Какие распределения имеют решения в замкнутой форме для оценки максимального правдоподобия параметров из выборки независимых наблюдений?
источник
Какие распределения имеют решения в замкнутой форме для оценки максимального правдоподобия параметров из выборки независимых наблюдений?
Без какой-либо заметной потери общности мы можем предположить, что плотность вероятности (или масса) для любого наблюдения (из наблюдений) строго положительна, что позволяет нам записать ее как экспоненциальную
для вектора параметров .
Приравнивая градиент логарифмической функции правдоподобия к нулю (который находит стационарные точки правдоподобия, среди которых будут все внутренние глобальные максимумы, если таковые существуют), дает набор уравнений вида
один для каждого . Для любого из них , чтобы иметь готовое решение, мы хотели бы, чтобы иметь возможность отделить условия от условий . (Все вытекает из этой ключевой идеи, мотивированной принципом математической лени : выполняйте как можно меньше работы; думайте заранее, прежде чем вычислять; сначала займитесь простыми версиями сложных задач.) Самый общий способ сделать это - взять уравнения форма
для известных функций , и , для которых решение получается путем решения уравнений уравнения
для . В общем случае их будет трудно решить, но при условии, что набор значений даст полную информацию о , мы могли бы просто используйте этот вектор вместо самой (таким образом, несколько обобщая идею решения "закрытой формы", но с высокой производительностью). В таком случае интегрирование по дает( n α j ( θ )θθθj
(где обозначает все компоненты кроме ). Поскольку левая часть функционально не зависит от , мы должны иметь это для некоторой фиксированной функции ; что вообще не должен зависеть от ; и являются производными некоторой функции а являются производными некоторой другой функции , причем обе они функционально независимы от данных. Откуда & thetas ; & thetas ; J & thetas ; J τ J ( х ) = Т ( х ) Т Б & thetas ; п J Н ( & thetas ; ) α J ( & thetas ; )
Плотности, которые можно записать в этой форме, составляют известную семью Купмана-Питмана-Дармуа , или экспоненциальную семью. Он включает в себя важные параметрические семейства, как непрерывные, так и дискретные, в том числе гамма, нормаль, хи-квадрат, пуассон, мультиномиал и многие другие .
Я не знаю, смогу ли я перечислить их все. На ум приходят экспоненциальные, нормальные и биномиальные, и все они попадают в класс экспоненциальных семейств. Экспоненциальное семейство имеет достаточную статистику по экспоненте, и mle часто является хорошей функцией этой достаточной статистики.
источник