Что делает метод MLE для получения точечной оценки параметра?
AВыбирает параметр, который минимизирует
p-valueBВыбирает параметр, при котором наблюдённые данные имеют максимальное
likelihoodCВыбирает параметр так, чтобы
bias был равен 0DВыбирает параметр, который всегда минимизирует
varianceПравильный ответ.
MLE выбирает параметр, который делает наблюдённые данные наиболее правдоподобными в рамках модели.Разбор
В MLE вы задаёте вероятностную модель и ищете значение параметра, максимизирующее likelihood наблюдений. Это не про вероятность самого параметра, а про то, насколько хорошо параметр объясняет данные. Типичная ошибка — считать, что MLE автоматически гарантирует несмещённость или устойчивость к выбросам.
Проверь себя · 1/3разбор после ответа
Время ожидания моделируется как
Exponential(λ). По выборке среднее время ожидания равно 5 секунд. Какая точечная оценка MLE для λ?Ещё вопросы по теме «Точечные оценки и MLE»
- Вы оцениваете вероятность конверсии `p` по выборке: из 100 пользователей 56 оплатили. Что является точечной оценкой параметра `p`?
- Что означает свойство `несмещённость` для оценки `θ_hat` параметра `θ`?
- Как лучше всего описать `состоятельность` последовательности оценок `θ_hat_n`?
- Есть две оценки одного параметра: `θ_hat_A` несмещённая, но с высокой `variance`; `θ_hat_B` слегка смещённая, но с низкой `variance`. По какому критерию можно оправданно выбрать `θ_hat_B` как более полезную точечную оценку?
- Две оценки параметра `θ` обе имеют свойство несмещённости. У `θ_hat_A` дисперсия меньше, чем у `θ_hat_B` на том же размере выборки. Что можно сказать про эффективность (интуитивно)?
- Все вопросы по «Точечные оценки и MLE» →