Forskelle mellem OLS og MLE

OLS vs MLE

Vi forsøger ofte at forsvinde, når emnet handler om statistik. For nogle er det at arbejde med statistik som en skræmmende oplevelse. Vi hader tallene, linjerne og graferne. Ikke desto mindre er vi nødt til at møde denne store hindring for at afslutte skolegang. Hvis ikke, ville din fremtid være mørk. Intet håb og intet lys. For at kunne videregive statistik støder vi ofte på OLS og MLE. "OLS" står for "almindelige mindstekvadrater", mens "MLE" står for "estimering af maksimal sandsynlighed." Normalt er disse to statistiske udtryk relateret til hinanden. Lad os lære om forskellene mellem almindelige mindstekvadrater og maksimale sandsynlighedsestimater.

De almindelige mindste firkanter, eller OLS, kan også kaldes de lineære mindste firkanter. Dette er en metode til omtrent at bestemme de ukendte parametre placeret i en lineær regressionsmodel. I henhold til statistiske bøger og andre onlinekilder opnås de almindelige mindste firkanter ved at minimere det samlede antal firkantede lodrette afstande mellem de observerede svar i datasættet og de svar, der er forudsagt af den lineære tilnærmelse. Gennem en simpel formel kan du udtrykke den resulterende estimator, især den enkelte regressor, placeret på højre side af den lineære regressionsmodel.

For eksempel har du et sæt ligninger, der består af flere ligninger, der har ukendte parametre. Du kan bruge den almindelige mindste kvadratmetode, fordi dette er den mest almindelige tilgang til at finde den omtrentlige løsning til dine alt for bestemte systemer. Med andre ord er det din overordnede løsning ved at minimere summen af ​​kvadraterne af fejl i din ligning. Datatilpasning kan være din mest velegnede applikation. Onlinekilder har oplyst, at de data, der bedst passer til de almindelige mindste firkanter, minimerer summen af ​​kvadratiske rester. "Rest" er "forskellen mellem en observeret værdi og den monterede værdi leveret af en model."

Maksimal sandsynlighedsestimering eller MLE er en metode, der bruges til at estimere parametrene for en statistisk model, og til at tilpasse en statistisk model til data. Hvis du vil finde højdemålingen for hver basketballspiller på et bestemt sted, kan du bruge den mest sandsynlige estimering. Normalt vil du støde på problemer som omkostnings- og tidsbegrænsninger. Hvis du ikke havde råd til at måle alle basketballspillerens højder, ville den maksimale sandsynlighedsestimering være meget praktisk. Ved hjælp af den maksimale sandsynlighedsestimering kan du estimere gennemsnittet og variansen for højden på dine motiver. MLE ville indstille middelværdien og variansen som parametre til bestemmelse af de specifikke parametriske værdier i en given model.

For at opsummere det dækker den maksimale sandsynlighedsestimering et sæt parametre, der kan bruges til at forudsige de nødvendige data i en normal fordeling. Et givet, fast datasæt og dets sandsynlighedsmodel vil sandsynligvis producere de forudsagte data. MLE ville give os en samlet tilgang, når det kommer til skøn. Men i nogle tilfælde kan vi ikke bruge den mest sandsynlige estimering på grund af anerkendte fejl, eller problemet eksisterer faktisk ikke engang i virkeligheden.

For mere information om OLS og MLE, kan du henvise til statistiske bøger for flere eksempler. Online encyklopædi-websteder er også gode kilder til yderligere information.

Resumé:

  1. "OLS" står for "almindelige mindstekvadrater", mens "MLE" står for "estimering af maksimal sandsynlighed."

  2. De almindelige mindste firkanter, eller OLS, kan også kaldes de lineære mindste firkanter. Dette er en metode til omtrent at bestemme de ukendte parametre placeret i en lineær regressionsmodel.

  3. Maksimal sandsynlighedsestimering, eller MLE, er en metode, der bruges til at estimere parametrene for en statistisk model og til at tilpasse en statistisk model til data.