问题标签 [mle]

我正在探索实现以下目标的最佳方式的选项。我在 R 中构建了一个计算量大的模型（它的核心使用 MLE），我想提供一个前端 GUI 来使用这个模型。模型的输入特别简单，只有两个数字列表，模型吐出各种参数。本质上，GUI 组件将是一个用户可以上传文件、填写一些文本框并指示一些偏好（例如，可能是一个或两个复选框）的单个窗口。

我很了解 Java，我的第一个想法是通过控制台或其他方法以某种方式将 Java GUI 与 R 代码链接起来。

我已经编制了一个我想到的选项列表，但对此知之甚少。您认为实现这一目标最可行和/或最简单的方法是什么？这是我的想法

• 在 Java 中包含实际的 R 代码（不确定这是否可能）
• 在 R 中包含实际的 Java GUI 代码（不确定这是否可能）
• 在 Java 中实现实际的 MLE 模型（真的不想这样做，因为 R 代码工作得很好，而且我喜欢它向我吐出的参数，例如可能性和置信区间）
• 在 Matlab 中重写 MLE 模型，并在 Matlab 中包含 Java GUI 代码
• 使用本机 R GUI（甚至存在），然后制作某种类型的 R 可执行文件

首要目标是让用户通过一个漂亮的 GUI 窗口运行这个复杂的 R 代码，这样他们就不需要调整 R 文件顶部的参数（例如，文件路径）。

我在这里开发了一个mle2模型来演示这个问题。我从两个单独的高斯分布中生成值x1，x2并将它们组合在一起形成x=c(x1,x2)，然后创建一个 MLE，该 MLE 尝试通过参数将值重新分类x为属于特定值的左侧或特定值x的右侧。xxsplit

问题是找到的参数并不理想。具体来说，xsplit总是以其起始值返回。如果我改变它的起始值（例如，4 或 9），那么结果的对数可能性就会有很大的不同。

这是完全可重现的示例：

如何修改我的 mle2 以捕获正确的参数，特别是对于xsplit？

我正在估计横截面回归 - 片段：

lm（速率~liqamih.log+cap.log+F1+F2，数据=x）

下面列出的 R 代码。

F1 和 F2 是时间序列模型的系数估计值。

在这种情况下，我们需要处理所谓的“变量错误问题”。在文献中（链接：gendocs.ru/docs/23/22031/conv_1/file1.pdf‎（第 1091 页）和 paper.ssrn.com/sol3/papers.cfm?abstract_id=6992（整篇文章）），MLE 方法是这一问题的有效解决方案之一。

我想在下面的 R 代码中实现 KIM 介绍的方法（参考上面的文献链接）。如何在我的 R 代码中实现引用的方法？

对 334 名受试者的观察有 123 次时间观察。对于 123 个时间点中的每一个，我对 334 名受试者进行一次回归（所以我在每个时间点重复 123 次）。我也在 CrossValidated.com 上发布了这个主题——因为我需要一个在统计学/计量经济学以及 R 编程方面具有深厚背景的人的帮助。

我正在将一些用于估计选择模型参数的 R 代码（不是我的）转换为 Python。对于某些测试数据，我的 Python 版本没有收敛到与 R 版本相同的参数，我不知道为什么。

R 代码定义了一个对数似然函数 (L)，然后使用 nlm() 函数来估计参数：

对于一组测试数据，这会产生参数估计：

在 python 中，我编写了（我认为是）一个等效的对数似然函数（它返回与 R 版本的测试参数相同的值）并尝试使用 scipy.optimize.minimize() 代替 nlm()：

但是，在运行时， minimize() 似乎不成功：

其他方法（例如“Powell”）报告成功，但参数与 R 中的示例相差甚远。

我的问题是：

1. 在其他地方，我看到“由于精度损失，不一定能达到预期的误差。” 是不良似然函数的结果 - 任何人都可以告诉这是这种情况吗？我该如何解决？

2. 我应该尝试其他一些优化方法吗？它们需要将导数传递给 minimise() 方法 - 如何为我的 LL 函数定义梯度（以及必要时的粗麻布）？我看到了一个使用 statsmodel GenericLikelihoodModel 的示例，但对 exog/endog 感到困惑......

