Domande taggate «least-squares»

Si riferisce a una tecnica di stima generale che seleziona il valore del parametro per ridurre al minimo la differenza quadrata tra due quantità, come il valore osservato di una variabile e il valore atteso di tale osservazione condizionato dal valore del parametro. I modelli lineari gaussiani sono adattati da minimi quadrati e minimi quadrati è l'idea alla base dell'uso dell'errore quadratico medio (MSE) come modo di valutare uno stimatore.

4
Come scegliere i valori iniziali per l'adattamento dei minimi quadrati non lineari
La domanda sopra dice tutto. Fondamentalmente la mia domanda è per una funzione di adattamento generica (potrebbe essere arbitrariamente complicata) che non sarà lineare nei parametri che sto provando a stimare, come scegliere i valori iniziali per inizializzare l'adattamento? Sto cercando di fare minimi quadrati non lineari. C'è qualche strategia …
1
Calcola la probabilità logaritmica "a mano" per la regressione generalizzata dei minimi quadrati non lineari (nlme)
Sto provando a calcolare la probabilità logaritmica per una regressione generalizzata dei minimi quadrati non lineari per la funzione ottimizzata dal funzione nel pacchetto R , usando la matrice di covarianza di varianza generata dalle distanze su un albero filogenetico assumendo un movimento browniano ( dal pacchetto). Il seguente codice …
1
adattamento di una funzione esponenziale utilizzando i minimi quadrati rispetto al modello lineare generalizzato rispetto ai minimi quadrati non lineari
Ho un set di dati che rappresenta il decadimento esponenziale. Vorrei adattare una funzione esponenziale a questi dati. Ho provato a registrare trasformando la variabile di risposta e quindi usando i minimi quadrati per adattarsi a una linea; usando un modello lineare generalizzato con una funzione log link e una …
4
Perché i metodi di regressione Least-Squares e Maximum-Likelihood non sono equivalenti quando gli errori non sono normalmente distribuiti?
Il titolo dice tutto. Comprendo che i minimi quadrati e la massima verosimiglianza daranno lo stesso risultato per i coefficienti di regressione se gli errori del modello sono normalmente distribuiti. Ma cosa succede se gli errori non vengono normalmente distribuiti? Perché i due metodi non sono più equivalenti?
5
Stai dimostrando che lo stimatore OLS è equivalente alla scala?
Non ho una definizione formale di equivalenza di scala, ma ecco cosa dice Introduzione all'apprendimento statistico a pag. 217: I coefficienti standard dei minimi quadrati ... sono equivalenti alla scala : moltiplicare XjXjX_j per una costante porta semplicemente a un ridimensionamento delle stime del coefficiente dei minimi quadrati per un …
Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.