|
|
شما اينجا هستيد: صفحه اصلي » تبادل نظر » كاربردي » عمومي
| ا15/4/1386 ا5:36 بعدازظهر |
|
|
دانشجو
|
با سلام
لطفا در مورد مفهوم likelihood و موارد كاربردهاي آن با ذكر مثال به من كمك كنيد |
| ا16/4/1386 ا4:08 بعدازظهر |
|
|
آمار دوست
|
سلام. اگر منظور در زمينه برآوردها است بطور ساده موضوع از اين قرار است:
يكي از موضوعات مهم در آمار يافتن برآوردي از پارامترهاي مجهول يك توزيع است(مثلا برآوردي براي ميانگين يك توزيع نرمال). براي اين كار روشهاي مختلفي وجود دارد (كه هر يك در صورت قابل استفاده بودن روش، محاسني خواهند داشت). يكي از اين روش ها روش حداكثر درستنمايي است. در اين روش بر اساس مشاهدات محتملترين برآورد براي پارامتر مجهول پذيرفته مي شود. معمولا يك تابع درستنمايي (توان n ام تابع احتمال مورد نظر كه در آن متغير از 1 تا n انديس ميگيرد و پارامتر مجهول در آن مشخص است) نوشته مي شود و نسبت به پارامتر مجهول از آن مشتق گرفته شده و برابر صفر قرار داده ميشود(براي پيدا كردن ماكزيموم) حاصل كار يك برآورد حداكثر درستنمايي ناميده مي شود.
در آزمون فرض نيز بحث "آزمون درستنمايي" مطرح است كه اگر لازم شده توضيح داده خواهد شد. |
| ا17/4/1386 ا1:04 صبح |
|
|
irzamin
|
Adding to the above nice explanation, (http://mathworld.wolfram.com/Likelihood.html) Likelihood is the hypothetical probability that an event that has already occurred would yield a specific outcome. The concept differs from that of a probability in that a probability refers to the occurrence of future events, while a likelihood refers to past events with known outcomes
In the other words, Likelihood is the probability of PARAMETERS given the DATA, e.g. let's say the probability of an event, X, depends on parameter Theta. Then you can write the likelihood function as P(Theta|X), which is different from P(X|Theta), which is the probability of the event X |
| ا17/4/1386 ا7:15 صبح |
|
|
دانشجو
|
با تشكر از آماردوست و irzamin گرامي لطفا نحوه كاربرد lhkelihood را در fit كردن مدلها در رگرسيون لوجستيك توضيح دهيد. |
| ا17/4/1386 ا7:56 صبح |
|
|
ح. زراعتي
|
با توجه به نوع متغير وابسته در چنين حالاتي(دو حالتي بودن متغير) و برخي محدوديت هاي ديگر، نمي توان مانند رگرسيون خطي از روش حداقل مربعات براي برآورد پارامترها استفاده نمود به همين دليل در رگرسيون لجستيك از روش حداكثر درستنمايي استفاده مي شود. |
| ا20/4/1386 ا9:40 صبح |
|
|
irzamin
|
Likelihood is a fundamental concept in Statistics. If you would like to learn it, you need to put some efforts reading some textbooks. I can recommend you an excellent reference on theory of likelihood, maximum likelihood estimation, and also its implementation in R (http://www.stat.umn.edu/geyer/5931/mle/mle.pdf). You can read it, and if you have any question you can post them here for further discussion |
| ا19/9/1386 ا1:57 بعدازظهر |
|
|
mbehzadpoor
|
با تشكر از راهنمايي‌هاي ارزنده شما irzamin عزيز، مطالبي كه شما درباره تابع درستنمايي گفته بوديد را مطالعه كردم كه بسيار مفيد بود. ولي سوالي كه دارم و در قسمت splus و R هم مطرح كرده‌ام (ولي هنوز جوابي نگرفته‌ام) اين است: براي انجام تحليل پايان نامه‌ام بايد تابع درستنمايي را براي داده‌هاي ناتمام دو سويه در محيط splus يا R برنامه‌نويسي كنم اين كار را هم انجام داده ام ولي متأسفانه برنامه‌اي كه نوشته ام جواب نمي‌دهد و نميدانم مشكل چيست. در مقاله http://www.stat.umn.edu/geyer/5931/mle/mle.pdf كه شما معرفي كرده بوديد برنامه براي دو پارامتر بود ولي پارامترهاي مورد بررسي من سه پارامتر كلي هستند كه هر كدام مقادير زيادي مي‌گيرند. (landac كه يك بردار 263 تايي است، landat كه يك بردار 99 تايي است و يك بردار beta كه يك بردار 15 تايي است.)
