Descargar la presentación
La descarga está en progreso. Por favor, espere
1
Inferencia Multivariante Cap 10 y 11
2
Estimación MV: Maximizar la verosimilitud
Equivalente :Minimizar la desviación Para datos normales minimizar la desviación es mínimos cuadrados
3
Ejemplo Resultado:
4
Contrates
6
El contraste consiste en calcular la T2 y rechazar si es
suficientemente grande
10
ANOVA multivariante
11
Contraste ANOVA:
12
Es ji cuadrado con g grados de libertad
13
ANOVA
14
Ejemplo
15
Ejemplo
16
Expresando el contraste con las varianzas efectivas
17
Contraste de datos atipicos
Calculamos la distancia de Mahalanobis del dato a la media del grupo como si el dato estuviese fuera de la muestra y esto es una ji cuadrado con p grados de libertad
18
Estimación con valores ausentes
Partir de un valor inicial de los parámetros Estimar la esperanza de los valores ausentes dados los parámetros y el resto de las observaciones (prever los valores ausentes) Estimar los parámetros suponiendo que los valores ausentes coinciden con sus estimaciones
20
Algoritmo EM para valores ausentes (y mezclas)
E: partiendo de unos valores de los parámetros iniciales calcular la esperanza de las funciones de los valores ausentes que aparecen en la verosimilitud M: Obtener un nuevo valor de los parámetros maximizando la verosimilitud sustituyendo las observaciones faltantes por sus estimaciones
21
Justificación del EM
22
Estimación de mezclas
23
Ecuaciones de MV
25
Algoritmo EM Partir de una clasificación inicial con prob. Uno o cero
Estimar los parámetros de cada grupo Calcular con los parámetros las probabilidad de pertenencia a cada grupo Recalcular los parámetros con estas probabilidades Iterar hasta convergencia
26
Ejemplo
28
Estimación Bayesiana
29
Criterios de Selección de modelos
Presentaciones similares
© 2024 SlidePlayer.es Inc.
All rights reserved.