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
इस मॉडल में अवशिष्ट का वितरण कैसे मिल सकता है ?
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
इस मॉडल में अवशिष्ट का वितरण कैसे मिल सकता है ?
जवाबों:
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