demonstrate 的 blog » 日志 » Maximum Likelihood vs. Boostrap
Maximum Likelihood vs. Boostrap
demonstrate 发表于 2006-02-19 15:31:45
Maximum likelihood 是参数估计统计策略，通过建立一个 parametric 的统计模型，用样本计算能使得似然函数最大的参数
需要对问题的模型有比较合理的认识，计算出来的参数的统计性质可以理论上计算出来
Boostrap 可以作非参数估计，避免进行模型分析，直接用数据获得结果，没有好的模型可以依靠，
对问题认识不够的时候可以使用，样本还是要适当的多的
需要对问题的模型有比较合理的认识，计算出来的参数的统计性质可以理论上计算出来
Boostrap 可以作非参数估计，避免进行模型分析，直接用数据获得结果，没有好的模型可以依靠，
对问题认识不够的时候可以使用，样本还是要适当的多的
相关日志:
收藏:
QQ书签
del.icio.us
订阅:
Google
抓虾
最新评论
-
2006-05-06 08:31:24
hehe, 其实对nonparametric model,也可有NPMLE, 有的时候如果模型中某部分分布未知,或不甚重要,还可以见了partial likelihood, profile likelihood,一定条件下也有大样本性质.
bootstrap也不止是一般所制的resampling(这种叫empirical bootstrap), 又很广义的,不过我也没完全弄懂:( -
2006-05-06 18:12:28
哦，没了解过，要去找找
我这里是在看某篇文章的时候发现它的做法里面用的策略，便写下来了，对 boostrap 好像只见过这种 resampling ，更广义的是在哪个方面进行的 generalize 呢？
