maximum likelihood estimate oor Fins

maximum likelihood estimate

Vertalings in die woordeboek Engels - Fins

SU-estimaatti

suurimman uskottavuuden estimaatti

Soortgelyke frases

maximum likelihood estimation
Suurimman uskottavuuden estimointi

voorbeelde

But are these the maximum likelihood estimates?
Mutta ovatko nämä suurimman uskottavuuden estimaatit?

Maximum likelihood estimation can also be used.
Myös probabilististä lukuteoriaa käytetään paljon.

Maximum likelihood estimation - Wikipedia, the free encyclopedia
Suurimman uskottavuuden estimointi – Wikipedia

There are several possible ways, but the one we’ll use here is maximum likelihood estimation (MLE).
Mahdollisia tapoja on useita, mutta tässä käytämme suurimman uskottavuuden estimointia.

Maximum likelihood estimation - Wikipedia Maximum likelihood estimation From Wikipedia, the free encyclopedia
Suurimman uskottavuuden estimointi – Wikipedia Suurimman uskottavuuden estimointi Kohteesta Wikipedia

In statistics, maximum likelihood estimation (MLE) is a method of estimating the parameters of a statistical model given data.
Suurimman uskottavuuden estimointi on tilastotieteellinen menetelmä, jota käytetään tilastollisen mallin parametrien estimointiin.

In recent projects, I have applied algebraic geometry to low-rank tensor completion and maximum likelihood estimation for evolutionary models.
Olen viimeaikaisissa hankkeissa soveltanut algebrallista geometriaa matala-asteisten tensorien täydentämiseen sekä evoluutiomallien suurimman todennäköisyyden arviointiin.

The theory of the method requires the exact global solution to the highdimensional optimization problem in order to determine the maximum likelihood estimate.
Menetelmän teoria edellyttää tämän suuridimensioisen optimointiongelman ratkaisemisen, jotta löydettäisiin suurimman uskottavuuden estimaatti.

Survey responses are analyzed by conducting multinomial regression analysis, which output a cell probability for each dependent variables in terms of factor parameters using maximum likelihood estimation.
Kyselytutkimuksen vastauksia analysoidaan regressioanalyysin (multinomial logistic regression) avulla, joka tuottaa solutodennäköisyyksiä jokaiselle muuttujalle käyttäen maksimoitua todennäköisyysestimaattia.

Maximum likelihood estimation is an optimization problem and I am especially interested in finding the correct solution with a guarantee of correctness, which standard numerical methods usually cannot provide.
Suurimman uskottavuuden estimoinnissa on kyse optimointiongelmasta, ja olen erityisen kiinnostunut löytämään oikean, tulosten oikeellisuuden takaavan ratkaisun, jota perinteiset numeeriset menetelmät eivät yleensä voi tarjota.

The most time consuming phase in the implementation of the method is the maximum likelihood estimation of the model parameters that describe the tissue properties. Numerical optimization algorithms have to be utilized to carry out this estimation.
Merkittävin laskenta-aikaa kuluttava vaihe menetelmän toteutuksessa on kudoksen ominaisuuksia kuvaavien mallin parametrien suurimman uskottavuuden estimointi, joka joudutaan suorittamaan numeerisella optimointialgoritmilla.

Another important discovery is about the behavior of the parameter estimates during the optimization procedure. The discovery allows huge computational savings as optimization can be interrupted even before reaching the maximum likelihood estimate without causing any meaningful error.
Toinen merkittävä havainto koskee parametriestimaattien käyttäytymistä optimoinnin edetessä. Havainto mahdollistaa merkittäviä laskenta-ajallisia säästöjä, kun optimointi voidaan keskeyttää jo ennen suurimman uskottavuuden estimaatin saavuttamista ilman, että tuloksiin muodostuu merkittävää virhettä. /Kir11

From a theoretic perspective, we study the WLS problem and establish the optimality through the relationship with a Maximum Likelihood (ML) estimator.
Väitöskirjassa tutkitaan WLS ongelmaa teoreettisesti ja osoitetaan sen optimaalisuus todeksi tarkastelemalla sen suhdetta suurimman todennäköisyyden (ML) estimaattoriin.

In this thesis we show how to obtain maximum likelihood and maximum a posteriori estimates for the static parameters.
Tässä diplomityössä näytämme, kuinka staattisia parametrejä voidaan estimoida suurimman uskottavuuden estimaattorilla tai posteriorijakauman maksimoivalla estimaattorilla.

Estimation methods tested were unsupervised classification, maximum likelihood method, mixed model and linear regression model.
Määritysmenetelminä testattiin ohjaamatonta luokitusta, Maximum likelihood –luokitusta sekä sekamallitekniikkaa ja lineaarista regressiomallia.