A többdimenziós Delta módszer — példa számítás

Egy korábbi bejegyzésben megnéztük a többdimenziós Delta módszer általános számítását. Ebben a posztban a kedvenc többparaméterű eloszlásunkon, a Gaussian-on fogom bemutatni, hogyan végezzük el a számítást. Legyen X egy normál eloszlás, aminek a két paramétere $latex \mu_X &s=2$ és $latex \sigma_X^2=\tau_X &s=2$.1 Sajnos nem tudjuk közvetlenül megfigyelni ezt a X valószínűségi változót, hanem helyette egy … A többdimenziós Delta módszer — példa számítás olvasásának folytatása →

Fisher információ — példa számítás

A Fisher információ lényegében a megfigyelésünkből kinyert információ (a maximum likelihood esetünkben) varianciája. Vagyis megmondja nekünk, hogy konkrét n megfigyelés esetén mekkora varianciára számíthatunk az egyes mintavételek között. Nézzünk egy példát, hogy számítjuk. Ebben a példában a Paraméterbecslés Maximum likelihood módszerrel című bejegyzésben megismert populációval fogunk dolgozni. Tehát van egy 100 elemű mintánk egy populációból, … Fisher információ — példa számítás olvasásának folytatása →

Paraméterbecslés Maximum likelihood módszerrel — példa számítás

Statisztikai elemzéséknél gyakran kell paraméterbecslést végeznünk. Ez a következő probléma: van egy ismert típusú populációnk, viszont nem ismerjük azt a paramétert, ami a konkrét populációra jellemző. Ebben a posztban megpróbálom bemutatni, hogy határozhatjuk meg ezt a nem ismert paramétert a maximum likelihood módszerrel.1 Most érdekes elméleti kérdések helyett csak egy számítási sorvezető következik. Azért írtam … Paraméterbecslés Maximum likelihood módszerrel — példa számítás olvasásának folytatása →