→ yhliu : 不大能理解問題究竟要問什麼. 如果確實是impossible 09/01 07:45
→ yhliu : 根本不該出現, 會出現就表示假設的模型不對要重設. 09/01 07:47
→ yhliu : 你的回答正如我想的, 只是不只 parameter 的問題, 09/01 07:48
→ yhliu : 當然廣義來說 parameter 也對, 因為所有候選機率分 09/01 07:50
→ yhliu : 配都能用一個 parameter 值來標示. 09/01 07:51
推 hwanger : a同原po的想法 既然0次 就不會影響likleihood funct 09/01 08:01
→ hwanger : ion的計算 只是我在想都特別提log likelihood funct 09/01 08:01
→ hwanger : ion 題目是不是要強調在summation中加了一堆0(–∞) 09/01 08:01
→ hwanger : 的項是沒有問題的(因為在測度論 0(–∞)是0) 09/01 08:01
推 hwanger : 至於b 如果對所有的θ在parameter space中 x皆是imp 09/01 08:08
→ hwanger : ossible observation的話 那L(θ|x)恆為0 則我們就 09/01 08:08
→ hwanger : 沒有唯一的極大值 MLE方法的核心概念的確不復存在 09/01 08:08
推 hwanger : (其中x=(x1,x2,...,xn) 只要一個xk不可能 L就是0了) 09/01 08:15
→ hwanger : 不管n多大 09/01 08:16
推 hwanger : 關於a 比如說考慮iid的情況 09/01 08:37
→ hwanger : L(θ|x)={product over i}f(a_i)^k_i 其中k_i為a_i 09/01 08:37
→ hwanger : 在x中的發生次數 則 09/01 08:37
→ hwanger : log L = {sum over i} k_i log f(a_i) 其中k_i若為0 09/01 08:37
→ hwanger : f(a_i)是零也沒問題 09/01 08:37
推 hwanger : 我在想是不是想表達這樣的意思 09/01 08:40
→ Pieteacher : 可能改考慮 truncated distribution 09/01 17:55
推 hwanger : 不好意思 想再請教一下P大 考慮truncated 09/01 18:53
→ hwanger : distribution的意思是什麼? 謝謝 09/01 18:53