統計学、最尤推定について
- ワイブル分布に従うデータからパラメータを最尤推定する方法について質問があります。
- 特定のパラメータを既知とした場合と未知とした場合での最尤推定値の共分散について知りたいです。
- シチュエーションが分かりづらいですが、証明において個の共分散を使用したいです。
- ベストアンサー
統計学、最尤推定について
統計学、最尤推定について こんにちは。早速ですが、質問させてください。 ある分布、ここでは例としてワイブル分布W(m,η)のパラメータについて考えます。 ここに、mはワイブルパラメータ、ηは尺度パラメータです。 ワイブル分布に従うデータx1,...,xnからパラメータを最尤推定します。 このとき、例えば、m＝2が真の値だとして、その値を既知としたもとで最尤推定 された\hat{η}(m)と、その値を未知としたもとで最尤推定された\hat{m}の共分散を 求めたいがどうすれば良いかと言うのが質問です。 分かりづらいシチュエーションですが、ある証明の中で個の共分散を使いたいのです。 よろしくお願いいたします。
- kzkz_tool
- お礼率100% (24/24)
- 数学・算数
- 回答数1
- ありがとう数2
- みんなの回答 （1）
- 専門家の回答
質問者が選んだベストアンサー
2-parameter Weibull の最尤推定量は closed form になりませんよね？ だから数値的に最尤推定をした上で、得られた推定値を使って共分散を求めるしかないでしょう。つまり多分、証明の役には立ちません。
関連するQ&A
- 最尤法について
現在、独学で最尤法について勉強しています。その中で、少し疑問に思った事があり質問させていただきました。 最尤法について調べると、 ・最尤法は、尤度と呼ばれる量を最大化する事で、確率分布のパラメータを推測する方法。 ・尤度関数が最大となるパラメータ値を求める。 などの記述があり、母集団が正規分布に従うとき標本の値から正規分布のパラメータを推測する例題などがありました。 概念としては理解できているつもりなのですが、何故最尤法が必要となってくるのかがピンときません。 というのも、例えば正規分布のパラメータを知りたいのならば、最尤法を用いなくても「平均値」「分散」という統計量を標本値から求めてしまえば良いのではないでしょうか。他の分布についても、ほとんどの分布は統計量からパラメータを求める事が出来るのではないのでしょうか。 そういった疑問を踏まえて、次の二点について悩んでいます。 ・最尤法によって求められるパラメータ値は統計量から直接求められるパラメータ値と同じものになるのか？（使用する標本は同じもの） ・もし同じものならば、最尤法を利用すべき状況とは一体何なのか。 （自分としては、統計量から求められるパラメータがどれぐらい正しいのかをcheckするぐらいしか利用価値が無いのではないかと思っています。） まだまだ勉強し始めて日も浅いので、もしかすると的外れな疑問なのかもしれませんが、お答えいただけると助かります。
- 締切済み
- 数学・算数
- 最尤推定法について
最尤法を勉強しています。 当方、確率・統計が苦手でして、できれば初心者にわかるように解説お願いします。初歩的なことなのかもしれませんが、 最尤推定法： 未知の母数ｐをいろいろ変化させて，調査して得られた実際のデータが起こる確率が１番大きくなるようなｐの値を用いて母数の推定値とする方法 （http://izumi-math.jp/T_Syoda/estimate.pdfを参考にしました） とありますが、どうしてこのときのｐを最良推定値として良いのでしょうか？これがわかれば、データの分布がこの問題のようにベルヌーイ施行だろうが、あるいはガウス分布であろうが理解できると思うのです。wikiの方も確認していますが、結局、根本は同じだと思います。 理解している方、よろしくお願い致します。
- ベストアンサー
- 数学・算数
- 非線形回帰モデルにおけるパラメータの最尤推定量の漸近分布
非線形回帰モデルにおいて，パラメータの最尤推定量の漸近分布は一般に求められていますか？一般にいくつかの仮定のもとで，i.i.d.なら最尤推定量の漸近分布は正規分布であるとは書いてあるのですが，i.i.d.でないときはどうなのかと思いまして。よろしくおねがいします。
- 締切済み
- 数学・算数
- 最尤推定量の問題がわかりません。
次の問題がよくわかりません。どうやって解いたらよいのか途方に暮れています。 X1,X2.....,Xn は n個 のコインを投げて 表＝１ 裏＝０ とするinddicator variableであるとする。 Ｙ はＸi /n の合計で、Ｐ(表）の最尤推定量（ＭＬＥ）であり、確率変数であるとする。 (Y = (Σ1=<i=<n Xi)/n ) この平均をθとし、Ｐ（表）のわからない値であるとし、 ＭＬEはバイアスがかかっていないとする。 （E[Y] = θであるなら、θの推定量Ｙはバイアスがかかっていない. E[Y] = (Σ1=<i=<n E[Xi]）/n = nθ/n = θ) この条件で、 a) 表、裏、表 とでたらY の値はどうなるか b) Yの分散は（nとθの関数として）何とあらわせるか？ 次に上の条件のもとに、投げたコインの最初の結果以外は無視しするものとして、 たとえば表立った場合 Ｙ’＝１，そうでなければ Ｙ’＝０とした場合、 c) 表表裏とでた場合、Ｙはどうあらわせるか？表裏表は？裏表表は？ d) この確率変数 Ｙ’の平均と分散は（nとθの関数として）何とあらわせるか？ e) θの推定量として、Ｙ’はバイアスはかかっているか？ また、それは最尤推定量であるか？ Ｙ，またはＹ’はベルヌーイの確率変数の確率を推定するのに適しているか？ なぜ？ 大変困っています。よろしくお願いします。
- ベストアンサー
- 数学・算数
- 最尤推定量の期待値
以下に挙げました問題は、最尤推定量の期待値を求めて、不偏性が成り立たないことを示すことが趣旨だと思うのですが、最尤推定量3/{2*(X_1^2 , X_2^2 ,X_3^2)}まで出した後、分母に確率変数が入っているために期待値の出し方が分からなくなってしまいました。どなたかお知恵を貸して頂けませんでしょうか。 問題 母数¥theta(>0)を含んだ密度関数f(x)=√(¥theta / ¥pi)*exp(-¥theta*x^2) （下手な書き方ですみません。一応平均が０、分散が(1/2)*¥thetaの正規分布ということになると思います。） に於いて、無作為標本X_1,X_2,X_3が与えられた時の¥thetaの最尤推定量をTとする。この時Tの期待値を求めよ。
- ベストアンサー
- 数学・算数
- パラメータ推定量の共分散
あるデータ集合Yに対して、AとBの2つの異なったモデルをあてはめるとします。 AとBを規定するパラメータ・ベクトルはそれぞれα、βであるとします。 このとき、同じデータにそれぞれのモデルをあてはめて、最尤推定量αhat、βhat を得たときに、これら推定量同士の共分散を得る方法があるでしょうか？ ちなみに、αhatとβhatは陽に得られず、このため、直接に共分散を計算する事は できないとします。 たとえば、一般論として、Fisher情報行列や、スコアベクトルなどを使って導く方法があれば ご教示いただきますと幸いです。
- ベストアンサー
- 数学・算数
お礼
漸近的にFisher情報行列的な物を使ってでもいえたらいいなと思ってたのですが。。 コメントありがとうございました。