OLS ve MLE arasındaki farklar

OLS vs MLE

Konu istatistiklerle ilgili olduğunda genellikle kaybolmaya çalışıyoruz. Bazıları için, istatistiklerle uğraşmak korkunç bir deneyim gibidir. Rakamlardan, çizgilerden ve grafiklerden nefret ediyoruz. Bununla birlikte, okulu bitirmek için bu büyük engelle yüzleşmeliyiz. Değilse, geleceğin karanlık olurdu. Umut yok ve ışık yok. İstatistik geçirebilmek için genellikle OLS ve MLE ile karşılaşırız. "OLS", "en sıradan en küçük kareler" ibaresini alırken "MLE", "maksimum olasılık tahmini" anlamına gelir. "Genellikle, bu iki istatistiksel terim birbiriyle ilişkilidir. Sıradan en küçük kareler ile maksimum olasılık tahminleri arasındaki farkları öğrenelim.

Olağan en küçük kareler (OLS) doğrusal en küçük kareler olarak da adlandırılabilir. Bu, lineer bir regresyon modelinde bulunan bilinmeyen parametreleri yaklaşık olarak belirlemek için kullanılan bir yöntemdir. İstatistik kitaplarına ve diğer çevrimiçi kaynaklara göre sıradan en küçük kareler, veri kümesindeki gözlemlenen yanıtlar ile doğrusal yaklaşıklama tarafından tahmin edilen yanıtlar arasındaki karelerin toplam dikey uzaklıklarının toplamını en aza indirgeyerek elde edilir. Basit bir formülle, doğrusal regresyon modelinin sağ tarafında bulunan, özellikle de tek regresör olan sonuç kestiricisini ifade edebilirsiniz.

Örneğin bilinmeyen parametreleri olan birkaç denklemden oluşan bir denklem grubunuz var. Aşırı belirlenmiş sistemlere yaklaşık çözüm bulmada en standart yaklaşım olan sıradan en küçük kareler yöntemini kullanabilirsiniz. Diğer bir deyişle, denklemdeki hataların karelerinin toplamını en aza indirgemenin genel çözümü. Veri uydurma en uygun uygulama olabilir. Çevrimiçi kaynaklar sıradan en küçük karelere en uygun verilerin kareli artıkların toplamını en aza indirdiği belirtti. "Rezidüel", "gözlemlenen bir değer ile bir modelin sağladığı uygun değer arasındaki farktır. “

Maksimum olasılık kestirimi veya MLE, bir istatistiksel modelin parametrelerini tahmin etmede ve istatistiksel bir modelin verilere uyumu için kullanılan bir yöntemdir. Belirli bir yerde her basketbolcunun yükseklik ölçümü bulmak isterseniz, maksimum olasılık tahminini kullanabilirsiniz. Normalde maliyet ve zaman kısıtlamaları gibi sorunlarla karşılaşırsınız. Tüm basketbol oyuncularının yüksekliklerini ölçmeyi göze alamazsanız, maksimum olasılık tahmini çok kullanışlı olacaktır. Maksimum olasılık tahmini kullanarak, konularınızın yüksekliğinin ortalama ve varyansını tahmin edebilirsiniz. MLE belirli bir modelde spesifik parametrik değerleri belirlerken ortalama ve varyansı parametreler olarak ayarlar.

Özetlemek gerekirse, maksimum olasılık tahmini, normal dağılıma ihtiyaç duyulan verileri tahmin etmek için kullanılabilecek bir parametreler setini kapsar. Verilen, sabit bir veri kümesi ve olasılık modeli tahmin edilen verileri muhtemelen üretir. MLE bize tahmin için birleşik bir yaklaşım vereceğim. Fakat bazı durumlarda, kabul edilen hatalar nedeniyle maksimum olasılık tahminini kullanamayız ya da problem aslında gerçekte varolmamıştır.

OLS ve MLE hakkında daha fazla bilgi için, daha fazla örnek için istatistiksel kitaplara bakabilirsiniz. Çevrimiçi ansiklopedi Web siteleri de ek bilgi için iyi kaynaklardır.

Özet:

1. "OLS", "sıradan en küçük kareler" ibaresini alırken "MLE", "maksimum olasılık tahmini" anlamına gelir. "

2. En sıradan en küçük kareler (OLS) doğrusal en küçük kareler olarak da adlandırılabilir. Bu, lineer bir regresyon modelinde bulunan bilinmeyen parametreleri yaklaşık olarak belirlemek için kullanılan bir yöntemdir.

3. Maksimum olasılık kestirimi veya MLE, istatistiksel bir modelin parametrelerini tahmin etmek ve istatistiksel bir modelin verilere uydurulmasında kullanılan bir yöntemdir.