วิธีการของช่วงเวลาคืออะไร?
มีบทความที่ดีเกี่ยวกับเรื่องนี้ใน Wikipedia
https://en.m.wikipedia.org/wiki/Method_of_moments_(statistics)
หมายความว่าคุณกำลังประเมินค่าพารามิเตอร์ประชากรโดยการเลือกพารามิเตอร์เช่นการกระจายประชากรมีช่วงเวลาที่เทียบเท่ากับช่วงเวลาที่สังเกตได้ในตัวอย่าง
แตกต่างจาก MLE อย่างไร
การประมาณการความน่าจะเป็นสูงสุดลดฟังก์ชันความน่าจะเป็น ในบางกรณีขั้นต่ำนี้บางครั้งสามารถแสดงในแง่ของการตั้งค่าพารามิเตอร์ประชากรเท่ากับพารามิเตอร์ตัวอย่าง
μ = x¯μ
μ = 1 / n ∑ l n ( xผม) = l n ( x )¯¯¯¯¯¯¯¯¯¯¯
ในขณะที่โซลูชัน MoM กำลังแก้ไข
e x p ( μ + 12σ2) = x¯
μ = l n ( x¯) - 12σ2
ดังนั้น MoM จึงเป็นวิธีที่ใช้งานได้จริงในการประมาณค่าพารามิเตอร์นำไปสู่ผลลัพธ์ที่แน่นอนเช่นเดียวกับ MLE (เนื่องจากช่วงเวลาของตัวอย่างมักจะตรงกับช่วงเวลาของประชากรเช่นค่าเฉลี่ยตัวอย่างจะกระจายรอบค่าเฉลี่ยประชากรและ ขึ้นอยู่กับปัจจัย / อคติมันทำงานได้ดีมาก) MLE มีรากฐานทางทฤษฎีที่แน่นแฟ้นยิ่งขึ้นและตัวอย่างเช่นช่วยให้การประเมินข้อผิดพลาดโดยใช้ฟิชเชอร์เมทริกซ์ (หรือการประมาณของมัน) และเป็นวิธีที่เป็นธรรมชาติมากขึ้นในกรณีของปัญหาการถดถอย (ฉันยังไม่ได้ลอง MoM สำหรับการแก้ไขพารามิเตอร์ในการถดถอยเชิงเส้นอย่างง่ายไม่ทำงานอย่างง่ายดายและอาจให้ผลลัพธ์ที่ไม่ดี ในคำตอบของ superpronker ดูเหมือนว่าสิ่งนี้ทำโดยการย่อขนาดของฟังก์ชั่น สำหรับ MLE การย่อขนาดนี้เป็นการแสดงออกถึงความน่าจะเป็นที่สูงขึ้น แต่ฉันสงสัยว่ามันหมายถึงสิ่งที่คล้ายกันสำหรับ MoM หรือไม่