6 svar
80 visningar
Erika_92 3 – Fd. Medlem
Postad: 10 dec 2017 16:24

statistisk teori -maximumlikelihood estimat

Hej,

jag håller på med maximumlikelihood estimering och vill lösa ut ML-estimatet för N. jag har fastnat med det här uttrycket där jag vill lösa ut N genom att först logaritmera och sen derivera. 

3(N-1)(N-2)N33N2-9N+6N3 jag har utvecklat uttrycket genom att förlänga täljaren med 3 och fått:

men sedan kört fast, någon som har tips om hur jag kommer vidare med uppgiften?

 

tack på förhand.

Stokastisk 3597 – Fd. Medlem
Postad: 10 dec 2017 16:28

Om du logaritmerar så får du

(N)=ln(3)+ln(N-1)+ln(N-2)-3ln(N) \ell(N) = \ln(3) + \ln(N - 1) + \ln(N - 2) - 3\ln(N)

Så deriverar du detta så får man

'(N)=1N-1+1N-2-3N \ell'(N) = \frac{1}{N - 1} + \frac{1}{N - 2} - \frac{3}{N}

Erika_92 3 – Fd. Medlem
Postad: 10 dec 2017 16:50

tack, 

jag lyckas dock inte gå vidare därifrån sen, man ska nollställa och lösa ut N, det rätta svaret ska bli ett heltal.

Stokastisk 3597 – Fd. Medlem
Postad: 10 dec 2017 17:04

Okej, nu blev det nog dumt att logaritmera det där först, jag gick bara på vad du skrev. Det blir nog lättare att bara använda att

L(N)=3N2-9N+6N3=3N-9N2+6N3

Så får man

L'(N)=-3N2+18N3-18N4

Då får vi ekvationen

-3N2+18N3-18N4=0-3N2+18N-18=0N2-6N+6=0N=3±9-6=3±3

Du kan verifiera att 3+34.7 3 + \sqrt{3} \approx 4.7 ger ett maximum. Om nu N ska vara ett heltal så kan vi undersöka vad vi får vid N=5 N = 5 och N=4 N = 4 , någon av dessa kommer vara maximumet.

Erika_92 3 – Fd. Medlem
Postad: 10 dec 2017 17:43

Fast Maximumlikelihood-metoden i statistisk teori går ut på att logaritmera först, sedan derivera och efter det lösa ut N, som enligt uppgift ska bli ett heltal så kan tyvärr inte stoppa in ett värde i N..  Det första du skrev kändes som att det är på rätt spår men jag vet inte hur jag ska göra för att nollställa och lösa ut N. 

Stokastisk 3597 – Fd. Medlem
Postad: 10 dec 2017 17:48 Redigerad: 10 dec 2017 17:49

Att man logaritmerar när man försöker hitta maximum vid en maximumlikelihood estimering handlar enbart om att det blir lättare att hitta nollställena till derivatan. Att maximera ln(L(n)) \ln(L(n)) och L(N) L(N) är ekvivalent, de maximeras för samma N. (Det kan dyka upp saker senare i inferensteorin som gör att logaritmering är vettigt, men det är inte relevant här)

Varför kan du inte stoppa in ett värde på N bara för att det skulle vara ett heltal? Du har att antingen så är N=4 N = 4 eller N=5 N = 5 maximumet om N är begränsat till heltal, så därför är det bara att testa vilken av dessa som ger högst värde och då hittar du vilken av dem som ger maximumet.

Albiki 5096 – Fd. Medlem
Postad: 10 dec 2017 18:29

Hej!

Är din likelihoodfunktion alltså

    L(N)=31N-91N2+61N3 L(N) = 3\frac{1}{N} - 9\frac{1}{N^2} + 6\frac{1}{N^3} ?

För att ML-skattningen av N N ska existera måste likelihoodfunktionen vara begränsad. Det är alltså avgörande hur definitionsmängden för funktionen L L ser ut; definitionsmängden måste vara begränsad bort från noll för att ML-skattningen ska existera. Är din definitionsmängd begränsad bort från noll?

Albiki

Svara
Close