Helfen Sie dabei, den Schülern die Punktefunktion und die Informationen des Fischers zu erklären (Intuition / Beispiele dafür anzubieten)

Nächste Woche werde ich meinen Schülern die Score-Funktion und ihre Varianz beibringen (dh: Informationen für Fischer ).

Ich suche nach Möglichkeiten, diese Konzepte zu veranschaulichen, um meinen Schülern zu helfen, sie zu verstehen (und sie nicht nur für verschiedene Verteilungen zu berechnen, was im Unterricht häufig gemacht wird).

Irgendwelche Vorschläge wären hilfreich (abgesehen davon, dass ich Links zu Was ist die Intuition hinter der Score-Funktion und der Likelihood-Score-Funktion 101 ) gibt.

— Tal Galili
quelle

Dies wurde in einem Lebenslauf-Thread hier diskutiert ... stats.stackexchange.com/questions/196576/…

— Mike Hunter

Buse, A (1982). Die Likelihood Ratio-, Wald- und Lagrange-Multiplikator-Tests: Eine Expository-Anmerkung. Der amerikanische Statistiker, 36: 3a, 153-157, ist eine ausgezeichnete Referenz mit einem großen Vorbehalt: Der Lagrange-Multiplikator-Test hätte als Raos effizienter Score-Test bezeichnet werden sollen. Ich schrieb Prof. Rao darüber, als das Papier herauskam, um ihn über meine Frustration zu informieren, dass eine falsche Terminologie verwendet wurde, und er war dankbar. Davon abgesehen ist es ein ausgezeichneter Artikel. Ich habe Ihnen eine persönliche E-Mail mit dem PDF gesendet.

Ein weiterer Artikel von Linda Pickle ist ebenfalls ausgezeichnet - Stat Comp & Stat Graphics Newsletter Nov. 1991, den ich Ihnen sende.

— Frank Harrell
quelle

Danke Frank. Ich werde sagen, die erste Referenz ist interessant. Es stützt sich auf zu viele Begriffe für die frühe Phase des Kurses (nicht alle Studenten wissen, was Hypothesentests oder CI sind). Aber ich kann es später verwenden. Am Ende habe ich mehrere Diagramme der logarithmischen Wahrscheinlichkeit der Normalverteilung (zur Schätzung von mu) mit der Tangentenlinie und für Stichproben von n = 5 und n = 100 erstellt, um die Varianz der Bewertungsfunktion zu demonstrieren ( und wie es sich auf eine kurvigere Wahrscheinlichkeit bezieht).

— Tal Galili