Алгоритм подсчета очков
Алгоритм оценки , также известный как скоринг Фишера , [1] — это форма метода Ньютона , используемая в статистике решения максимального правдоподобия уравнений для численного , названная в честь Рональда Фишера .
Эскиз вывода
[ редактировать ]Позволять быть случайными величинами , независимыми и одинаково распределенными с дважды дифференцируемым PDF-файлом , и мы хотим вычислить оценку максимального правдоподобия (MLE) из . Во-первых, предположим, что у нас есть отправная точка для нашего алгоритма. и рассмотрим разложение Тейлора оценочной функции , , о :
где
- наблюдаемая информационная матрица в . Теперь установка , используя это и перестановка дает нам:
Поэтому мы используем алгоритм
и при определенных условиях регулярности можно показать, что .
Подсчет очков Фишера
[ редактировать ]На практике, обычно заменяется на , информацию Фишера , что дает нам алгоритм оценки Фишера :
- ..
При некоторых условиях регулярности, если является состоятельной оценкой , то (коррекция после одного шага) является «оптимальной» в том смысле, что ее распределение ошибок асимптотически идентично распределению истинной оценки максимального правдоподобия. [2]
См. также
[ редактировать ]Ссылки
[ редактировать ]- ^ Лонгфорд, Николас Т. (1987). «Алгоритм быстрого подсчета очков для оценки максимального правдоподобия в несбалансированных смешанных моделях с вложенными случайными эффектами». Биометрика . 74 (4): 817–827. дои : 10.1093/biomet/74.4.817 .
- ^ Ли, Бинг; Бабу, Г. Джогеш (2019), «Байесовский вывод» , «Тексты Springer в статистике » , Нью-Йорк, Нью-Йорк: Springer New York, Теорема 9.4, doi : 10.1007/978-1-4939-9761-9_6 , ISBN 978-1-4939-9759-6 , S2CID 239322258 , получено 3 января 2023 г.
Дальнейшее чтение
[ редактировать ]- Дженнрих, Р.И. и Сэмпсон, П.Ф. (1976). «Ньютон-Рафсон и родственные алгоритмы для оценки компонента дисперсии максимального правдоподобия» . Технометрика . 18 (1): 11–17. doi : 10.1080/00401706.1976.10489395 (неактивен 31 января 2024 г.). JSTOR 1267911 .
{{cite journal}}
: CS1 maint: DOI неактивен по состоянию на январь 2024 г. ( ссылка )