Відмінності між OLS та MLE

OLS проти MLE

Ми часто намагаємося зникнути, коли тема стосується статистики. Для деяких стосунки зі статистикою - це як жахливий досвід. Ми ненавидимо числа, рядки та графіки. Тим не менш, нам потрібно зіткнутися з цією великою перешкодою, щоб закінчити навчання в школі. Якби ні, ваше майбутнє було б темним. Ні надії, ні світла. Щоб передати статистику, ми часто стикаємося з OLS та MLE. "OLS" означає "звичайні найменші квадрати", тоді як "MLE" означає "максимальну оцінку ймовірності". Зазвичай ці два статистичні терміни пов'язані один з одним. Давайте дізнаємось про відмінності між звичайними найменшими квадратами та максимальними оцінками ймовірності.

Звичайні найменші квадрати, або OLS, також можна назвати лінійними найменшими квадратами. Це метод приблизно визначення невідомих параметрів, розташованих у лінійній регресійній моделі. Згідно з книгами статистики та іншими джерелами в Інтернеті, звичайні найменші квадрати отримують шляхом мінімізації загальної площі вертикальних відстаней між спостережуваними реакціями в межах набору даних та відповідями, передбаченими лінійним наближенням. За допомогою простої формули ви можете виразити отриманий оцінювач, особливо єдиний регресор, розташований з правого боку лінійної регресійної моделі.

Наприклад, у вас є набір рівнянь, який складається з декількох рівнянь, які мають невідомі параметри. Ви можете скористатися звичайним методом найменших квадратів, оскільки це найбільш стандартний підхід у пошуку приблизного рішення для ваших надмірно визначених систем. Іншими словами, це ваше загальне рішення щодо мінімізації суми квадратів помилок у вашому рівнянні. Встановлення даних може стати вашим найбільш підходящим додатком. Інтернет-джерела заявили, що дані, які найкраще відповідають звичайним найменшим квадратам, мінімізують суму залишків у квадраті. "Залишковий" - це "різниця між спостережуваною величиною та встановленим значенням, що надається моделлю".

Максимальна оцінка ймовірності або MLE - це метод, що використовується для оцінки параметрів статистичної моделі та для пристосування статистичної моделі до даних. Якщо ви хочете знайти вимірювання висоти кожного баскетболіста в певному місці, ви можете використовувати максимальну оцінку ймовірності. Зазвичай у вас виникнуть такі проблеми, як обмеження витрат і часу. Якби ви не могли дозволити собі виміряти висоту всіх баскетболістів, максимальна оцінка ймовірності була б дуже зручною. Використовуючи максимальну оцінку ймовірності, ви можете оцінити середню і різницю висоти випробовуваних. MLE встановлює середнє значення та дисперсію в якості параметрів для визначення конкретних значень параметрів у даній моделі.

Підсумовуючи це, оцінка максимальної вірогідності охоплює набір параметрів, які можна використовувати для прогнозування даних, необхідних для нормального розподілу. Даний, фіксований набір даних та його імовірнісна модель, ймовірно, створюють прогнозовані дані. MLE дасть нам єдиний підхід, коли мова йде про оцінку. Але в деяких випадках ми не можемо використовувати максимальну оцінку ймовірності через визнані помилки або проблема насправді навіть не існує в дійсності.

Для отримання додаткової інформації щодо OLS та MLE, ви можете отримати додаткові приклади в статистичних книгах. Інтернет-енциклопедія Веб-сайти також є хорошими джерелами додаткової інформації.

Підсумок:

1. "OLS" означає "звичайні найменші квадрати", тоді як "MLE" означає "максимальну оцінку ймовірності".

2. Звичайні найменші квадрати, або OLS, також можна назвати лінійними найменшими квадратами. Це метод приблизно визначення невідомих параметрів, розташованих у лінійній регресійній моделі.

3. Максимальна оцінка ймовірності, або MLE, - це метод, що використовується для оцінки параметрів статистичної моделі та для пристосування статистичної моделі до даних.