1. Učit se
    2. /
  2. Kurzy
    3. /
  3. Úvod do lineárního modelování v Pythonu
Connected

cvičení

Maximalizace věrohodnosti, část 1

Dříve jsme jako odhad parametru populačního modelu mu zvolili výběrový průměr. Jak ale víme, že výběrový průměr je nejlepší odhadovač? To je záludná otázka, takže ji rozdělíme do dvou částí.

V části 1 použiješ výpočetní přístup k výpočtu logaritmické věrohodnosti daného odhadu. V části 2 pak uvidíš, že při výpočtu logaritmické věrohodnosti pro mnoho možných odhadovaných hodnot jedna z nich přinese maximální věrohodnost.

Pokyny

100 XP
  • Vypočítej mean() a std() předem načtených sample_distances jako odhadované hodnoty parametrů pravděpodobnostního modelu.
  • Vypočítej pravděpodobnost pro každou hodnotu distance pomocí gaussian_model() sestaveného z sample_mean a sample_stdev.
  • Vypočítej loglikelihood jako sum() hodnot log() pravděpodobností probs.