Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Máxima Verosimilitud y Estimación Bayesiana de Parámetros PDF
Máxima Verosimilitud y Estimación Bayesiana de Parámetros PDF
Bayesiana de Parmetros
Duda Captulo 3
Mxima Verosimilitud y Estimacin
Bayesiana de Parmetros
l (,) log p( D / , )
1 n
l (, ) log 2 det( 1 ) (x k )T 1 (x k )
2 k 1
d
n
1
n (x k n )(x k n )T
n k 1
1 1 1 1
E ( n ) E (x k x k ) 2 E (x i x j ) E (x k x i ) E (x k x i )
T T T T
n k n ij n i n i
Ejemplo:
) E x x
E (x )(x T T T
i j i j
E ( ) n n n
1 1 T 2 2 T T
n
2
n k n n
1 n 1
E ( n ) 1
n n
:
sesgado
n
asintoticamente insesgado
Propiedades de un estimador
MSE ( ) E
2
var E E 2
b E
var 2 E E E E
2
MSE () var b 2
n
)
MSE ( var
i 1
b 2
i i
Comparacin MLE Estimacin
Bayesiana
Fenmeno general: Procedimientos con mayor
flexibilidad para adaptarse a los datos (mayor nmero de
parmetros libres) tienden a tener menos bias pero mayor
varianza.
Sea un estimador insesgado de C I 1 0
2
donde I ij Ex/ ln p(x/)
i j
I : M atriz de Fisher C : M atriz de Covarianza
Estimador eficiente
) I (
C ( )
var( i ) C ( ii
) I (
)
ii
p(x / wi , Di ) P(wi )
P(wi / x, D) c
p(x / w , D ) P(w )
j 1
j j j
p(x / w, D) P(w)
P(w / x, D)
p(x / D)
Distribucin de parmetros
p( / D) exp
2 n 2 n
Identificando coeficient es :
1 n 1
2 2 2
n 0
n n n 0
n 2 2 0 2
n 0
2
2
n n 0
n 0 n 0
2 2 2 2
2 2
0
2
n n 2 2
0
i) n 0 : al aumentar la cantidad de muestras disminuye incertidum bre
n
p(x/D) p(x/)p(/D)d
1 1 1 x 2 n 2
exp d
2 2 n 2 2
2
n
1 1 x n 2
f ( , n , x) exp
2
2 n 2 n
2
1 2 2 2
2
2
donde f ( , n , x) exp n
n x
n
d
2 2 2 n
2 2
R
n
1 2 n
f ( , n , x) exp
d 2 con
2 2
2
R n
p( x / D) N ( n , n )
2 2
Clasificac in : P ( w j / x, D) kp( x / w j , D j ) P ( w j )
p ( D / ) p ()
p ( / D)
p( D / ) p()d
Notemos : D i x1...x i i 1,...n
p ( D n / ) p ( D n 1 / ) p(x n / )
p ( / D 0 ) p () prior
p (x n / ) p ( / D n 1 )
p ( / D n )
n
n 1
p ( x / ) p ( / D )d
Vnculo con el MLE
p (x / D) p (x / ) p / D d p (x / ) verosimilitud
Estimador MAP
m
yi f(xi ) j g j ( xi ) " explique bien" los datos.
j1
...........................
g ( x ).......g ( x )
1 n m n
M odelo : Y - G N (0, d I ) p ( D / )
2
Prior : N (0, m I ) p ()
2
1 1
MAP arg max (Y G) (Y G)
T T
2 d 2 m
2 2
1 1 1
0 2 G Y 2 G G 2
T T
d d m
d
m
G G I
T 2
MAP GT Y
MAP G T
G 2 1
I G T
Y
El trmino y por ende el prior, tiene un efecto de
2 2