Saya mencari terminologi statistik yang tepat untuk menggambarkan masalah berikut.
Saya ingin menandai perangkat elektronik yang memiliki respons linier
di mana adalah sebuah istilah karena derau pembacaan perangkat. Untuk menentukan Saya akan mengukur serangkaian respons dan menerapkan kotak alat regresi linier standar. Tapi saya tidak tahu apa sebenarnya , karena saya menggunakan sumber yang dipengaruhi oleh suara tembakan. Itu saya tahu bahwa jika saya mengatur tombol pada sumber ke nilai tertentu maka (Gaussian dengan rata-rata dan varians ).
Ini terlihat seperti model kesalahan-dalam-variabel dari regresi linier ( http://en.wikipedia.org/wiki/Errors-in-variables_models ), di mana bukan karena fakta bahwa untuk mengkarakterisasi perangkat saya pada seluruh rentang inputnya , selama pengukuran saya harus mengubah nilai , dan sekarang varian tidak diperbaiki, tetapi itu tergantung pada (melalui J_i), meskipun karena suara tembakan jika ini tidak berarti bahwa varians sama dengan varians .
Apa yang disebut model ini, dan adakah artikel di mana saya bisa mengetahui masalah seperti itu didekati? Atau apakah saya merumuskan dengan cara yang salah?
Jawaban:
Model probabilitas untuk noise tembakan tersebut adalah
Perkiraan adalah rata-rata dan perkiraan yang baik diberikan oleh kuadrat terkecil biasa, karena nilai diasumsikan independen, terdistribusi secara identik, dan normal.μ X (β0,β1) Y
Estimasi diberikan oleh OLS adalah tidak pantas di sini, meskipun, karena keacakan . Estimasi kemungkinan maksimum adalahσ2 X
Dalam notasi ini, adalah nilai rata-rata , adalah rata-rata produk dari nilai dan , dll.Sx X Sx y X Y
Kita dapat mengharapkan kesalahan estimasi standar dalam dua pendekatan (OLS, yang tidak cukup benar, dan MLE seperti yang dijelaskan di sini) berbeda . Ada berbagai cara untuk mendapatkan kesalahan standar ML: lihat referensi. Karena kemungkinan log relatif sederhana (terutama ketika distribusi Poisson didekati oleh distribusi Normal untuk besar ), kesalahan standar ini dapat dihitung dalam bentuk tertutup jika diinginkan.( μ ) ( μ , μ ) μ
Sebagai contoh yang berhasil, saya menghasilkan nilai dari distribusi Poisson :12 X ( 100 )
Kemudian, pengaturan , , dan , saya menghasilkan nilai sesuai :β0= 3 β1= 1 / 2 σ= 1 12 Y
Nilai rata-rata sama dengan , estimasi . Hasil OLS (yang identik dengan MLE dari koefisien) memperkirakan sebagai dan sebagai . Tidak mengherankan estimasi intersep, , berangkat dari nilai sebenarnya , karena nilai - nilai ini masih jauh dari aslinya. Perkiraan kemiringan, , mendekati nilai sebenarnya dari .X 99,4167 μ β0 1.24 β1 0,514271 β0 3 X β1 0,5
Perkiraan OLS untuk , bagaimanapun, adalah , kurang dari nilai sebenarnya dari . MLE dari berhasil hingga . (Ini adalah kebetulan bahwa kedua perkiraan rendah dan bahwa MLE lebih besar dari perkiraan OLS.)σ2 0,715 1 σ2 0,999351
Garisnya adalah kesesuaian OLS dan estimasi kemungkinan maksimum untuk model probabilitas gabungan Poisson-Normal.
sumber