הבדלים בין OLS ו- MLE ההבדל בין

OLS לעומת MLE

לעתים קרובות אנו מנסים להיעלם כאשר הנושא הוא על סטטיסטיקה. עבור חלק, להתמודד עם הסטטיסטיקה היא כמו חוויה מפחידה. אנחנו שונאים את המספרים, את השורות ואת התרשימים. עם זאת, אנחנו צריכים להתמודד עם המכשול הגדול הזה כדי לסיים את הלימודים. אם לא, העתיד שלך יהיה חשוך. אין תקווה ואין אור. כדי להיות מסוגל להעביר נתונים סטטיסטיים, לעתים קרובות אנו נתקלים OLS ו MLE. "OLS" מייצג "ריבועים מינימליים רגילים" ואילו "MLE" מייצג "הערכת נראות מקסימלית. "בדרך כלל, שני מונחים סטטיסטיים אלה קשורים זה לזה. הבה נלמד על ההבדלים בין ריבועים מינימליים רגילים לבין הערכות סבירות מקסימלית.

הריבועים הפחות רגילים, או OLS, יכולים להיקרא גם הריבועים הכי ליניאריים. זוהי שיטה לקביעת הפרמטרים הלא ידועים הנמצאים במודל רגרסיה ליניארית. לפי ספרי סטטיסטיקה ומקורות מקוונים אחרים, הריבועים הפחות רגילים מתקבלים על ידי מזעור סך המרווחים האנכיים בריבוע בין התגובות שנצפו במערך הנתונים לבין התגובות החזויות בקירוב הליניארי. באמצעות נוסחה פשוטה, אתה יכול להביע את אומדן וכתוצאה מכך, במיוחד regressor יחיד, הממוקם בצד הימני של מודל רגרסיה ליניארית.

לדוגמה, יש לך סדרה של משוואות המורכבות ממספר משוואות בעלות פרמטרים לא ידועים. אתה יכול להשתמש בשיטה הרגילה מינימום ריבועים כי זו הגישה הסטנדרטית ביותר במציאת הפתרון המשוער למערכות שנקבעו יתר על המידה שלך. במילים אחרות, זה הפתרון הכולל שלך למזער את סכום הריבועים של שגיאות המשוואה שלך. נתונים מתאים יכול להיות היישום המתאים ביותר שלך. מקורות מקוונים ציינו כי הנתונים המתאימים ביותר לריבועים מינימליים רגילים ממזער את כמות השאריות בריבוע. "שיורית" היא "ההפרש בין ערך נצפת לבין הערך המותאם שמספק המודל. "

הערכת הסבירות המקסימלית, או MLE, היא שיטה המשמשת לאמידת הפרמטרים של המודל הסטטיסטי ולהתקנת מודל סטטיסטי לנתונים. אם אתה רוצה למצוא את מדידת הגובה של כל שחקן כדורסל במיקום מסוים, תוכל להשתמש בהערכת הסבירות המקסימלית. בדרך כלל, אתה עלול להיתקל בבעיות כגון עלות ואילוצים זמן. אם אתה לא יכול להרשות לעצמי למדוד את כל גבהים של שחקני כדורסל, אומדן הנראות המקסימלית יהיה מאוד נוח. בעזרת אמידת הנראות המקסימלית, ניתן לאמוד את הממוצע ואת השונות של גובה הנבדקים. MLE יקבע את הממוצע והשונות כפרמטרים בקביעת הערכים הפרמטריים הספציפיים במודל נתון.

לסיכום, אומדן הנראות המרבי מכסה קבוצת פרמטרים שניתן להשתמש בהם לחיזוי הנתונים הדרושים בהתפלגות נורמלית. קבוצה קבועה ונתונה של מודל ההסתברות שלה עשויה לייצר את הנתונים החזויים. ה- MLE ייתן לנו גישה מאוחדת בכל הנוגע לאמידה. אבל במקרים מסוימים, אנחנו לא יכולים להשתמש אומדן הנראות המקסימלית בגלל שגיאות מוכרות או הבעיה למעשה אפילו לא קיים במציאות.

לקבלת מידע נוסף אודות OLS ו- MLE, ניתן לעיין בספרים סטטיסטיים עבור דוגמאות נוספות. אנציקלופדיה מקוונת אתרים הם גם מקורות טובים למידע נוסף.

סיכום:

1. "OLS" מייצג "ריבועים מינימליים רגילים" ואילו "MLE" מייצג "הערכת נראות מקסימלית. "

2. הריבועים הכי פחות רגילים, או OLS, יכולים להיקרא גם הריבועים הכי ליניאריים. זוהי שיטה לקביעת הפרמטרים הלא ידועים הנמצאים במודל רגרסיה ליניארית.

3. הערכת הסבירות המקסימלית, או MLE, היא שיטה המשמשת לאמידת הפרמטרים של מודל סטטיסטי ולהתאמת מודל סטטיסטי לנתונים.