Autor |
Maximum likelihood von X~Poi(lambda) |
|
bambusbieber
Aktiv  Dabei seit: 10.01.2019 Mitteilungen: 91
 |
a)
Fall das \( \exists x_n \neq 0 \)
Für den Schätzwert bekomme ich \( \frac{1}{n} * \sum_{i=1}^n = \hat\lambda\)
was also dem Arithmetischem Mittel entspricht.
Fall aus Aufgabe \( x_n = 0~\forall~~n~\in~N \)
\( LH(\lambda) = \prod_{i=1}^n \frac{\lambda^0}{0!}*e^{-\lambda} \)
\( LH(\lambda) = \prod_{i=1}^n \frac{1}{1}*e^{-\lambda} \)
\( log(LH(\lambda)) = log(\prod_{i=1}^n e^{-\lambda}) \)
\( log(LH(\lambda)) = \sum_{i=1}^n log(e^{-\lambda}) \)
\( log(LH(\lambda)) = \sum_{i=1}^n -\lambda \)
\( log(LH(\lambda))' = \sum_{i=1}^n -1 \)
\( log(LH(\lambda))' = -n \)
LGS lösen..
0 = -n
Was sagt mir das?
Um nachzuweisen dass mein \(\lambda\) tatsächlich ein maximum is würde ich es jetzt in die zweite ableitung einsetzen und hoffen das ein negativer wert heruskommt?
Einsetzen und quiotentenregel:
\(-1 * \frac{-\sum^n [x_i] + n}{\lambda^2}\) was zwangsweise positiv ist..
|
Profil
Quote
Link |
luis52
Aktiv  Dabei seit: 24.12.2018 Mitteilungen: 60
 |     Beitrag No.1, eingetragen 2019-07-27
|
Moin, fuer $x_1=\cdots=x_n=0$ ist die Likehoodfunktion nicht differenzierbar in der Stelle des Maximums ...
vg Luis
|
Profil
Quote
Link |
bambusbieber
Aktiv  Dabei seit: 10.01.2019 Mitteilungen: 91
 |     Beitrag No.2, vom Themenstarter, eingetragen 2019-07-27
|
b) \(E[\frac{1}{n}* \sum^n x_i] = \hat\lambda\)
\(E[\frac{1}{n}]* E[\sum^n x_i] = \hat\lambda\)
\(\frac{1}{n}* \mu * n = \hat\lambda\))
\(\mu = \hat\lambda \)
ist erwartunstreu und damit trivialer weise auch konsistent
[Die Antwort wurde vor Beitrag No.1 begonnen.]
|
Profil
Quote
Link |
bambusbieber
Aktiv  Dabei seit: 10.01.2019 Mitteilungen: 91
 |     Beitrag No.3, vom Themenstarter, eingetragen 2019-07-27
|
2019-07-27 16:07 - luis52 in Beitrag No. 1 schreibt:
Moin, fuer $x_1=\cdots=x_n=0$ ist die Likehoodfunktion nicht differenzierbar in der Stelle des Maximums ...
vg Luis
Sprich wir finden eine schätzung die auch erwartunstreu ist aber nur solange \(x_n \neq 0\) ?
|
Profil
Quote
Link |
luis52
Aktiv  Dabei seit: 24.12.2018 Mitteilungen: 60
 |     Beitrag No.4, eingetragen 2019-07-27
|
2019-07-27 16:11 - bambusbieber in Beitrag No. 3 schreibt:
2019-07-27 16:07 - luis52 in Beitrag No. 1 schreibt:
Moin, fuer $x_1=\cdots=x_n=0$ ist die Likehoodfunktion nicht differenzierbar in der Stelle des Maximums ...
vg Luis
Sprich wir finden eine schätzung die auch erwartunstreu ist aber nur solange \(x_n \neq 0\) ?
Nein, der Schaetzer ist in jedem Fall $\hat \lambda=\sum_{i=1}^nX_i/n$ und somit e.t. Wieso sollte der Schaetzer *trivialerweise* konsistent sein?
vg Luis
|
Profil
Quote
Link |
bambusbieber
Aktiv  Dabei seit: 10.01.2019 Mitteilungen: 91
 |     Beitrag No.5, vom Themenstarter, eingetragen 2019-07-28
|
"Ein Schätzer ist konsistent, wenn er für immer größere Stichproben
immer genauer wird."
ist der Schätzer das arithetische Mittel (e.t.) dann näher sich für eine größer werdende Stichprobe das empirische Mittel dem Theoretischen an -> Wird genauer...
|
Profil
Quote
Link |
luis52
Aktiv  Dabei seit: 24.12.2018 Mitteilungen: 60
 |     Beitrag No.6, eingetragen 2019-07-29
|
2019-07-28 15:04 - bambusbieber in Beitrag No. 5 schreibt:
"Ein Schätzer ist konsistent, wenn er für immer größere Stichproben
immer genauer wird."
ist der Schätzer das arithetische Mittel (e.t.) dann näher sich für eine größer werdende Stichprobe das empirische Mittel dem Theoretischen an -> Wird genauer... Naja, wenn das deinem Pruefer reicht ... *Mir* wuerde es nicht reichen.
vg Luis
|
Profil
Quote
Link |
bambusbieber
Aktiv  Dabei seit: 10.01.2019 Mitteilungen: 91
 |     Beitrag No.7, vom Themenstarter, eingetragen 2019-07-29
|
Welcher Ansatz eines Konsistensnachweis würdear du denn empfehlen?
|
Profil
Quote
Link |
luis52
Aktiv  Dabei seit: 24.12.2018 Mitteilungen: 60
 |     Beitrag No.8, eingetragen 2019-07-29
|
2019-07-29 10:39 - bambusbieber in Beitrag No. 7 schreibt:
Welcher Ansatz eines Konsistensnachweis würdear du denn empfehlen?
Zeige, dass der mittlere quadratische Fehler des Schaetzers gegen Null konvergiert. Oder, aequivalent, dass der Bias und die Varianz gegen Null konvergieren. Ersteres ist klar, da du bereits erkannt hast, dass das arithmetische Mittel erwartungstreu ist.
vg Luis
|
Profil
Quote
Link |