OLS ve MLE Arasındaki Farklar

OLS ve MLE

Konu istatistiklerle ilgili olduğunda genellikle yok olmaya çalışırız. Bazıları için istatistiklerle uğraşmak korkunç bir deneyim gibidir. Sayılardan, çizgilerden ve grafiklerden nefret ediyoruz. Yine de, okulu bitirmek için bu büyük engelle yüzleşmemiz gerekiyor. Değilse, geleceğiniz karanlık olur. Umut yok ve ışık yok. İstatistikleri geçebilmek için sık sık OLS ve MLE ile karşılaşıyoruz. “OLS” “normal en küçük kareler” anlamına gelirken, “MLE” “maksimum olabilirlik tahmini” anlamına gelir. Genellikle, bu iki istatistiksel terim birbiriyle ilişkilidir. Sıradan en küçük kareler ile maksimum olabilirlik tahminleri arasındaki farkları öğrenelim.

Sıradan en küçük kareler veya OLS, doğrusal en küçük kareler olarak da adlandırılabilir. Bu, doğrusal bir regresyon modelinde bulunan bilinmeyen parametreleri yaklaşık olarak belirlemek için bir yöntemdir. İstatistik kitaplarına ve diğer çevrimiçi kaynaklara göre, sıradan en küçük kareler, veri kümesindeki gözlemlenen yanıtlar ile doğrusal yaklaşımın öngördüğü yanıtlar arasındaki toplam kare dikey mesafelerin en aza indirilmesiyle elde edilir. Basit bir formülle, lineer regresyon modelinin sağ tarafında bulunan sonuç tahmin ediciyi, özellikle de tek regresörü ifade edebilirsiniz..

Örneğin, bilinmeyen parametreleri olan birkaç denklemden oluşan bir denklem setiniz var. Sıradan en küçük kareler yöntemini kullanabilirsiniz, çünkü aşırı kararlı sistemlerinize yaklaşık çözümü bulmak için en standart yaklaşım budur. Başka bir deyişle, denkleminizdeki hata karelerinin toplamını en aza indirgemek için genel çözümünüzdür. Veri uydurma en uygun uygulamanız olabilir. Çevrimiçi kaynaklar, normal en küçük karelere en uygun verilerin, kare artıkların toplamını en aza indirdiğini belirtmiştir. "Artık", bir gözlemci değeri ile bir model tarafından sağlanan uygun değer arasındaki farktır. "

Maksimum olabilirlik tahmini veya MLE, istatistiksel bir modelin parametrelerini tahmin etmede ve istatistiksel bir modeli verilere uydurmada kullanılan bir yöntemdir. Belirli bir konumdaki her basketbolcunun yükseklik ölçümünü bulmak istiyorsanız, maksimum olabilirlik tahminini kullanabilirsiniz. Normalde, maliyet ve zaman kısıtlamaları gibi sorunlarla karşılaşırsınız. Tüm basketbol oyuncularının boylarını ölçmeyi göze alamazsanız, maksimum olasılık tahmini çok kullanışlı olacaktır. Maksimum olabilirlik tahminini kullanarak, konularınızın yüksekliğinin ortalamasını ve varyansını tahmin edebilirsiniz. MLE, belirli bir modeldeki spesifik parametrik değerlerin belirlenmesinde ortalama ve varyansı parametreler olarak ayarlar.

Özetlemek gerekirse, maksimum olabilirlik tahmini, normal bir dağılımda ihtiyaç duyulan verileri tahmin etmek için kullanılabilecek bir dizi parametreyi kapsar. Belirli bir sabit veri kümesi ve olasılık modeli tahmin edilen verileri üretecektir. Tahmin söz konusu olduğunda MLE bize birleşik bir yaklaşım verecektir. Ancak bazı durumlarda, tanınan hatalar nedeniyle maksimum olasılık tahminini kullanamayız veya sorun gerçekte bile mevcut değildir.

OLS ve MLE hakkında daha fazla bilgi için, daha fazla örnek için istatistik kitaplarına başvurabilirsiniz. Çevrimiçi ansiklopedi Web siteleri de iyi ek bilgi kaynaklarıdır.

Özet:

1. “OLS” “normal en küçük kareler” anlamına gelirken, “MLE” “maksimum olabilirlik tahmini” anlamına gelir.

2. Sıradan en küçük kareler veya OLS, doğrusal en küçük kareler olarak da adlandırılabilir. Bu, doğrusal bir regresyon modelinde bulunan bilinmeyen parametreleri yaklaşık olarak belirlemek için bir yöntemdir.

3. Maksimum olabilirlik tahmini veya MLE, istatistiksel bir modelin parametrelerini tahmin etmede ve istatistiksel bir modeli verilere uydurmada kullanılan bir yöntemdir.