簡體   English   中英

查找對數似然函數的二階導數

[英]Find the second derivative of a log likelihood function

我感興趣的是找到關於我的所有m個預測變量的對數回歸函數的對數似然函數的二階導數的值。

2 L/ j 2 values where j goes from 1 to m. 基本上我想使米的矢量2 L 值,其中j變為從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. 相信所述第二導數應該-ΣI = 1分 圖2(e + E 和我想它在R.我做了啞代碼當試圖對其進行編碼,並且想知道是否可以使用某種類型的sapply函數來更輕松地實現它。

這是我嘗試過的代碼(我知道for循環中的總和實際上並沒有做任何事情,因此我不確定如何對這些值求和)。

  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只是由組成的向量。

我在數學上很朦朧(很難閱讀乳膠),但純粹在編程方面,如果logit是一個索引為i = 1,...,n和x.centernxm矩陣:

for (j in 1:m)
   dt.l[j] <- -sum( x.center[,j]^2 * exp(logit)/(1+exp(logit))^2 )

sum超過i

如果要“向量化”,則可以利用以下事實:如果您進行matrix * vector (您的x.center * exp(logit)/... ),這在R中按列進行,這很適合你的方程式:

-colSums(x.center^2 * exp(logit)/(1+exp(logit))^2)

值得一提的是,盡管后者是“ slicker”,但我經常會使用顯式循環(與第一個示例一樣),純粹是為了提高可讀性。 要不然我回來的時候在一個月的時間里,我得到了我非常困惑i S和j S和什么是被求和時。

暫無
暫無

聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.

 
粵ICP備18138465號  © 2020-2024 STACKOOM.COM