Maximum Likelihood Grundlagen | Statistik | Mathe by Daniel Jung

Mathe by Daniel Jung
14 Abonnenten
2 Videoaufrufe·12.06.2024
ja maximum likelyihood ihr habt ein
Täter gesucht ihr habt eine Stichprobe
gegeben von einer
Wahrscheinlichkeitsfunktion und ihr
wollt eben den täterwert
bestimmen aus den Daten die ihr
habt um sozusagen auf die
Grundgesamtheit insgesamt zu schließen
die likelhood
Funktion X1
xn kann man sich dann so vorstellen ja
ihr habt hier Theta hier habt ihr die
entsprechenden Werte und
dann
ja hier oben das Maximum das
entsprechend hier ist gesucht die
Schritte sind eigentlich immer gleich
ihr habt die likelihood
Funktion die gegeben ist entsprech
durch das hier heißt dass ihr ein
Produkt bildet von i = 1 bis n für F von
XI in Abhängigkeit hier von
TH dann logarithmiert ihr warum
logarithmiert ihr das hat einfach den
Hintergrund dass es dann einfacher zu
rechnen ist denn ein Produkt versus wenn
ihr jetzt logarithmiert also Log für die
Funktion ist gleich und jetzt kommt wenn
ihr logarithmiert das sind jetzt die
Hintergründe für
logarithmusgesetze ganz einfach mal
angerissen Logarithmus von A mal B ist
ja gleich logarimus von A + logaritmus
von B ein eine Summe
abzuleiten ist einfacher als ein Produkt
abzuleiten und so kommt ihr dann hier
auf jetzt nicht mehr Produkt sondern
Summe von i = 1 bis
n für Logarithmus F von XI von Theta
dann bildet ihr die
Ableitung sprich D
nach Abhängigkeit jetzt natürlich von
für
Log sprechen die Funktion und das die
erste Ableitung die wird dann gleich
Null gesetzt entsprechend auflösen und
dann kommt er an
euren maximum likelihood
Schätzer Schätzer in dem Sinne ne weil
es ja noch ungefähr genau ist und das
ist jetzt so der Grobüberblick für
maximum likelihood eigentlich gar nicht
so schwer ähm man schaut dann jetzt noch
entsprechend am Anfang was gegeben ist
ähm und dann versuche ich vielleicht
auch noch ein paar Beispiele zu
produzieren und dann heißt es wieder
math Vokabel erkannt Gefahr gebannt
