経験的尤度 emplike¶

導入¶

経験的尤度は、基礎となる分布のファミリーを指定する義務を軽減するノンパラメトリック推論および推定の方法です。さらに、経験的尤度法は再サンプリングを必要とせず、データの形状を反映した形状の信頼領域を一意に決定します。本質的に、経験的尤度は、パラメトリック手法とノンパラメトリック手法の欠点を制限しながら、その利点を組み合わせようとします。経験的尤度の主な問題点は、推論を行うために大量の計算を必要とする方法が必要なことです。 statsmodels.emplike は、エンド ユーザーが計算上の負担を気にすることなく、効果的に経験的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イスを提供することを目指しています。

現在、 emplike では仮説検定を実施し、記述統計の信頼区間を形成する方法を提供しています。経験的尤度推定と回帰推論、加速故障時間、操作変数モデルは現在開発中です。

参考文献¶

経験的尤度に関する主な参考資料は次のとおりです:

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(-0.44103320854118755), np.float64(0.059112877222692074))

# test variance is 1
In [6]: el.test_var(1)
Out[6]: (np.float64(1.5172923300397616), np.float64(0.21802970470670013))

モジュールリファレンス¶