www.vorhilfe.de
Vorhilfe

Kostenlose Kommunikationsplattform für gegenseitige Hilfestellungen.
Hallo Gast!einloggen | registrieren ]
Startseite · Forum · Wissen · Kurse · Mitglieder · Team · Impressum
Forenbaum
^ Forenbaum
Status Englisch
  Status Grammatik
  Status Lektüre
  Status Korrekturlesen
  Status Übersetzung
  Status Sonstiges (Englisch)

Gezeigt werden alle Foren bis zur Tiefe 2

Navigation
 Startseite...
 Neuerdings beta neu
 Forum...
 vorwissen...
 vorkurse...
 Werkzeuge...
 Nachhilfevermittlung beta...
 Online-Spiele beta
 Suchen
 Verein...
 Impressum
Das Projekt
Server und Internetanbindung werden durch Spenden finanziert.
Organisiert wird das Projekt von unserem Koordinatorenteam.
Hunderte Mitglieder helfen ehrenamtlich in unseren moderierten Foren.
Anbieter der Seite ist der gemeinnützige Verein "Vorhilfe.de e.V.".
Partnerseiten
Weitere Fächer:

Open Source FunktionenplotterFunkyPlot: Kostenloser und quelloffener Funktionenplotter für Linux und andere Betriebssysteme
Forum "Uni-Stochastik" - Maximum-Likehood
Maximum-Likehood < Stochastik < Hochschule < Mathe < Vorhilfe
Ansicht: [ geschachtelt ] | ^ Forum "Uni-Stochastik"  | ^^ Alle Foren  | ^ Forenbaum  | Materialien

Maximum-Likehood: Frage (reagiert)
Status: (Frage) reagiert/warte auf Reaktion Status 
Datum: 21:13 Di 01.08.2006
Autor: Moe_Hammed

Aufgabe
  [mm] f_{x}(x)=\begin{cases} \bruch{1}{ \alpha} * x^{ \bruch{1-\alpha}{ \alpha}} , & \mbox{für } 1>x>0 \mbox{ } \\ 0, & \mbox{sonst } \mbox{ } \end{cases} [/mm]

Berechnen Sie mit der Maximum-Likehood-Methode den Schätzer [mm] \alpha [/mm] für n Beobachtungen x=( [mm] x_{1}, x_{2},.., x_{n}) [/mm]

Hallo!

Ich würde gerne Schritt für Schritt wissen, wie man diese Aufgabe löst. Ich verstehe die  allgemeine Vorgehensweise in der Likehood Methode, kann auch den Schätzer für die Poisson Verteilung berechnen/nachvollziehen.

Ähnlich verhält es sich mit einer anderen Aufgabe:

[mm] P(X=k)=\begin{cases} q^{k}* q^{k+1}, & \mbox{für } k=1, 2,... \mbox{ } \\ 0, & \mbox{sonst} \mbox{ } \end{cases} [/mm]

Es wäre toll, wenn jemand das erklären könnte, da an unserer Lehranstalt anscheinend keiner bereit/fähig dazu ist.

        
Bezug
Maximum-Likehood: Mitteilung
Status: (Mitteilung) Reaktion unnötig Status 
Datum: 21:18 Di 01.08.2006
Autor: Moe_Hammed

Sorry, da hat sich der Fehlerteufel eingeschlichen... Natürlich ist:
[mm] P(X=k)=\begin{cases} q^{k} - q^{k+1}, & \mbox{für } k=1,2,... \mbox{ } \\ 0, & \mbox{sonst } \mbox{} \end{cases} [/mm]

und der Schätzer soll für q bestimmt werden!

Bezug
        
Bezug
Maximum-Likehood: Mitteilung
Status: (Mitteilung) Reaktion unnötig Status 
Datum: 10:27 Mi 02.08.2006
Autor: felixf

Hallo Moe!

>  [mm]f_{x}(x)=\begin{cases} \bruch{1}{ \alpha} * x^{ \bruch{1-\alpha}{ \alpha}} , & \mbox{für } 1>x>0 \mbox{ } \\ 0, & \mbox{sonst } \mbox{ } \end{cases}[/mm]
>  
> Berechnen Sie mit der Maximum-Likehood-Methode den Schätzer
> [mm]\alpha[/mm] für n Beobachtungen x=( [mm]x_{1}, x_{2},.., x_{n})[/mm]
>  
> Hallo!
>  
> Ich würde gerne Schritt für Schritt wissen, wie man diese
> Aufgabe löst. Ich verstehe die  allgemeine Vorgehensweise
> in der Likehood Methode, kann auch den Schätzer für die
> Poisson Verteilung berechnen/nachvollziehen.

Wenn du das allgemeine Prinzip verstanden hast, dann schreib es doch mal hier hin und wende es auf die obige Dichte und die unten angegebene Verteilung an. Wo bleibst du stecken?

