Perbedaan antara OLS dan MLE

OLS vs MLE

Kami sering mencoba menghilang ketika topiknya adalah tentang statistik. Bagi sebagian orang, berurusan dengan statistik seperti pengalaman yang menakutkan. Kami membenci angka, garis, dan grafik. Namun demikian, kita perlu menghadapi hambatan besar ini untuk menyelesaikan sekolah. Jika tidak, masa depan Anda akan gelap. Tidak ada harapan dan tidak ada cahaya. Untuk dapat melewati statistik, kita sering menemukan OLS dan MLE. "OLS" adalah singkatan dari "Comment Least Squares" sementara "MLE" adalah singkatan dari "Estimasi Kemungkinan Maksimum.”Biasanya, kedua istilah statistik ini terkait satu sama lain. Mari kita pelajari tentang perbedaan antara kuadrat terkecil biasa dan estimasi kemungkinan maksimum.

Kotak terkecil biasa, atau OLS, juga bisa disebut kuadrat linear terkecil. Ini adalah metode untuk kira -kira menentukan parameter yang tidak diketahui yang terletak di model regresi linier. Menurut buku statistik dan sumber online lainnya, kuadrat terkecil yang biasa diperoleh dengan meminimalkan total jarak vertikal kuadrat antara respons yang diamati dalam dataset dan respons yang diprediksi oleh perkiraan linier. Melalui formula sederhana, Anda dapat mengekspresikan estimator yang dihasilkan, terutama regressor tunggal, yang terletak di sisi kanan model regresi linier.

Misalnya, Anda memiliki satu set persamaan yang terdiri dari beberapa persamaan yang memiliki parameter yang tidak diketahui. Anda dapat menggunakan metode kuadrat terkecil biasa karena ini adalah pendekatan paling standar dalam menemukan solusi perkiraan untuk sistem Anda yang terlalu ditentukan. Dengan kata lain, ini adalah solusi keseluruhan Anda dalam meminimalkan jumlah kotak kesalahan dalam persamaan Anda. Pemasangan data dapat menjadi aplikasi Anda yang paling cocok. Sumber online telah menyatakan bahwa data yang paling cocok dengan kuadrat terkecil meminimalkan jumlah residu kuadrat. "Residual" adalah "perbedaan antara nilai yang diamati dan nilai yang disediakan oleh model."

Estimasi kemungkinan maksimum, atau MLE, adalah metode yang digunakan dalam memperkirakan parameter model statistik, dan untuk menyesuaikan model statistik ke data. Jika Anda ingin menemukan pengukuran ketinggian setiap pemain bola basket di lokasi tertentu, Anda dapat menggunakan estimasi kemungkinan maksimum. Biasanya, Anda akan menghadapi masalah seperti biaya dan batasan waktu. Jika Anda tidak mampu mengukur semua ketinggian pemain bola basket, estimasi kemungkinan maksimum akan sangat berguna. Dengan menggunakan estimasi kemungkinan maksimum, Anda dapat memperkirakan rata -rata dan varian ketinggian subjek Anda. MLE akan mengatur rata -rata dan varian sebagai parameter dalam menentukan nilai parametrik spesifik dalam model yang diberikan.

Singkatnya, estimasi kemungkinan maksimum mencakup satu set parameter yang dapat digunakan untuk memprediksi data yang diperlukan dalam distribusi normal. Set data yang diberikan dan tetap dan model probabilitasnya kemungkinan akan menghasilkan data yang diprediksi. MLE akan memberi kita pendekatan terpadu ketika datang ke estimasi. Tetapi dalam beberapa kasus, kami tidak dapat menggunakan estimasi kemungkinan maksimum karena kesalahan yang diakui atau masalah sebenarnya tidak ada dalam kenyataan.

Untuk informasi lebih lanjut tentang OLS dan MLE, Anda dapat merujuk pada buku statistik untuk contoh lebih lanjut. Situs web ensiklopedia online juga merupakan sumber informasi tambahan yang baik.

Ringkasan:

1. "OLS" adalah singkatan dari "Comment Least Squares" sementara "MLE" adalah singkatan dari "Estimasi Kemungkinan Maksimum."

2. Kotak terkecil biasa, atau OLS, juga bisa disebut kuadrat linear terkecil. Ini adalah metode untuk kira -kira menentukan parameter yang tidak diketahui yang terletak di model regresi linier.

3. Estimasi kemungkinan maksimum, atau MLE, adalah metode yang digunakan dalam memperkirakan parameter model statistik dan untuk menyesuaikan model statistik ke data.