भक्ति एक GLM अवधारणा है, ज़िप और ZINB मॉडल glms नहीं हैं, लेकिन वितरण के महीन मिश्रण के रूप में तैयार किए गए हैं जो GLM हैं और इसलिए इन्हें EM एल्गोरिथ्म के माध्यम से आसानी से हल किया जा सकता है।
ये नोट्स संक्षेप में सिद्धांत के विचलन का वर्णन करते हैं। यदि आप उन नोट्स को पढ़ते हैं, तो आप इस प्रमाण को देखेंगे कि पॉइसन प्रतिगमन के लिए संतृप्त मॉडल में लॉग-लाइबिलिटी है
ℓ ( λरों) = ∑i = 1 , ∀ yमैं≠ 0n[ यमैंएल ओ जी( yमैं) - वाईमैं- एल ओ जी( yमैं! ) ]
प्लग में अनुमान से जो परिणाम ।yमैं= λ^मैं
मैं अब जिप संभावना के साथ आगे बढ़ूंगा क्योंकि गणित सरल है, इसी तरह के परिणाम ZINB के लिए हैं। दुर्भाग्य से जिप के लिए, पोइसन में कोई सरल रिश्ता नहीं है। वें टिप्पणियों लॉग-संभावना हैमैं
ℓमैं( Φ , λ ) = जेडमैंएल ओ जी( Φ + ( 1 - φ ) ई- λ) + ( 1 - जेडमैं) [ - λ + yमैंएल ओ जी( λ ) - एल ओ जी( yमैं! ) ] ।
ऐसा नहीं मनाया जाता है यह आप दोनों wrt आंशिक डेरिवेटिव पूरे करने होंगे हल करने के लिए λ और φ , 0 करने के लिए समीकरण सेट और फिर के लिए हल λ और φ । कठिनाई यहाँ हैं y मैं = 0 मान को एक में जा सकते हैं λ या एक में φ और यह देख कर के बिना संभव नहीं है जेड मैं जो डाल करने के लिए y मैं = 0 में टिप्पणियों। हालांकि, अगर हम जेड i जानते थेजेडमैंλφλφyमैं= 0λ^φ^Ziyi=0Ziमूल्य हमें एक ज़िप मॉडल की आवश्यकता नहीं होगी क्योंकि हमारे पास कोई लापता डेटा नहीं होगा। मनाया गया डेटा EM औपचारिकता में "पूर्ण डेटा" संभावना से मेल खाता है।
एक दृष्टिकोण है कि उचित हो सकता है उम्मीद wrt के साथ काम करने के लिए है पूरा डेटा लॉग-संभावना की, ई ( ℓ मैं ( φ , λ ) ) जो को हटा जेड मैं और एक उम्मीद के साथ की जगह ली, यह क्या का हिस्सा है ईएम एल्गोरिथ्म सबसे हाल के अपडेट के साथ गणना करता है (ई चरण)। मैं किसी भी साहित्य से अनभिज्ञ हूँ जिसने इस दृष्टिकोण का अध्ययन ई एक्स पी ई सी टी ई डी डिविजन के लिए किया है।ZiE(ℓi(ϕ,λ))Ziexpected
साथ ही, यह प्रश्न पहले पूछा गया था इसलिए मैंने इस पोस्ट का उत्तर दिया। हालांकि, गॉर्डन स्मिथ द्वारा एक अच्छी टिप्पणी के साथ एक ही विषय पर एक और सवाल है:
शून्य-फुलाए गए यौगिक पॉइसन मॉडल के लिए अवमूल्यन, निरंतर डेटा (आर)
जहां उन्होंने एक ही प्रतिक्रिया का उल्लेख किया (यह उस टिप्पणी का विस्तार है। कहते हैं) साथ ही उन्होंने टिप्पणी में उल्लेख किया है कि एक अन्य पोस्ट जो आप पढ़ना चाहते हैं। (अस्वीकरण, मैंने संदर्भित कागज को नहीं पढ़ा है)