> Ähnlich verhält es sich mit einer anderen Aufgabe:
>  
> [mm]P(X=k)=\begin{cases} q^{k}* q^{k+1}, & \mbox{für } k=1, 2,... \mbox{ } \\ 0, & \mbox{sonst} \mbox{ } \end{cases}[/mm]

LG Felix


Bezug
                
Bezug
Maximum-Likehood: Mitteilung
Status: (Mitteilung) Reaktion unnötig Status 
Datum: 13:20 Mi 02.08.2006
Autor: Moe_Hammed

Ich schreibe morgen eine Klausur und da könnte so etwas drankommen. Ich habe zwar versucht Lösungen zu finden, allerdings ergeben die Lösungen (meistens) keinen Sinn. Meine Versuche hier darzulegen, könnte Stunden dauern(wegen der Eigabe von Formeln und Gleichungen, da ich relativ lange brauche um meine Belange hier auch korrekt abzubilden ;-)). Unter anderen Umständen würde ich das machen, allerdings brauche ich jetzt die Zeit um mich auf die Klausur vorzubereiten. Es hört sich nach Faulheit an, ist es aber nicht, da ich zu wenig Zeit habe. Wenn Du oder jemand anderes, mir das vorrechnen könnte, wäre das echt super. Sonst muß ich leider ohne dieses Wissen in die Klausur :-(.

Was mir am meisten Probleme bereitet ist der erste Schritt, nämlich das Produkt über die n Versuchsausgänge der Funktion umzuschreiben.


Bezug
                
Bezug
Maximum-Likehood: Frage (beantwortet)
Status: (Frage) beantwortet Status 
Datum: 18:43 Mi 02.08.2006
Autor: Moe_Hammed

Da ich es jetzt doch wissen will:

[mm] f(x_{1})*f( x_{2})*...f( x_{n})= \bruch{1}{ \alpha^{n}}* \produkt_{i=1}^{n} X_{i}^{ \bruch{1- \alpha}{ \alpha}} [/mm]

Wie soll man das weiter vereinfachen? So kann man da nichts logarithmieren, differenzieren und nullsetzen...und da häng ich z.B

nächste Funktion:

[mm] P(X=k)=\begin{cases} q^{k}- q^{k+1}, & \mbox{für } k=1, 2,... \mbox{ } \\ 0, & \mbox{sonst} \mbox{ } \end{cases}: [/mm]

[mm] \produkt_{i=1}^{n}q^{k}-q^{k+1} [/mm]

[mm] =\produkt_{i=1}^{n}q^{k}*{(1-q)} [/mm]

[mm] =q^{ \summe_{i=1}^{n} k_{i} }*\produkt_{i=1}^{n}{(1-q)} [/mm]

[mm] =q^{ \summe_{i=1}^{n} k_{i} }*(1-q)^n=L [/mm]

[mm] log_{q}(L)= {\summe_{i=1}^{n} k_{i} } [/mm] + n* [mm] log_{q}(1-q) [/mm]

  [mm] \bruch{\partial L}{\partial q}= \bruch{n}{(1-q)*ln q}=0 [/mm]

Ergibt keinen Sinn oder? Also Felix, Du siehst es ist nicht so einfach... Und ich danke der automatischen Wiederherstellung, da mein Browserfenster sich kurz vor dem posting verabschiedet hat!!! Wäre für schnelle Hilfe sehr dankbar!

Bezug
                        
Bezug
Maximum-Likehood: Antwort
Status: (Antwort) fertig Status 
Datum: 19:49 Mi 02.08.2006
Autor: felixf

Hallo!

> [mm]f(x_{1})*f( x_{2})*...f( x_{n})= \bruch{1}{ \alpha^{n}}* \produkt_{i=1}^{n} X_{i}^{ \bruch{1- \alpha}{ \alpha}}[/mm]

Das kannst du noch umschreiben zu [mm] $\frac{1}{\alpha^n} \left( \prod_{i=1}^n x_i \right)^{\frac{1-\alpha}{\alpha}}$. [/mm]

> Wie soll man das weiter vereinfachen? So kann man da nichts
> logarithmieren, differenzieren und nullsetzen...und da häng
> ich z.B

Wenn du das Logarithmierst, erhaelst du [mm] $\log [/mm] L = -n [mm] \log \alpha [/mm] + [mm] \frac{1 - \alpha}{\alpha} \log \prod_{i=1}^n x_i$. [/mm] Ableiten liefert [mm] $\frac{\partial (\log L)}{\partial \alpha} [/mm] = [mm] -\frac{n}{\alpha} [/mm] - [mm] \frac{\log \prod_{i=1}^n x_i}{\alpha^2}$. [/mm] Gleichsetzen mit $0$ liefert die Gleichung [mm] $\alpha [/mm] = [mm] -\frac{1}{n} \log \prod_{i=1}^n x_i [/mm] = [mm] -\frac{1}{n} \sum_{i=1}^n \log x_i$. [/mm]

> nächste Funktion:
>  
> [mm]P(X=k)=\begin{cases} q^{k}- q^{k+1}, & \mbox{für } k=1, 2,... \mbox{ } \\ 0, & \mbox{sonst} \mbox{ } \end{cases}:[/mm]
>  
> [mm]\produkt_{i=1}^{n}q^{k}-q^{k+1}[/mm]

Du meinst [mm] $\prod_{i=1}^n \left( q^{k_i} - q^{k_1+1} \right)$, [/mm] oder?

