Qiita Teams that are logged in
You are not logged in to any team

Log in to Qiita Team
Community
OrganizationEventAdvent CalendarQiitadon (β)
Service
Qiita JobsQiita ZineQiita Blog
1
Help us understand the problem. What are the problem?

More than 5 years have passed since last update.

@hiro-tnk

『はじめてのパターン認識』章末問題 4.3 解答

テキストに載っている模範解答には下記の3点の問題があるように思います.
1. 微分可能でない点がある関数 $\mathcal{L}(s)=\sum_{i=1}^{N} \left|s-x_i\right|$ を微分している.
2. 微分可能でない点が最小値を取りうるか検証していない.
3. 微分係数が0になるような点が存在するか検証していない.

そのため, これを解消する自分なりの解答を作ってみます. なお, 以下では $\lceil x \rceil$ は $x$ 以上の最大の整数, $\lfloor x \rfloor$ は $x$ 以下の最大の整数を表すものとします.


$\varepsilon_i=x_i-s$ がラプラス分布に従うことから, $x_i$ の分布関数について

f(x_i-s)=(\alpha/2)\exp\left(-\alpha\left|x_i-s\right|\right)

が成り立つ. よって尤度関数は

L(s)=\prod_{i=1}^N (\alpha/2)\exp\left(-\alpha\left|x_i-s\right|\right)\\
\propto \exp \left(-\sum_{i=1}^N\left|s-x_i\right|\right)

よって尤度関数を最大化するためには連続関数 $\mathcal{L}(s)=\sum_{i=1}^{N} \left|s-x_i\right|$ を最小化すればよい.

$x_i$ が小さい順に並んでいるとしても一般性を失わない. また, $x_0=-\infty, x_{N+1}=\infty$ としておく. このとき, $x_k<s<x_{k+1}$ であれば,

\mathcal{L}(s)=\sum_{i=1}^k (s-x_i)-\sum_{i=k+1}^{N}(s-x_i)\\
=(2k-N)s-\sum_{i=1}^{k}x_i+\sum_{i=k+1}^{N}x_i

ここで,

2k-N<0 \Leftrightarrow k<\frac{N}{2} \Leftrightarrow
 k+1\leq\left\lceil\frac{N}{2}\right\rceil \Leftrightarrow
 s < x_{\left\lceil N/2 \right\rceil}, \\
2k-N>0 \Leftrightarrow k>\frac{N}{2} \Leftrightarrow
 k \geq \left\lfloor\frac{N}{2}\right\rfloor+1
\Leftrightarrow s>x_{\lfloor N/2 \rfloor+1}

よって $\mathcal{L}(s)$ は, $s < x_{\lceil N/2 \rceil}$ のとき減少関数, $s > x_{\lfloor N/2 \rfloor+1}$ のとき増加関数になり逆も成り立つ. ゆえに, $\mathcal{L}(s)$ を最小化する $s$ は

x_{\lceil N/2\rceil} \leq s \leq x_{\lfloor N/2 \rfloor+1}

を満たす $s$ であり, これが $s$ の最尤推定量である.


特に $x_i$ の中央値は最尤推定量のなす区間に含まれるほか, $N$ が奇数のときは最尤推定量は中央値ただひとつしかありません.

Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
1
Help us understand the problem. What are the problem?