Model regresji Poissona napompowany zerem jest definiowany dla próbki przez Y i = { 0 z prawdopodobieństwem p i + ( 1 - p i ) e - λ i k z prawdopodobieństwem ( 1 - p i ) e - λ i λ k i / k ! i zakłada ponadto, że parametry λ =
i P = ( P 1 , ... , p n ) zaspokoić
generalized-linear-model
maximum-likelihood
poisson-distribution
expectation-maximization
latent-variable
Damien
źródło
źródło
Odpowiedzi:
Źródłem trudności, na które napotykasz, jest zdanie:
W twoim przypadku na każdym kroku wykonasz ważoną regresję Poissona, w której wagi mająβ i dlatego λja , a następnie zmaksymalizować:
1-zhat
uzyskać oszacowaniaw odniesieniu do wektora współczynnika macierzysol uzyskać szacunki pja . Oczekiwane wartościE zja= pja/ ( pja+ ( 1 - pja) exp( - λja) ) , ponownie obliczany przy każdej iteracji.
Jeśli chcesz to zrobić dla rzeczywistych danych, w przeciwieństwie do zwykłego zrozumienia algorytmu, pakiety R już istnieją; Oto przykład http://www.ats.ucla.edu/stat/r/dae/zipoisson.htm z wykorzystaniem
pscl
biblioteki.EDYCJA: Powinienem podkreślić, że to, co robimy, to maksymalizacja oczekiwanej wartości prawdopodobieństwa dziennika kompletnych danych, NIE maksymalizowanie prawdopodobieństwa dziennika kompletnych danych z podłączonymi oczekiwanymi wartościami brakujących danych / zmiennych ukrytych. Tak się składa, jeśli prawdopodobieństwo dziennika pełnych danych jest liniowe w brakujących danych, ponieważ tutaj są dwa podejścia są takie same, ale w przeciwnym razie nie są.
źródło