Különbségek OLS és MLE között Különbség
OLS vs MLE
Gyakran próbáljuk eltűnni, amikor a téma a statisztikákról szól. Egyesek számára a statisztikákkal való foglalkozás olyan, mint egy félelmetes élmény. Utáljuk a számokat, a vonalakat és a grafikonokat. Mindazonáltal ennek a nagy akadálynak kell szembesülnünk az iskolázás befejezése érdekében. Ha nem, a jövője sötét lenne. Nincs remény és nincs fény. A statisztikák átadásához gyakran találkozunk az OLS-szel és az MLE-vel. "OLS" jelentése "rendes legkisebb négyzetek", míg az "MLE" a "maximális valószínűségbecslés" kifejezést jelenti. "Általában ez a két statisztikai kifejezés kapcsolódik egymáshoz. Ismerjük meg a közönséges legkisebb négyzetek és a maximális valószínűségi becslések közötti különbségeket.
A rendes legkisebb négyzetek, vagy OLS, lineáris legkisebb négyzeteknek is nevezhetők. Ez egy módszer a lineáris regressziós modellben található ismeretlen paraméterek meghatározására. A statisztikák és más online források könyvei szerint a rendes legegyszerűbb négyzetek a minimálisra csökkentve az adatkészleten belüli megfigyelt válaszok és a lineáris közelítés által előre jelzett válaszok közötti négyzetes függőleges távolságok számát. Egy egyszerű képlet segítségével kifejezheti az eredményül kapott becslést, különösen a lineáris regressziós modell jobb oldalán található egy regresszort.
Például van olyan egyenletegyüttes, amely több olyan egyenletből áll, amelyek ismeretlen paraméterekkel rendelkeznek. Használhatja a szokásos legkisebb négyzetek módszert, mert ez a legelterjedtebb megközelítés a közeledő megoldás megtalálásához túlságosan meghatározott rendszereihez. Más szóval, az Ön átfogó megoldása az egyenletben lévő hibák négyzetének összegének minimalizálása. Az adatbeillesztés lehet a legalkalmasabb alkalmazás. Az online források szerint a legkisebb négyzetekhez legjobban illő adatok minimalizálják a négyzetmaradványok összegét. A "maradék" a "megfigyelt érték és a modell által biztosított érték közötti különbség". „
A maximális valószínűségbecslés (MLE) a statisztikai modell paramétereinek becslésénél alkalmazott módszer, valamint statisztikai modellnek az adatokhoz való hozzáigazítása. Ha minden kosárlabda játékos magasságmérését szeretné megtalálni egy adott helyszínen, használhatja a maximális valószínőség becslését. Normális esetben olyan problémákkal találkozhatsz, mint a költségek és az időbeli korlátok. Ha nem tudná megmérni a kosárlabda játékosainak magasságát, akkor a maximális valószínűségbecslés nagyon hasznos lenne. A maximális valószínőség becslése alapján becsülheti az alanyok magasságának átlagát és varianciáját. Az MLE az átlagot és a varianciát paraméterként határozta meg az adott modell specifikus paramétereinek meghatározásakor.
Összefoglalva, a maximális valószínűségbecslés olyan paraméterekből áll, amelyek a normál eloszláshoz szükséges adatok előrejelzéséhez használhatók. Egy adott, rögzített adatkészlet és valószínűségi modellje valószínűleg előállítaná az előre jelzett adatokat. Az MLE egységes megközelítést biztosítana számunkra a becslés során. Bizonyos esetekben azonban nem használhatjuk a maximális valószínűségbecslést az ismert hibák miatt, vagy a probléma valójában nem is létezik a valóságban.
Az OLS-re és az MLE-re vonatkozó további információkért további statisztikai könyvek olvashatók. Online enciklopédia A weboldalak további információk jó forrásai.
Összefoglaló:
-
"OLS" jelentése "rendes legkisebb négyzetek", míg az "MLE" a "maximális valószínűségbecslés" kifejezést jelenti. "
-
Az egyszerű legkisebb négyzetek, vagy OLS, lineáris legkisebb négyzeteknek is nevezhetők. Ez egy módszer a lineáris regressziós modellben található ismeretlen paraméterek meghatározására.
-
A maximális valószínűségbecslés (MLE) a statisztikai modell paramétereinek becsléséhez és a statisztikai modell adathoz való hozzáigazításának módszere.