Máxima verosimilitud
Optimización de procesos. Primera entrega
Modelos de regresión logística, análisis de punto de cambio, parámetros de equipos industriales, ciencia de materiales... estas son algunas de las aplicaciones en las que se emplea la estimación de máxima verosimilitud y que se encuentran en esta sección.
- Video:Ciclo "Vive con las matemáticas". Construcción de estimadores: máxima verosimilitud
- Fuente:Canal José Vasconcelos / You Tube
Maximum likelihood estimation of logistic regression models : theory and implementation
Estimación de máxima verosimilitud de modelos de regresión logística : teoría e implementación
En este artículo se muestra una visión general del modelo de regresión logística para variables dependientes que tienen dos o más niveles categóricos discretos. Se derivaron las ecuaciones de máxima verosimilitud de la distribución de probabilidad de variables dependientes, la cuales se solucionaron utilizando el método Newton-Raphson para sistemas de ecuaciones no lineales. Finalmente, se discute una implementación genérica del algoritmo.
Este artículo fue preparado por Scott A. Czepiel y se encuentra alojado en su página web.
- Video:Lección 6 (máxima verosimilitud)
- Fuente:Canal JHU Learning Theory / You Tube
Maximum likelihood-based iterated divided difference filter for nonlinear systems from discrete noisy measurements
Filtro dividido iterativo de diferencia basado en máxima verosimilitud para sistemas no lineales a partir de mediciones discretas de ruido
En esta investigación se desarrolló un nuevo filtro llamado filtro dividido iterativo de diferencia basado en máxima verosimilitud (maximum likelihood-based iterated divided difference filter, MLIDDF) para mejorar la exactitud de la estimación de bajo estado de la estimación de estado no lineal debida a errores grandes iniciales de estimación y la no linealidad de ecuaciones de medición. El algoritmo MLIDDF es sin derivadas y se implementa calculando solamente las evaluaciones funcionales. Necesita del uso de una actualización de la medición de iteración donde se introdujo el criterio de terminación de iteración con base en la máxima verosimilitud y de la medición actual.
Este artículo fue preparado por Changyuan Wang, Jing Zhang y Jing Mu (Xi’an Technological University, Xi’an, Shaanxi, República Popular China) para Sensors (Vol. 12, No 7, 2012, 8912-8929), publicación internacional e interdisciplinaria vinculada a MDPI, plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basilea, Suiza).
