Я вижу, что эти термины используются, и я все время путаю их. Есть ли простое объяснение различий между ними?
источник
Я вижу, что эти термины используются, и я все время путаю их. Есть ли простое объяснение различий между ними?
Функция правдоподобия обычно зависит от многих параметров. В зависимости от приложения нас обычно интересует только подмножество этих параметров. Например, в линейной регрессии интерес обычно кроется в коэффициентах наклона, а не в дисперсии ошибок.
Обозначим интересующие нас параметры как а параметры, которые не представляют первостепенного интереса, через . Стандартный способ решения проблемы оценки состоит в максимизации функции правдоподобия, чтобы получить оценки и . Однако, поскольку основной интерес заключается в частичном , профиль и предельное правдоподобие предлагают альтернативные способы оценки без оценки .
Чтобы увидеть разницу, обозначим стандартную вероятность через .
Максимальная вероятность
Найти и которые максимизируют .
Частичная вероятность
Если мы можем написать функцию правдоподобия как:
Вероятность профиля
Предельная вероятность
Все три используются при работе с параметрами помех в полностью определенной функции правдоподобия.
Предельное правдоподобие является основным методом устранения ложных параметров в теории. Это функция истинного правдоподобия (т.е. она пропорциональна (предельной) вероятности наблюдаемых данных).
Частичная вероятность не является истинной вероятностью в целом. Однако в некоторых случаях это можно рассматривать как вероятность асимптотического вывода. Например, в моделях пропорциональных рисков Кокса, где они возникли, нас интересует наблюдаемое ранжирование в данных (T1> T2> ..) без указания базовой опасности. Эфрон показал, что частичное правдоподобие практически ничего не теряет для различных опасных функций.
Профиль вероятности удобен, когда у нас есть многомерная функция правдоподобия и один интересующий параметр. Это определено заменой неудобства S его MLE в каждом фиксированном T (интересующий параметр), то есть L (T) = L (T, S (T)). Это может хорошо работать на практике, хотя существует потенциальная ошибка в MLE, полученная таким образом; предельная вероятность исправляет этот уклон.
источник