[英]Maximum Likelihood function using Sympy returns empty list
我想创建一个 function,它将返回由最大似然 Function 计算的估计量。 我做的function如下:
def Maximum_Likelihood(param, pmf):
i = symbols('i', positive=True)
n = symbols('n', positive=True)
Likelihood_function = Product(pmf, (i, 1, n))
# calculate partial derivative for parameter (p for Bernoulli)
deriv = diff(Likelihood_function, param)
equation_to_solve = Eq(deriv,0) # equate with 0
# solve above equation and return parameter (p for Bernoulli)
return solve(equation_to_solve, param)
参数表示我想知道估计器的参数,而pmf是概率质量 function。
例如,我想获得伯努利分布中参数p的估计量。 最大似然应该是这样的:
我的代码。 进口:
import numpy as np
import sympy as sym
from sympy.solvers import solve
from sympy import Product, Function, oo, IndexedBase, diff, Eq, symbols
现在,使用 Sympy 我定义了它:
def Maximum_Likelihood(param, pmf):
i = symbols('i', positive=True)
n = symbols('n', positive=True)
Likelihood_function = Product(pmf, (i, 1, n))
deriv = diff(Likelihood_function, param)
equation_to_solve = Eq(deriv,0)
return solve(equation_to_solve, param)
和伯努利的例子:
x = IndexedBase('x')
i = symbols('i', positive=True)
n = symbols('n', positive=True)
formula = (p**x[i])*((1-p)**(1-x[i]))
Likelihood_function = Product(formula, (i, 1, n))
Likelihood_function
当我想得到 Maximum_Likelihood(param, pmf) 的结果时:
param = p
pmf = formula
print(Maximum_Likelihood(param, pmf))
我得到“[]”。 我想获得应该如下所示的 p 估计量:
您能否看一下它并建议我做错了什么。 谢谢!
由于某种原因,产品的差异实际上并未评估导数,但您可以使用doit
强制评估:
In [14]: solve(Eq(diff(Product(p**x[i]*(1 - p)**(1 - x[i]), (i, 1, n)), p), 0).doit(), p)
Out[14]:
⎡ n ⎤
⎢ ___ ⎥
⎢ ╲ ⎥
⎢ ╲ ⎥
⎢ ╱ x[i]⎥
⎢ ╱ ⎥
⎢ ‾‾‾ ⎥
⎢i = 1 ⎥
⎢──────────⎥
⎣ n ⎦
这就是说p
的 MLE 估计值只是我猜测的数据的样本均值。
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.