लाप्लास त्रुटियों के साथ रैखिक प्रतिगमन


9

एक रेखीय प्रतिगमन मॉडल पर विचार करें: जहाँ , जो कि है , माध्य और स्केल पैरामीटर के साथ लैप्लस वितरण , सभी परस्पर स्वतंत्र हैं। अज्ञात पैरामीटर अधिकतम संभावना अनुमान पर विचार करें : जिससे

yi=xiβ+εi,i=1,,n,
εiL(0,b)0bβ
logp(yX,β,b)=nlog(2b)+1bi=1n|xiβyi|
β^एल=आर्गमिनटβआरΣमैं=1n|एक्समैंβ-yमैं|

इस मॉडल में अवशिष्ट y-एक्सβ^एल का वितरण कैसे मिल सकता है ?


अवशिष्टों के वितरण को खोजने से आपका क्या तात्पर्य है?
17:५० पर jlimahaverford

चूंकि अवशेषों को यादृच्छिक वेक्टर में वर्गीकृत किया जा सकता है, मैं इसका वितरण जानना चाहूंगा। कम से कम पहले दो पल।
nmerci

मिल गया धन्यवाद! क्या आपने अनुकरण और साजिश रचने पर विचार किया है?
jlimahaverford

हां, मैं अवशिष्टों के लिए एक विश्वास क्षेत्र का निर्माण करना चाहता हूं। उदाहरण के लिए, गौसियन त्रुटियों के लिए क्षेत्र एक दीर्घवृत्ताभ है।
19

जवाबों:


1

अवशिष्ट (वास्तव में त्रुटियां कहा जाता है) को दोहरे घातीय वितरण (लाप्लास वितरण) के साथ यादृच्छिक रूप से वितरित किया जाता है। यदि आप इस x और y डेटा बिंदुओं को फिट कर रहे हैं, तो इसे संख्यात्मक रूप से करें। आप सबसे पहले इन बिंदुओं के लिए बीटा-हैट_एमएल की गणना करते हैं, जो आपके द्वारा ऊपर पोस्ट किए गए सूत्र का उपयोग करते हुए। यह बिंदुओं के माध्यम से एक रेखा निर्धारित करेगा। फिर प्रत्येक बिंदु के y मान को उस x मान पर रेखा के y मान से घटाएं। यह उस बिंदु के लिए अवशिष्ट है। सभी बिंदुओं के अवशेषों का उपयोग हिस्टोग्राम के निर्माण के लिए किया जा सकता है जो आपको अवशेषों का वितरण देगा।

यांग (2014) द्वारा इस पर एक अच्छा गणितीय लेख है ।

--Lee


4
यह लिंक काम नहीं करता।
माइकल आर। चेरनिक
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.