Maksimālās vergojamošās korelācijas novērtēšana
Maksimālās vergojamošās korelācijas novērtēšana (MLE) ir vispārējas nozīmes parametriska metode statistikas modeļa nezināmo parametru novērtēšanai, atrodot parametru vērtības, kas novērotos datus padara visvairāk iespējamus. MLE, ko formalizējis R. A. Fišers savā nozīmīgajā 1922. gada publikācijā žurnālā Philosophical Transactions of the Royal Society, ir kļuvusi par dominējo parametru novērtēšanas paradigmu mūsdienu statistikā un ir loģistiskās regresijas, vispārināto lineāro modeļu, strukturālo vienādojumu modelēšanas un gandrīz visu parametrisko inferenču procedūru pamata dzinējspēks.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Fisher, R. A. (1922). On the mathematical foundations of theoretical statistics. Philosophical Transactions of the Royal Society of London, Series A, 222, 309–368. DOI: 10.1098/rsta.1922.0009 ↗
- Casella, G., & Berger, R. L. (2002). Statistical Inference (2nd ed.). Duxbury Press / Cengage Learning. ISBN: 978-0534243128
Kā citēt šo lapu
ScholarGate. (2026, June 3). Maximum Likelihood Estimation. ScholarGate. https://scholargate.app/lv/statistics/maximum-likelihood-estimation
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- EM algoritmsStatistika↔ compare
- Logistiskā regresijaPētniecības statistika↔ compare
- Momentsu aprēķināšanas metode (MoM)Elektrotehnika↔ compare
- Modelēšana ar strukturālām vienādojumiemPētniecības statistika↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →