系统？


随机的。

 
Доктор:
医生:

...承认你不能从SB赚钱。忏悔吧。而你将被欢迎回到体面的社会））。

医生，我非常尊重你。并与您进行了真诚而难忘的交流....但是，你非常、非常愚蠢。承认吧，也许我们的关系会恢复正常。

 

而且，关于计量经济学、matstat和matan（天哪，什么名字！），我支持Automat--只有在个人掌握了物理过程的情况下，这种胡言乱语才适用。否则都是胡言乱语，不值得关注。

阿门。

无意冒犯。

 

再来一个。你的声音不急躁吗？
为什么你被锁在这里，让你在这里打酱油？

医生，给他们都做个脑叶手术。

 
Roman:

再来一个。你的声音不急躁吗？
为什么你被锁在这里，让你在这里打酱油？

医生，给他们都做个脑叶手术。

你在和谁说话，伙计？一个完整的啄木鸟。但就我而言，这就是我所关心的。如果事情变得棘手，就给影子打电话。也许他会来救援。

 
影子-影子-影子-影子。
在城市的瓦片和涂鸦之上。
 
Aleksey Nikolayev:

我会努力的)让我先说一下，可能性是抽样分布的密度。它是样本和参数的一个函数。我们把实验中获得的样本值代入其中，然后它就成为参数的函数。我们找到使这个函数达到最大值的参数值，并宣布这些值为所需值（参数值的估计）。

基本上这很简单，但你需要了解什么是取样--一个词被用于两个不同的概念。你还需要知道什么是抽样密度，以及当样本是独立等分值的矢量时，它是什么。

应课题组的要求，我将继续讲述最大可能性的原则。为了简洁起见，我将使用英文符号MLE（最大似然估计）。

1）我们必须学会区分 "样本 "一词的两种不同含义。第一个是在实验中获得的一组数字，第二个是一组随机值。首先是实际存在的数字。其次是研究者试图应用于这些数字的抽象概率模型，也就是说，同一实验组的数字可以在完全不同的模型中考虑。但总是有一种对应关系--一个数字-->一个单变量随机变量。一个由十个数字组成的实验向量必须由十个随机变量的模型来模拟。即使所有这些随机变量都是平等分布的--它们正好是10个不同的随机变量!

2）关于一组随机变量的完整信息包含在它们的联合（多变量）分布中。所有较小的分布（包括我们通常处理的单变量分布）都可以由它来计算。

根据定义，似然是这个联合分布的密度。对于一个大小为N的样本，它是一个数字N维空间的数字函数。此外，它还取决于要确定（估计）的参数。

因此，问题出现了--这种功能从何而来？答案是 "随缘"），因为不可能涵盖所有种类的方式。

3）MLE的标准变体。它经常被用作MLE的定义，但它过于缩小了方法的适用性。假设样本中的所有随机变量都是a）独立的，b）具有相同的单变量分布，密度为p(x,a)，其中a是待估计的参数。那么似然函数L=p(x1,a)*p(x2,a)*...*p(xn,a)，其中n是样本量。将样本（第一意义上的）代入x的，得到L=L(a)，并寻找L达到最大值的amax。请注意，我们可以最大化LL(a)=log(L(a))而不是L(a)，因为对数是一个单调的函数，而且很方便地用加法代替了乘法。

举个例子，考虑指数分布 p(x,a)=a*exp(-a*x)，log(p(x,a))=log(a)-a*x，参数上的导数d(log(p(x,a))/da=1/a-x。因此，我们需要解决方程1/a-x1+1/a-x2+...+1/a-xn=0-> amax=n/(x1+x2+...+xn)。

4）下次我将介绍如何获得模子之和最小化方法，而不是MNC)

 

Roman:

医生，给他们都做个脑叶手术。

我的朋友，我们已经试过了，没有用。就我而言，我将在这里尽量少犯错误。

 
Alexander_K2:

医生，我非常尊重你。并与您进行了真诚而难忘的交流....但是，你非常、非常愚蠢。承认吧，也许我们的关系会回到正轨。

如果病人的情况不好，我准备做任何事情来减轻他的痛苦。有时我甚至会把紧身衣解开一点。

我读了你的大作。 你实际上证明了，无论如何操纵抽搐都不会改变这一系列的持久性。恭喜你。

1...34567891011121314151617...38
新评论