Perbezaan Antara OLS dan MLE

OLS vs MLE

Kami sering cuba menghilang apabila topik itu mengenai statistik. Bagi sesetengah orang, berurusan dengan statistik adalah seperti pengalaman yang menakutkan. Kami membenci nombor, garisan, dan graf. Walau bagaimanapun, kita perlu menghadapi halangan yang besar ini untuk menyelesaikan persekolahan. Jika tidak, masa depan anda akan menjadi gelap. Tiada harapan dan tiada cahaya. Untuk dapat lulus statistik, kita sering bertemu OLS dan MLE. "OLS" bermaksud "dataran paling kecil" manakala "MLE" bermaksud "anggaran maksimum kemungkinan." Biasanya, kedua-dua istilah statistik ini berkaitan dengan satu sama lain. Mari belajar tentang perbezaan di antara kuadrat biasa dan anggaran kemungkinan maksimum.

Kuadrat paling biasa, atau OLS, juga boleh dipanggil kuadrat paling tidak linear. Ini adalah kaedah untuk menentukan parameter yang tidak diketahui yang terletak dalam model regresi linear. Menurut buku statistik dan sumber dalam talian lain, kuadrat paling tidak biasa diperoleh dengan meminimumkan jarak kuantiti tegak antara respon yang diperhatikan dalam dataset dan tanggapan yang diramalkan oleh penghampiran linear. Melalui formula mudah, anda boleh menyatakan estimator yang terhasil, terutama regresi tunggal, terletak di sebelah kanan model regresi linier.

Sebagai contoh, anda mempunyai satu set persamaan yang terdiri daripada beberapa persamaan yang mempunyai parameter yang tidak diketahui. Anda boleh menggunakan kaedah kuadrat biasa paling sedikit kerana ini adalah pendekatan yang paling standard dalam mencari penyelesaian anggaran untuk sistem anda yang terlalu ditentukan. Dengan kata lain, ia adalah penyelesaian keseluruhan anda dalam meminimumkan jumlah kuadrat kesilapan dalam persamaan anda. Pemasangan data boleh menjadi aplikasi paling sesuai anda. Sumber-sumber dalam talian telah menyatakan bahawa data yang paling sesuai dengan datum paling tidak biasa meminimumkan jumlah sisa kuasa dua. "Sisa" ialah "perbezaan antara nilai diperhatikan dan nilai yang dipasang oleh model."

Anggaran kemungkinan maksimum, atau MLE, adalah kaedah yang digunakan untuk menganggar parameter model statistik, dan untuk menyesuaikan model statistik kepada data. Jika anda ingin mencari pengukuran ketinggian setiap pemain bola keranjang di lokasi tertentu, anda boleh menggunakan anggaran kemungkinan maksimum. Biasanya, anda akan menghadapi masalah seperti kos dan kekangan masa. Jika anda tidak mampu untuk mengukur semua pemain bola keranjang ', anggaran maksimum kemungkinan akan sangat berguna. Dengan menggunakan anggaran kemungkinan maksimum, anda boleh menganggarkan min dan varians ketinggian subjek anda. MLE akan menetapkan min dan varians sebagai parameter dalam menentukan nilai parametrik tertentu dalam model tertentu.

Untuk menyimpulkannya, anggaran kemungkinan maksimum meliputi satu set parameter yang boleh digunakan untuk meramalkan data yang diperlukan dalam taburan normal. Satu set data tetap dan model kebarangkalian mungkin menghasilkan data yang diramalkan. MLE akan memberi kita satu pendekatan bersatu ketika datang kepada anggaran. Tetapi dalam beberapa kes, kita tidak boleh menggunakan anggaran kemungkinan maksimum kerana kesilapan yang diiktiraf atau masalah sebenarnya tidak wujud dalam realiti.

Untuk maklumat lanjut mengenai OLS dan MLE, anda boleh merujuk kepada buku statistik untuk lebih banyak contoh. Tapak web ensiklopedia dalam talian juga merupakan sumber maklumat tambahan yang baik.

Ringkasan:

1. "OLS" bermaksud "dataran paling kecil" manakala "MLE" bermaksud "anggaran maksimum kemungkinan."

2. Kuadrat paling biasa, atau OLS, juga boleh dipanggil kuadrat paling tidak linear. Ini adalah kaedah untuk menentukan parameter yang tidak diketahui yang terletak dalam model regresi linear.

3. Anggaran kemungkinan maksimum, atau MLE, adalah kaedah yang digunakan dalam menganggar parameter model statistik dan untuk menyesuaikan model statistik ke data.