Предположим, у нас есть случайная выборка из двумерного нормального распределения, которая имеет нули в качестве средних значений и единицы в качестве дисперсий, поэтому единственным неизвестным параметром является ковариация. Что такое MLE ковариации? Я знаю, что это должно быть что-то вроде но откуда мы это знаем?
10
Ответы:
Оценочный коэффициент для коэффициента корреляции (который в случае двумерного стандартного нормаля равен ковариации)
метод оценки моментов, ковариация образца. Давайте посмотрим, совпадает ли это с оценкой максимального правдоподобия, .ρ^
Совместная плотность стандартного двухмерного нормальна коэффициент корреляции İŞρ
и таким образом, логарифмическая функция правдоподобия из н.о.р. выборки размера являетсяn
(здесь предположение iid, конечно же, относится к каждому тиражу из двумерной популяции)
Взяв производную по и установив ее равной нулю, получим полином 3d-степени по :ρ ρ
То , что вычисления правильны можно проверить , если один имеет ожидаемое значение производной оценивается в истинном коэффициенте -это будет равен нуль.ρ
Для компактности, записи , который является суммой образца дисперсии и . Если мы разделим выражение 1-й производной на , появится оценка MoM, а именно(1/n)∑ni=1(x2i+y2i)=(1/n)S2 X Y n
Делая алгебру, нетрудно заключить, что мы получим тогда и только тогда, когда , т.е. только если так получится, что сумма выборочных дисперсий равна сумма истинных отклонений. Так в общем (1/п)S2=2ρ^=r~ (1/n)S2=2
Так что здесь происходит? Кто-нибудь умнее объяснит это, на данный момент давайте попробуем симуляцию: я сгенерировал iid выборку из двух стандартных нормалей с коэффициентом корреляции . Размер выборки был . Значения выборки былиn = 1000ρ=0.6 n=1.000
Метод Метода Моментов дает нам
Что происходит с логарифмической вероятностью? Визуально у нас есть
Численно мы имеем
и мы видим, что логарифмическое правдоподобие имеет максимум a tad до где также 1-я производная становится равной нулю . Никаких сюрпризов для значений не показано. Также 1-я производная не имеет другого корня.ρ=0.56 (ρ^=0.558985) ρ
Таким образом, это моделирование согласуется с результатом, что оценка максимального правдоподобия не равна методу оценки моментов (который является выборочной ковариацией между двумя rv).
Но похоже, что «все» говорят, что это должно … так что кто-то должен придумать объяснение.
ОБНОВИТЬ
Ссылка, которая доказывает, что MLE является оценкой Метода Моментов: Anderson, TW, & Olkin, I. (1985). Оценка максимального правдоподобия параметров многомерного нормального распределения. Линейная алгебра и ее приложения, 70, 147-171.
Имеет ли значение, что здесь все средства и различия могут свободно изменяться и не фиксироваться?
... Вероятно, да, потому что комментарий @ guy в другом (теперь удаленном) ответе говорит о том, что при заданных параметрах среднего и дисперсии двумерная нормаль становится членом изогнутого экспоненциального семейства (и поэтому некоторые результаты и свойства изменяются) ... который кажется единственным способом, который может согласовать два результата.
источник
При указанных условиях ( и ) функция правдоподобия для случайной выборки размера равнаμX=μY=0 σX=σY=1 n
Теперь найдите логарифмическую вероятность и возьмите производную по . Затем установите его равным 0, решая для . Конечно, вы должны сделать какой-то соответствующий тест, чтобы показать, что вы нашли на самом деле глобальный максимум.ρ ρ^
источник