بعد از برآرود‌هاي اوليه پارامترها به وسيله تابع درستنمايي بايد الگوريتم EM را به كار ببرم. لطفاً من را راهنمايي كنيد هم براي تابع درستنمايي و هم نرم افزاري كه الگوريتم EM را انجام مي‌دهد. |
| ا20/9/1386 ا10:21 صبح |
|
|
irzamin
|
I haven't done EM before, so I can't be a good help |
| ا21/9/1386 ا8:30 صبح |
|
|
mbehzadpoor
|
با سلام و تشكر از شما irzamin، در مورد قسمت اول سوالم يعني نوشتن برنامه در spluse مي توانيد كمكم كنيد؟ |
| ا21/9/1386 ا2:17 بعدازظهر |
|
|
ح. زراعتي
|
خانم بهزاد پور با دكتر ياسري در مورد چگونگي استفاده از winbugs تماس بگيريد. |
| ا21/9/1386 ا3:26 بعدازظهر |
|
|
mbehzadpoor
|
با سلام خدمت آقاي دكتر زراعتي، سه روز پيش با آقاي ياسري صحبت كردم او هم اطلاع دقيقي نداشت ولي تقريباً مطمئن بود اين نرم افزار قابليت انجام الگوريتم EM را ندارد. با آقاي رحيمي هم در اين مورد صحبت كردم. ولي متأسفانه موفق نشدم در اين هفته نه شما و نه دكتر رحيمي را ببينم. مشكل برنامه تابع درستنمايي هم حل نشده و ديگر واقعاً نميدانم چكار كنم. لطفاً مرا راهنمايي كنيد. |
| ا21/9/1386 ا9:31 بعدازظهر |
|
|
ح. زراعتي
|
شنبه صبح براي يك وقت ملاقات و بررسي موضوع تماس بگيريد. |
| ا23/9/1386 ا8:02 صبح |
|
|
irzamin
|
http://www.rseek.org/?cx=010923144343702598753%3Aboaz1reyxd4&q=expectation+maximization&sa=Search+functions%2C+lists%2C+and+more&cof=FORID%3A11 |
| ا23/9/1386 ا8:04 صبح |
|
|
irzamin
|
Check here as well
http://www.jstatsoft.org/search
|
| ا24/9/1386 ا8:40 صبح |
|
|
Admin
|
يك كتاب در مورد الگوريتم EM پيدا كردم كه براي استفاده دوستان در بخش دانلود قرار گرفت. |
| ا1/10/1386 ا6:40 بعدازظهر |
|
|
mbehzadpoor
|
با سلام، مرجع اصلي پايان نامه ام مقاله، (June 2006, 458-464 Biometrics 62,) است كه در اين مسير هم قابل دسترسي است.
http://www.blackwell-synergy.com/doi/pdf/10.1111/j.1541-0420.2005.00487.x
اطلاعات اوليه داده هايي كه كار مي‌كنم عبارتند از: r=263 , s=99
براي برآورد پارامترهاي اوليه در تابع درستنمايي ui ها را صفر قرار داده و تابع درستنمايي را در نرم افزار R به اين صورت نوشته ام:
}(likelihood<- function(p
[Lc<-p[1:263
[Lt<-p[264:362
[B<-p[363:377
((s<-rep(1,length(n
((r<-rep(1,length(t
sum(sum(Nc*log(Lc)-Yc*Lc))+sum(sum(Nt*(log(Lt)*t(s)+r*t(((X*B))-exp(X*B)*t(Yt*Lt)
}
(p.start<-rep(0.05,377
out <-nlm (f=likelihood,p.start,hessian=TRUE(
اما اين برنامه در اجرا، مخصوصاً در قسمت ضرب ماتريسي دچار مشكل است. آيا براي شما امكان دارد اين برنامه را تست كنيد؟ بسيار سپاسگذار خواهم بود. |
|
|
|
|
