izpis_h1_title_alt

Ocene parametrov večrazsežne normalne porazdelitve z metodo največjega verjetja : delo diplomskega seminarja
ID Munda, Jaka (Avtor), ID Peperko, Aljoša (Mentor) Več o mentorju... Povezava se odpre v novem oknu

.pdfPDF - Predstavitvena datoteka, prenos (634,53 KB)
MD5: 01B51B4BC4DEB38FD6A17CE79550122C

Izvleček
V diplomski nalogi obravnavamo primera podatkov z manjkajočimi podatki in primer brez manjkajočih podatkov, ki izhajajo iz zaporedja slučajnih vektorjev, ki so neodvisno enako porazdeljeni z večrazsežno normalno porazdelitvijo s parametroma vektorjem matematičnega upanja in kovariančno matriko. Za vsako obliko podatkov lahko po metodi največjega verjetja izračunamo cenilki parametrov porazdelitve. Pristopov za izračun cenilke po metodi največjega verjetja je več, v delu obravnavamo pristopa z matričnim odvajanjem in matrično transformacijo. Obravnavamo še monoton vzorec, ki je poseben primer manjkajočih podatkov, za katerega prav tako izračunamo cenilki za parametra po metodi največjega verjetja.

Jezik:Slovenski jezik
Ključne besede:večrazsežna normalna porazdelitev, metoda največjega verjetja, matrično odvajanje, monoton vzorec
Vrsta gradiva:Diplomsko delo/naloga
Organizacija:FMF - Fakulteta za matematiko in fiziko
Leto izida:2019
PID:20.500.12556/RUL-110973 Povezava se odpre v novem oknu
UDK:519.2
COBISS.SI-ID:18737497 Povezava se odpre v novem oknu
Datum objave v RUL:21.09.2019
Število ogledov:1459
Število prenosov:231
Metapodatki:XML RDF-CHPDL DC-XML DC-RDF
:
Kopiraj citat
Objavi na:Bookmark and Share

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Maximum likelihood estimation of the parameters of a multivariate normal distribution
Izvleček:
In this paper we consider sample with missing data and sample without missing data, that comes from multivariate normal distribution with parameters mean vector and covariance matrix. No matter the shape of the data we can estimate parameters with maximum likelihood estimation. There are various techniques for estimating parameters with maximum likelihood estimation. We consider two techniques, namely, matrix differentiation and matrix transformation. With both techniques we must derivate likelihood function that we get from the sample. We also consider monotone sample, which is a special case of missing data for which we can also estimate parameters with method of maximum likelihood estimation.

Ključne besede:multivariate normal distribution, maximum likelihood estimation, matrix differentiation, monotone sample

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Nazaj