企业官网有哪些网站,如何创建一个个人网站,邢台做网站优化哪儿好,如何创建网站小程序加权极大似然估计是相对于非加权的极大似然估计而言。
传统的极大似然估计思想非常简单#xff0c;也就是我们既然观察到了这个现象#xff0c;说明出现概率很大#xff0c;然后通过建立需要估计参数和现象之间的概率模型#xff0c;使得出现观察到的现象的概率最大化。
…加权极大似然估计是相对于非加权的极大似然估计而言。
传统的极大似然估计思想非常简单也就是我们既然观察到了这个现象说明出现概率很大然后通过建立需要估计参数和现象之间的概率模型使得出现观察到的现象的概率最大化。
传统的极大似然估计对所有数据都是平等的权值是一样的直接把每个观察值的概率乘起来。
而加权极大似然估计的思想也很简单就是我们观察到的数据往往有一些异常值或者部分数据受到一些其他分布的影响那么就考虑给这些数据一些较低的权值。 虽然如此但是如何确定这个权值并非非常容易需要根据特定的场合进行特定选择最好是既能够很好的降低异常值或者背景干扰导致的bias还要避免这个权重本身导致bias。
一些可选策略
1部分数据为1部分数据直接为0。
2根据经验分布来确定一个连续的权重分布。
3根据观察值对参数预估再确定自适应的权重。 参考文献
Ahmed E S, Volodin A I, Hussein A A. Robust weighted likelihood estimation of exponential parameters[J]. IEEE Transactions on reliability, 2005, 54(3): 389-395.
