1. 학습
    2. /
  2. 강의
    3. /
  3. Wprowadzenie do modelowania liniowego w Pythonie
Connected

연습 문제

Maksymalizacja wiarygodności – część 1

Wcześniej przyjęliśmy średnią próbkową jako estymator parametru mu modelu populacji. Skąd jednak wiemy, że to najlepszy wybór? To zagadnienie jest nieco złożone, więc podzielimy je na dwie części.

W części 1 zastosujemy podejście obliczeniowe, aby wyznaczyć log-wiarygodność dla danego estymatora. W części 2 przekonasz się, że spośród wielu możliwych wartości estymatora jedna daje maksymalną wiarygodność.

지침

100 XP
  • Oblicz mean() i std() wczytanej wcześniej próbki sample_distances – będą to szacowane wartości parametrów modelu probabilistycznego.
  • Dla każdej wartości distance oblicz prawdopodobieństwo, korzystając z gaussian_model() zbudowanego na podstawie sample_mean i sample_stdev.
  • Oblicz loglikelihood jako sum() wartości log() prawdopodobieństw probs.