全部版块 我的主页
论坛 数据科学与人工智能 数据分析与数据科学 MATLAB等数学软件专版
1680 2
2015-10-24
function f=my_numerical_derivative(fun,parameter,varargin)
n=length(parameter);
for i=1:n
    a=zeros(n,1);
    a(i)=max(parameter(i)*1e-6,1e-6);
    y1(:,i)=feval(fun,parameter+a,varargin{:});
    y2(:,i)=feval(fun,[arameter-a,varargin{:});
    f(:,i)=(y1(:,i)-y2(:,i))/2/a(i)
end
然后就是用于
d=my_numerical_deviative(fun,para,1,varargin{:});
standard_deviative=sqrt(diag(pinv(d'*d)))
这是摘录与曹广志的《金融计算与编程—基于matlab的应用》一文中P160的最大似然估计那段,前面那一段是用于数值方法来计算导数,然后用于标准偏差的计算,但是不明白是什么原理,请教一下大神!能给讲解一下吗?
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2015-10-27 15:20:50
没有人帮忙回答一下吗
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2015-10-29 17:58:46
因此,根据( 6. 3 )式来求解极大似然估计量
I(x) is the Fisher Information Matrix
inv[I(x)] is the variance matrix ...here 用于数值方法来计算导数
sqrt(inv(I(x)) = std. dev

The Cramér–Rao bound states that the inverse of the Fisher information is a lower bound on the variance of any unbiased estimator of θ.
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群