[英]Find the second derivative of a log likelihood function
我感兴趣的是找到关于我的所有m个预测变量的对数回归函数的对数似然函数的二阶导数的值。
2 L/ j 2 values where j goes from 1 to m. 基本上我想使米的矢量2 L 个值,其中j变为从1到m。
x ij 2 (e )/((1+e ) 2 ) and I am trying to code it in R. I did something dumb when trying to code it and was wondering if there was some sort of sapply function I could use to do it more easily. 相信所述第二导数应该-ΣI = 1分 图2(e + E 和我想它在R.我做了哑代码当试图对其进行编码,并且想知道是否可以使用某种类型的sapply函数来更轻松地实现它。
这是我尝试过的代码(我知道for循环中的总和实际上并没有做任何事情,因此我不确定如何对这些值求和)。
for (j in 1:m)
{
for (i in 1:n)
{
d2.l[j] <- -1*(sum((x.center[i,j]^2)*(exp(logit[i])/((1 + exp(logit[i])^2)))))
}
}
if that's not clear. 如果不清楚,logit只是由组成的向量。
我在数学上很朦胧(很难阅读乳胶),但纯粹在编程方面,如果logit
是一个索引为i
= 1,...,n和x.center
则nxm
矩阵:
for (j in 1:m)
dt.l[j] <- -sum( x.center[,j]^2 * exp(logit)/(1+exp(logit))^2 )
sum
超过i
。
如果要“向量化”,则可以利用以下事实:如果您进行matrix * vector
(您的x.center * exp(logit)/...
),这在R中按列进行,这很适合你的方程式:
-colSums(x.center^2 * exp(logit)/(1+exp(logit))^2)
值得一提的是,尽管后者是“ slicker”,但我经常会使用显式循环(与第一个示例一样),纯粹是为了提高可读性。 要不然我回来的时候在一个月的时间里,我得到了我非常困惑i
S和j
S和什么是被求和时。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.