> [mm]=\produkt_{i=1}^{n}q^{k}*{(1-q)}[/mm]
>  
> [mm]=q^{ \summe_{i=1}^{n} k_{i} }*\produkt_{i=1}^{n}{(1-q)}[/mm]
>  
> [mm]=q^{ \summe_{i=1}^{n} k_{i} }*(1-q)^n=L[/mm]
>  
> [mm]log_{q}(L)= {\summe_{i=1}^{n} k_{i} }[/mm] + n* [mm]log_{q}(1-q)[/mm]
>  
> [mm]\bruch{\partial L}{\partial q}= \bruch{n}{(1-q)*ln q}=0[/mm]

Wie kommst du auf die letzte Zeile?!

Die vorletzte ist schon ok, aber warum nimmst du den Logarithmus zur Basis $q$? Da du $q$ suchst, ist das keine gute Idee.

Schreib doch $L = [mm] e^{\sum_{i=1}^n k_i \cdot \log q} [/mm] (1 - q)$ und somit [mm] $\log(L) [/mm] = [mm] \log [/mm] q [mm] \cdot \sum_{i=1}^n k_i [/mm] + [mm] \log(1 [/mm] - q)$. Damit ist [mm] $\frac{\partial \log(L)}{\partial q} [/mm] = [mm] \frac{1}{q} \cdot \sum_{i=1}^n k_i [/mm] - [mm] \frac{1}{1 - q}$. [/mm] Das gleich Null ergibt die Gleichung $(1 - q) [mm] \cdot \sum_{i=1}^n k_i [/mm] = q$ und somit [mm] $\frac{\sum_{i=1}^n k_i}{1 + \sum_{i=1}^n k_i} [/mm] = q$, voila!

LG Felix


Bezug
                                
Bezug
Maximum-Likehood: Frage (beantwortet)
Status: (Frage) beantwortet Status 
Datum: 21:22 Mi 02.08.2006
Autor: Moe_Hammed

Aufgabe
Wie genau kommst du von

[mm] \frac{1}{\alpha^n} \left( \prod_{i=1}^n x_i \right)^{\frac{1-\alpha}{\alpha}} [/mm] zu


[mm] \log [/mm] L = -n [mm] \log \alpha [/mm] + [mm] \frac{1 - \alpha}{\alpha} \log \prod_{i=1}^n x_i [/mm]




und mit log meinst du den natürlichen Logarithmus (wir schreiben ln) oder? Wieso nimmst du ausgerechnet diesen Logarithmus?

Ich habe auch nicht ganz parat, warum du

L = [mm] e^{\sum_{i=1}^n k_i \cdot \log q} [/mm] (1 - q)

schreiben kannst. Sonst aber Daumen hoch. Danke!

Bezug
                                        
Bezug
Maximum-Likehood: Antwort
Status: (Antwort) fertig Status 
Datum: 21:31 Mi 02.08.2006
Autor: felixf

Hallo!

> Wie genau kommst du von
>  
> [mm]\frac{1}{\alpha^n} \left( \prod_{i=1}^n x_i \right)^{\frac{1-\alpha}{\alpha}}[/mm]
> zu
>  
>
> [mm]\log[/mm] L = -n [mm]\log \alpha[/mm] + [mm]\frac{1 - \alpha}{\alpha} \log \prod_{i=1}^n x_i[/mm]
>
>
>
>
> und mit log meinst du den natürlichen Logarithmus (wir
> schreiben ln) oder?

Genau!

> Wieso nimmst du ausgerechnet diesen Logarithmus?

Welchen denn sonst? Es ist ja [mm] $\log_a [/mm] x = [mm] \frac{\ln x}{\ln a}$, [/mm] womit bei einer anderen Basis sich nur ein Faktor herinschmuggelt (und wenn du die Basis [mm] $\alpha$ [/mm] bzw. $q$ waehlst, wird das Ableiten schwerer). Also nimmt man am Besten den, wo der Faktor gerade 1 ist...

> Ich habe auch nicht ganz parat, warum du
>  
> L = [mm]e^{\sum_{i=1}^n k_i \cdot \log q}[/mm] (1 - q)
>  
> schreiben kannst.

Es ist ja [mm] $q^x [/mm] = [mm] e^{x \cdot \log q}$. [/mm] Und wenn du jetzt $x = [mm] \sum_{i=1}^n k_i$ [/mm] einsetzt...

LG Felix


Bezug
Ansicht: [ geschachtelt ] | ^ Forum "Uni-Stochastik"  | ^^ Alle Foren  | ^ Forenbaum  | Materialien


^ Seitenanfang ^
www.englischraum.de
[ Startseite | Forum | Wissen | Kurse | Mitglieder | Team | Impressum ]