တစ်ပြေးညီ ဖြန့်ဖြူးမှုအတွက် အများဆုံးဖြစ်နိုင်ခြေ ခန့်မှန်းချက် (mle)
တူညီသောဖြန့်ဝေမှုသည် a မှ b ကြားကာလတစ်ခုကြားရှိ တန်ဖိုးတစ်ခုစီတွင် ရွေးချယ်ခံရနိုင်ခြေတူညီသော ဖြစ်နိုင်ခြေဖြန့်ဝေမှုတစ်ခုဖြစ်သည်။
a မှ b ကြားကာလတစ်ခုတွင် x 1 နှင့် x 2 ကြားတန်ဖိုးတစ်ခုရရှိရန် ဖြစ်နိုင်ခြေကို ဖော်မြူလာကို အသုံးပြု၍ ရှာတွေ့နိုင်သည်-
P(x 1 နှင့် x 2 ကြားတန်ဖိုးကိုရယူပါ) = (x 2 – x 1 ) / (b – a)
ဤသင်ခန်းစာသည် ယူနီဖောင်းဖြန့်ဖြူးမှု၏ ကန့်သတ်ချက်များ a နှင့် b အတွက် အများဆုံးဖြစ်နိုင်ခြေ ခန့်မှန်းချက် (MLE) ကို မည်သို့ရှာဖွေရမည်ကို ရှင်းပြထားသည်။
ဖြစ်နိုင်ခြေ အများဆုံး ခန့်မှန်းချက်
အဆင့် 1- ဖြစ်နိုင်ခြေရှိသောလုပ်ဆောင်ချက်ကိုရေးပါ။
တစ်ပြေးညီ ဖြန့်ဖြူးမှုအတွက် ဖြစ်နိုင်ခြေရှိသော လုပ်ဆောင်ချက်ကို ရေးသားနိုင်သည်-
အဆင့် 2- log-likelihood function ကိုရေးပါ။
အဆင့် 3- a နှင့် b တို့ နှင့်စပ်လျဉ်း၍ log-likelihood function ၏ ဆင်းသက်လာမှုကို ရယူခြင်းဖြင့် log-like ဖြစ်နိုင်ခြေကို အမြင့်ဆုံးဖြစ်စေသော a နှင့် b အတွက် တန်ဖိုးများကို ရှာပါ။
log-likelihood function ၏ ဆင်းသက်လာခြင်းကို a နှင့်စပ်လျဉ်း၍ ရေးသားနိုင်သည်။
အလားတူ၊ b နှင့်စပ်လျဉ်း၍ log-likelihood function ၏ဆင်းသက်လာမှုကို ရေးသားနိုင်သည်။
အဆင့် 4- a နှင့် b အတွက် ဖြစ်နိုင်ခြေအများဆုံး ခန့်မှန်းချက်များကို ခွဲခြားသတ်မှတ်ပါ။
တစ်ခုနှင့်စပ်လျဉ်း၍ ဆင်းသက်လာမှုသည် မိုတိုနီနဂိုအတိုင်း တိုးလာ သည်ကို သတိပြုပါ။ ဒီတော့ အထီး က တတ်နိုင်သမျှ ကြီးမယ်၊
မိနစ်(X 1 ၊ X 2 ၊ … ၊ X n )
b နှင့် စပ်လျဉ်း၍ ဆင်းသက်လာမှုသည် မိုတိုနီနဂိုအတိုင်း လျော့ကျသွားသည်ကို သတိပြုပါ။ ထို့ကြောင့် b အတွက် အထီးသည် ဖြစ်နိုင်ချေ အငယ်ဆုံး b ဖြစ်လိမ့်မည်၊
အမြင့်ဆုံး(X 1 ၊ X 2 ၊ … ၊ X n )
စာရေးသူအကြောင်း
Benjamin Anderson
မင်္ဂလာပါ၊ ကျွန်ုပ်သည် အငြိမ်းစား စာရင်းအင်း ပါမောက္ခ ဘင်ဂျမင်ဖြစ်ပြီး သီးသန့် Statorials ဆရာအဖြစ် လှည့်ပတ်ပါသည်။ စာရင်းဇယားနယ်ပယ်တွင် ကျယ်ပြန့်သောအတွေ့အကြုံနှင့် ကျွမ်းကျင်မှုနှင့်အတူ၊ Statorials မှတစ်ဆင့် ကျောင်းသားများကို ခွန်အားဖြစ်စေရန်အတွက် ကျွန်ုပ်၏အသိပညာကို မျှဝေလိုပါသည်။ ပိုသိတယ်။