我正在寻求优化模型的拟合，该模型描述了在已知直径和物种的映射树图中描述在 0.5m^2“垃圾陷阱”网络中收集的垃圾数量。选择的模型有两个因素，即垫料生产的异速生长比例和垫料移动距离的指数衰减。

但是，我们的陷阱数据包含来自多棵树的输入（这是标题中提到的“缺失级别”）：

到目前为止，即使是模拟数据，结果也很复杂。似乎有足够的直径和距离组合，功能应该受到一定的约束。这个分析是在我抄袭的一篇文章中进行的。我还尝试了对日志（Obs.Litter）的分析，我认为这是要走的路。但是我不确定我编写日志版本的方式是否会导致您期望执行的更好。

在这一点上，我想我只是在寻找对这种类型的“隐藏过程”拟合非线性回归或模型拟合问题更有经验的人的任何类型的建议（基于代码或概念）。下面包括数据模拟和各种可能性的代码。我在使用OpenBUGS中的贝叶斯层次模型估计这些参数方面取得了更大的成功，只有信息先验。

我是一个 R 菜鸟，这可能反映在不那么密集的代码中 - 所以请忍耐。我正在尝试使用最大值估计二元正态分布的系数。似然估计。我在调用 OPTIM 函数时收到与 Hessian 相关的错误。我已经尝试了很多调试，但似乎无法摆脱错误。非常感谢您对如何解决这个问题的任何见解。

我使用的数据是 {y1,y2,x1,x2} 其中 y1,y2 是二进制变量。我用来模拟数据的代码如下：

我试图估计的参数是潜在效用函数 z1 和 z2 中的 beta，以及方差-协方差矩阵中的非对角线元素。

谢谢！

我首先指定错误，然后在错误之后提供代码：

首先，似乎源于代码中这一行的错误：

A）如果我在调用 OPTIM 的参数中设置 hessian = F，我会收到以下错误和回溯：

B）如果我在调用 OPTIM 的参数中设置 hessian = T，我会收到以下错误和回溯：

现在代码：

我正在尝试使用以下代码进行自回归模型参数估计：

然后，我得到了结果以及以下错误：

有没有办法在我的自回归参数估计中消除这些错误？

实际上，我正在尝试使用自回归模型根据这些数据进行预测，

但如果可能的话，我更喜欢一阶自回归模型。

然而，即使是预测值也与预期相差甚远

预测值是问题..

有没有办法根据这些数据从第一个自回归模型中进行良好的预测

和/或任何顺序自回归模型？

如果您能提供任何帮助，我将不胜感激。

非常感谢您！

我想在函数中为我的参数找到 MLE 的 95% CI，但我不知道如何。

给定函数是幂律分布

f(x)=Cx^(-mu),

我使用 R 中的 bbmle 包计算了 mu 的 MLE。

互联网上的一些人说使用配置文件可能性来做到这一点，但我不确定如何在 R 中使用，或者其他导致相同结果的方法也可以。

非常感谢并提前感谢！

更新：

所以估计的 mu 是 2.00510，我想得到它的 95% CI，这可能看起来很荒谬，因为我开始的 mu 是 2，所以 2.00510 非常接近它，但我也会将此方法应用于其他数据集我还没有遇到过，所以真的希望找到一种方法来做到这一点。

我已经在 ubuntu 上使用这个命令 apt-get install tboot 安装了 tboot。实际上，我对 tboot 和受信任的 Grub 有一个疑问。受信任的 grub 执行 STRM（Measurement 的静态信任根）并更改 PCR 12 -PCR14 中的值。tboot 使用可信执行技术（Intel 的 TXT）技术进行 DRTM（Dynamic root of trust for Measurement）。它会将 PCR17 中的值更改为 PCR22。我想知道，如果 tboot 支持 SRTM，那么它还应该针对不同的 Linux 内核版本将 PCR 12 中的值更改为 PCR14。但是对于不同的 Linux 内核版本，tboot 仅将 PCR17 更改为 PCR22。tboot 可以同时提供 SRTM 和 DRTM 吗？

我有一个需要最大化的联合可能性，这由大约 25 个不同的变量决定。我希望有一种方法可以找到使该函数最大化的变量值组合，而无需借助 25 个循环遍历每个可能值的“for”循环。

下面是一个小得多的可能性示例，使用“for”循环方法最大化，其中“temp”计算可能性的值，而 test 是一个记录所用变量值的向量：

在此先感谢，谢尔盖