参数估计 参数估计有两类方法: 将参数作为非随机量处理,如矩法估计、最大似然估计; 将参数作为随机变量,贝叶斯估计就属此类。 5.1 统计推断概述 i w ) ( i x p w r i w ) ( i x p w r { } ) , , , ( 2 1 ¢ q q q = q D q m i L r 如果已知 类的概密 的函数类型,即知道 类的 概型,但不知道其中的参数或参数集 , 可采用参数估计的方法 ,当解得这些参数 后 也就确定了。 确定未知参数
2022-03-16 16:50:06 2.65MB 模式识别
1
向量自回归模型(简称VAR模型)是一种常用的计量经济模型;该例子是VAR(1)模型的代码,可以参考vars包。
2022-03-15 17:13:51 770B VAR();
1
介绍 作者: Thomas V. Wiecki,Imri Sofer,Mads L.Pedersen,Michael J.Frank 接触: , , , 网站: Github: 邮件列表: 版权: 该文档已放置在公共领域。 执照: HDDM是根据BSD 2许可证发行的。 版本: 0.7.8 目的 HDDM是用于漂移扩散模型(通过PyMC)的分层贝叶斯参数估计的python工具箱。 漂移扩散模型被广泛用于心理学和认知神经科学中以研究决策。 查看有关如何入门的。 可以在下面以及部分和找到更多信息。 特征 使用DDM参数的分层贝叶斯估计(通过PyMC)允许同时估计主题和组参数,其中假定单个主题是从组分布中得出的。 因此,与使用个别受试者最大可能性(即DMAT或fast-dm )的其他方法相比,当测量的RT值较少时,HDDM应产生更好的估计。 针对速度进行了高度优
2022-03-13 00:36:41 9.11MB JupyterNotebook
1
拟合优度和F-检验的关系(续) 区别: (1)F-检验中使用的统计量有精确的分布,而拟合优度检验没有; (2)对是否通过检验,判定系数(校正判定系数)只能给出一个模糊的推测;而F检验可以在给定显著水平下,给出统计上的严格结论;
2022-03-10 15:27:53 448KB 多元线性回归的参数估计
1
论文研究-时变弹性系数生产函数的非参数估计.pdf,  提出了时变弹性系数生产函数模型,该模型刻画了弹性系数不再是常数而是随时间变化而变化的函数,并且去除了古典生产函数模型的两个不合理的假设,即所提出的模型释放了技术进步是中性的以及技术进步与投入要素投入量变化是独立的两个假设,从而使所提出的模型更加符合实际应用的情况.文中通过现代统计学中的非参数推断方法,研究了时变弹性系数生产函数回归模型, 利用局部多 项式回归方法,给出了时变弹性系数函数的局部线性加权最小二乘估计.根据广义似然比检验,检验了弹性系数的时变性.结合中国的实际例子, 通过实证得出,在1981年到2004年期间, 中国的资本和劳动产出弹性都不是常数而是时间的非线性函数.资本产出弹性在0.21至0.68之间, 劳动产出弹性在0.44至0.89之间,规模报酬在0.89至1.14之间.
2022-03-06 10:30:00 463KB 论文研究
1
基于LDPC的Slepian-wolf编码的相关参数估计
2022-02-17 11:05:41 228KB 研究论文
1
威布尔分布参数估计在EXCEL中的实现方法研究,史景钊,花恒明,三参数威布尔分布的参数估计比较复杂,大多数估计方法都需要编程计算。推导了相关系数优化法求解三参数威布尔分布位置参数的公式
2022-02-14 16:55:04 273KB 首发论文
1
matlab实现隐马尔可夫模型相关算法,backward算法,forward算法,viterbi算法,附带参数估计的笔记。
2022-01-24 13:43:05 298KB EM,HMM
1
本教程涵盖 MATLAB 编程,以模拟微分方程模型并优化参数以匹配测量。 在本练习中,模型使用 ODE 积分器 (ode15s) 进行仿真,并使用 fmincon 或 fminsearch 进行优化。 还计算参数的置信区间。
2022-01-19 00:05:54 2KB matlab
1
核密度非参数估计的matlab代码交叉验证 在我目前的课程“数据分析和解释”中,我们的课程讲师是图像处理专家,我们已经完成了关于这个主题的几个有趣的作业,并在 MATLAB 中实现了它们。 其中之一是 PDF 估计器,我们在其中比较了各种非参数估计技术,如直方图和核密度估计,并实现了交叉验证程序,这是机器学习的一种应用。 在另一个问题中,我们获得了部分人脑的两个 {\it Magentic Resonance Images} (MRI),这些图像是通过 MRI 机器的不同设置获得的。 在将图像转换为双阵列后,我们被要求以不同的量移动第二张图像,并为每个图像计算第一张图像和第二张图像的移位版本的相关系数 (CC) 和二次互信息 (QMI)。 主要的一点是在几次绘图后意识到 QMI 是一个比 CC 强得多的指标,并分析为什么会这样。 问题陈述: 我们已经通过最大似然在课堂上广泛地看到了参数 PDF 估计。 在许多情况下, 然而,PDF 的家族是未知的。 这种情况下的估计称为非参数密度估计。 我们在课堂上研究了一种这样的技术,即直方图,我们还分析了它的比率 的收敛。 还有另一种流行的非参数密
2022-01-18 03:19:23 102KB 系统开源
1