Jakie są estymatory największego prawdopodobieństwa dla parametrów rozkładu t Studenta? Czy istnieją w formie zamkniętej? Szybkie wyszukiwanie w Google nie dało mi żadnych wyników.
Dzisiaj interesuje mnie przypadek jednowymiarowy, ale prawdopodobnie będę musiał rozszerzyć model na wiele wymiarów.
EDYCJA: Właściwie najbardziej interesuje mnie lokalizacja i parametry skali. Na razie mogę założyć, że parametr stopni swobody jest stały, i ewentualnie użyć jakiegoś schematu numerycznego, aby później znaleźć optymalną wartość.
Odpowiedzi:
Forma zamknięta nie istnieje dla T, ale bardzo intuicyjne i stabilne podejście odbywa się za pomocą algorytmu EM. Ponieważ student jest mieszanką normalnych w skali, możesz napisać swój model jako
gdzie oraz w i ∼ G a ( νmija| σ, wja∼ N.( 0 , σ2)w- 1ja) . Oznacza to, że warunkowo nawimle są tylko ważone średnie i odchylenie standardowe. To jest krok „M”wja∼ G a ( ν2), ν2)) wja
Ď 2=ΣIWI(Yi - μ )2
Teraz „E” zastępuje krok z jego oczekiwaniem podane wszystkie dane. Jest to podane jako:wja
więc wystarczy powtórzyć powyższe dwa kroki, zastępując „prawą stronę” każdego równania bieżącymi oszacowaniami parametrów.
Należy zauważyć, że funkcja prawdopodobieństwa dziennika może mieć więcej niż jeden punkt stacjonarny, więc algorytm EM może zbiegać się w tryb lokalny zamiast trybu globalnego. Tryby lokalne można znaleźć, gdy parametr lokalizacji zostanie uruchomiony zbyt blisko wartości odstającej. Zatem rozpoczęcie od mediany jest dobrym sposobem na uniknięcie tego.
źródło
Poniższy artykuł odnosi się dokładnie do problemu, który napisałeś.
Liu C. i Rubin DB 1995. „Szacowanie ML rozkładu t przy użyciu EM i jego rozszerzeń, ECM i ECME”. Statistica Sinica 5: 19–39.
Zapewnia ogólne oszacowanie parametru wielowymiarowego rozkładu t, z lub bez wiedzy o stopniu swobody. Procedurę można znaleźć w rozdziale 4 i jest ona bardzo podobna do logiki prawdopodobieństwa dla 1-wymiaru.
źródło
źródło
Niedawno odkryłem estymator w formie zamkniętej dla skali rozkładu t Studenta. Według mojej najlepszej wiedzy jest to nowy wkład, ale chętnie przyjmę komentarze sugerujące wszelkie powiązane wyniki. Artykuł opisuje tę metodę w kontekście rodziny rozkładów „wykładniczych sprzężonych”. Wartość t Studenta jest określana jako Sprzężony Gaussa, gdzie termin sprzężenia jest odwrotnością stopnia swobody. Statystyka w formie zamkniętej jest średnią geometryczną próbek. Zakładając wartość sprzężenia lub stopień swobody, oszacowanie skali jest określane przez pomnożenie średniej geometrycznej próbek przez funkcję obejmującą sprzężenie i liczbę harmoniczną.
https://arxiv.org/abs/1804.03989 Zastosowanie średniej geometrycznej jako statystyki dla skali sprzężonych rozkładów Gaussa, Kenric P. Nelson, Mark A. Kon, Sabir R. Umarov
źródło