Vanuse ja MLE erinevused

OLS vs MLE

Püüame sageli kaduda, kui teema on seotud statistikaga. Mõne jaoks on statistikaga tegelemine nagu kohutav kogemus. Me vihkame numbreid, jooni ja graafikuid. Sellegipoolest peame kooli lõpetamiseks seisma silmitsi selle suure takistusega. Kui ei, siis oleks teie tulevik tume. Pole lootust ega valgust. Statistika edastamiseks kohtame sageli OLS-i ja MLE-d. “OLS” tähistab “tavalisi väikseimaid ruute” ja “MLE” tähendab “maksimaalse tõenäosuse hindamist”. Tavaliselt on need kaks statistilist terminit üksteisega seotud. Õppige tundma erinevusi tavaliste väikseimate ruutude ja maksimaalse tõenäosuse hinnangute vahel.

Tavalisi vähimruute ehk OLS-e võib nimetada ka lineaarseteks väikseimateks ruutudeks. See on meetod lineaarses regressioonimudelis asuvate tundmatute parameetrite ligikaudseks määramiseks. Statistiliste raamatute ja muude veebiallikate kohaselt saadakse tavalised väikseimad ruudud, minimeerides andmekogumis täheldatud vastuste ja lineaarse lähendusega ennustatud vastuste vaheliste ruutkeskmiste vahemaade summa kokku. Lihtsa valemi abil saate väljendada saadud hinnangu, eriti ühe regressori, mis asub lineaarse regressioonimudeli paremal küljel.

Näiteks on teil võrrandikomplekt, mis koosneb mitmest võrrandist, millel pole tundmatuid parameetreid. Võite kasutada tavalist väikseimate ruutude meetodit, kuna see on kõige tavapärasem lähenemisviis oma liiga kindlaksmääratud süsteemidele ligikaudse lahenduse leidmiseks. Teisisõnu, see on teie üldine lahendus võrrandi vigade ruutude summa minimeerimiseks. Andmete sobitamine võib olla teie kõige sobivam rakendus. Veebiallikad on väitnud, et andmed, mis kõige paremini sobivad tavaliste väikseimate ruutudega, minimeerivad ruutude jääkide summa. „Jääk” on „erinevus vaadeldava väärtuse ja mudeli pakutud väärtuse vahel”.

Maksimaalse tõenäosuse hinnang (MLE) on meetod, mida kasutatakse statistilise mudeli parameetrite hindamiseks ja statistilise mudeli sobitamiseks andmetega. Kui soovite leida iga korvpalluri kõrguse mõõtmise konkreetses asukohas, võite kasutada maksimaalse tõenäosuse hinnangut. Tavaliselt tekivad teil probleemid nagu kulude ja ajalised piirangud. Kui te ei saaks endale lubada kõigi korvpallurite kõrguste mõõtmist, oleks maksimaalse tõenäosuse hindamine väga mugav. Maksimaalse tõenäosuse hinnangu abil saate hinnata oma subjektide kõrguse keskmist ja variatsiooni. MLE seab parameetri keskväärtuse ja dispersiooni konkreetse mudeli parameetriliste väärtuste määramisel.

Kokkuvõtteks võib öelda, et maksimaalse tõenäosuse hinnang hõlmab parameetrite kogumit, mida saab kasutada normaaljaotuses vajalike andmete ennustamiseks. Antud, fikseeritud andmete kogum ja selle tõenäosusmudel annaksid tõenäoliselt ennustatud andmed. MLE annaks meile hinnangu andmisel ühtse lähenemisviisi. Kuid mõnel juhul ei saa me tuvastatud vigade tõttu kasutada maksimaalse tõenäosuse hinnangut või kui probleemi tegelikult ei eksisteeri tegelikult.

Kui soovite lisateavet OLS-i ja MLE-i kohta, leiate lisateavet statistikaraamatutest. Online entsüklopeedia veebisaidid on ka head lisateabe allikad.

Kokkuvõte:

1. “OLS” tähistab “tavalisi väikseimaid ruute” ja “MLE” tähendab “maksimaalse tõenäosuse hindamist”.

2. Tavalisi vähimruute ehk OLS-e võib nimetada ka lineaarseteks väikseimateks ruutudeks. See on meetod lineaarses regressioonimudelis asuvate tundmatute parameetrite ligikaudseks määramiseks.

3. Maksimaalse tõenäosuse hinnang (MLE) on meetod, mida kasutatakse statistilise mudeli parameetrite hindamiseks ja statistilise mudeli sobitamiseks andmetega.