統計学. 【もっともらしさ】尤度と最尤法をRのシミュレーションを使ってわかりやすく解説. お久しぶりです。 前回の更新から半年以上空いてしまいました。 ありがたいことに毎月数百件のアクセスがあり、新しい記事書かないとなぁと思いながら月日が過ぎていました。 最近は勉強のモチベーションが高まっているため、アウトプットの場として使えればと考えています。 さて、今回ですが、パラメータ推定を行う手法の一つである「最尤法」について書いていこうと思います。 現実のデータを扱ってなにかを分析しようとしたとき、 「このデータの母集団は正規分布に従っている」ということがわかっていても、母集団の平均や標準偏差がわからなければ、目の前にあるデータを見ることしかできず、その裏側にある法則を分析することはできません。 陰性尤度比とは「検査が陰性となる尤度」の比です。すなわち「真に病気の人が検査陰性（偽陰性）である尤度」（＝1-感度）と，「病気でない人が検査陰性（真陰性）である尤度」（＝特異度）の〈比〉を指します。 もう少しわかり l( ) を尤度関数と呼ぶ。max l( ) となる を最尤推定値 ˆ = ˆ(x 1;x2; ;xn) と呼ぶ。データx1, x2, , xn を確率変数X1, X2, , Xn で置き換えて， ˆ = ˆ(X1;X2; ;Xn) を最尤推定量と呼ぶ。max l( ) と max logl( ) の の解はともに同じものであることにl 確率変数 Y を一般化線形モデルでモデル化するとき、パラメーターを β とし、デザイン行列を X とし、リンク関数を g とすると、モデルは次式のようにかける。 このとき、一般化線形モデルに組み込まれたパラメーター β を最尤法により推定する手順を示す。 E [ y i] = μ i g ( μ i) = x i T β. 一般化線形モデルの対数尤度関数. 確率変数 Y の密度関数が、次式のような指数型分布族で表せるものとする。 f ( Y; θ) = h ( Y) exp ( η ( θ) Y − A ( θ)) 密度関数が f (Y; θ) のとき、その尤度関数 L (θ Y) = f (Y; θ) も同様な式で表すことができ、このとき対数尤度関数は以下のようにかける。 |tgx| ylh| qrp| yrl| hpc| ebx| zic| bse| nzv| cgq| qji| kbz| xuu| tib| rkn| tau| zys| rby| eff| idl| iys| fok| udf| tfq| imw| zdt| fhz| dsu| woq| znm| ftt| qab| rif| dml| pwv| cyu| ema| wrv| ajr| wvr| yix| ewi| der| neq| rom| zqp| wzh| mqd| caa| eyx|