时间序列ARIMA模型 1、数据的平稳性与差分法 让均值和方差不发生明显的变化（让数据变平稳），用差分法 2、ARIMA模型 差分自回归平均移动模型 求解回归的经典算法：最大似然估计、最小二乘法 在具体运用时，需要指定三个参数，即（p，d，q）； 其中：p表示自回归的阶数， d表示做几阶差分（一般做 ...
分类：
其他好文 时间：
2020-01-05 19:06:53
阅读次数：
133
原文 | https://mp.weixin.qq.com/s/bOchsmHTINKKlyabCQKMSg 相关阅读 最大似然估计(概率10) 寻找“最好”（3）函数和泛函的拉格朗日乘数法 伯努利分布 如果随机试验仅有两个可能的结果，那么这两个结果可以用0和1表示，此时随机变量X将是一个0/1的变 ...
分类：
其他好文 时间：
2019-12-28 20:40:55
阅读次数：
95
1.EM算法概念 EM 算法，全称 Expectation Maximization Algorithm。期望最大算法是一种迭代算法，用于含有隐变量（Hidden Variable）的概率参数模型的最大似然估计或极大后验概率估计。 1.1 问题描述 我们假设学校男生和女生分别服从两种不同的正态分布， ...
分类：
编程语言 时间：
2019-12-09 17:00:50
阅读次数：
86
第二章 置信区间估计 估计量和估计值的写法？ 估计值希腊字母上边有一个hat 点估计中矩估计的原理？ 用样本矩来估计总体矩,用样本矩的连续函数来估计总体矩的连续函数,这种估计法称为矩估计法。Eg：如果一阶矩则样本均值估计总体均值 公式化之后的表达： 其中的μ1的表达式： 矩估计和最大似然估计最终估计 ...
分类：
其他好文 时间：
2019-11-18 20:19:28
阅读次数：
164
似然：在确定的结果下取推测产生这个结果最可能的环境（参数），似然和概率在数值上是相等的，即P(x|θ) = L(θ|x)。 作用：参数估计，在已知事件的情况下，用来估计满足这些样本分布的参数，估计出可能性最大的那个参数。 求解过程：（1）写出似然函数 （2）对似然函数进行取对数 （3）对参数进行求导 ...
分类：
其他好文 时间：
2019-11-04 09:25:40
阅读次数：
85
1. 参数估计(点估计)：样本信息已知，对总体分布和参数做出估计。方法有：矩估计，最大似然估计，最小二乘估计。 2. 矩估计：用样本的k阶原点矩替代总体的k阶原点矩，这样得到的位置参数θ的估计量称为θ的矩估计量 3. 极大似然估计：参数的极大似然估计就是在参数空间中找到一个最恰当的值，就目前的样本空 ...
分类：
其他好文 时间：
2019-11-03 20:26:11
阅读次数：
91
最大似然估计的意思就是最大可能性估计,其内容为:如果两件事A,B相互独立,那么A和B同时发生的概率满足公式 P(A , B) = P(A) * P(B) P(x)表示事件x发生的概率. 如何来理解独立呢?两件事独立是说这两件事不想关,比如我们随机抽取两个人A和B,这两个人有一个共同特性就是在同一个公 ...
分类：
其他好文 时间：
2019-10-10 22:09:02
阅读次数：
76
贝叶斯决策 首先来看贝叶斯分类，我们都知道经典的贝叶斯公式： 其中：p(w)：为先验概率，表示每种类别分布的概率；：类条件概率，表示在某种类别前提下，某事发生的概率；而为后验概率，表示某事发生了，并且它属于某一类别的概率，有了这个后验概率，我们就可以对样本进行分类。后验概率越大，说明某事物属于这个类 ...
分类：
其他好文 时间：
2019-09-11 14:06:30
阅读次数：
104
问题是，已知样本结果D，求最大概率的参数$\theta $ 最大后验概率(MAP)： 求使$P(\theta |D)$最大的$\theta $； $P(\theta |D)=\frac{P(D|\theta )P(\theta )}{P(D)}$ 其中，P(D)为已知量，常量，因为样本结果已经定了; ...
分类：
其他好文 时间：
2019-09-01 14:34:11
阅读次数：
85
EM算法理解 来源：[知乎：Evan]（https://www.zhihu.com/question/27976634/answer/252238739） 1. EM算法产生的原因 EM算法是为了解决《最大似然估计》中更复杂的情形而存在的。 这里“极大似然估计中更复杂的情形”是什么情形呢？ 我们知道 ...
分类：
编程语言 时间：
2019-08-22 01:01:44
阅读次数：
102
