経験尤度 emplike

はじめに

経験尤度は、基底となる分布の族を指定する義務をなくす、ノンパラメトリック推論と推定の方法です。さらに、経験尤度法はリサンプリングを必要とせず、データの形状を反映した信頼領域を一意に決定します。本質的に、経験尤度は、パラメトリック法とノンパラメトリック法の利点を組み合わせ、それらの欠点を制限しようとします。経験尤度の主な難点は、推論を行うために必要な計算集約的な方法です。 statsmodels.emplike は、エンドユーザーが計算の負担を気にすることなく、効果的に経験尤度分析を実行できるユーザーフレンドリーなインターフェースを提供しようとします。

現在、emplike は、記述統計量の仮説検定と信頼区間の形成を行うためのメソッドを提供しています。回帰、加速故障時間、操作変数モデルにおける経験尤度推定と推論は現在開発中です。

参考文献

経験尤度の主な参考文献は次のとおりです。

Owen, A.B. "Empirical Likelihood." Chapman and Hall, 2001.

例

In [1]: import numpy as np

In [2]: import statsmodels.api as sm

# Generate Data
In [3]: x = np.random.standard_normal(50)

# initiate EL
In [4]: el = sm.emplike.DescStat(x)

# confidence interval for the mean
In [5]: el.ci_mean()
Out[5]: (np.float64(-0.41381233976932935), np.float64(0.17832950793252264))

# test variance is 1
In [6]: el.test_var(1)
Out[6]: (np.float64(0.4011820793780665), np.float64(0.5264794125102568))

モジュールリファレンス

descriptive.DescStat(endog)

経験尤度を用いて記述統計量の推論を行うためのインスタンスを返します。

descriptive.DescStatUV(endog)

1 変量確率変数の平均、分散、尖度、歪度に関する信頼区間と仮説検定を計算するためのクラスです。

descriptive.DescStatMV(endog)

多変量平均と相関の推論を行うためのクラスです。
最終更新日: 2024年10月3日