Laplace hataları ile doğrusal regresyon


9

Doğrusal bir regresyon modeli göz önünde bulundurun:

yi=xi⋅β+εi,i=1,…,n,
burada εi∼L(0,b) , yani , 0 ortalama ve b ölçek parametresi ile Laplace dağılımı , birbirinden bağımsızdır. \ Boldsymbol \ beta parametresinin maksimum olasılık tahminini düşünün β:
−log⁡p(y∣X,β,b)=nlog⁡(2b)+1b∑i=1n|xi⋅β−yi|
buradan
β^ML=arg⁡minβ∈R,mΣben=1n|xben⋅β-yben|

Bu modelde \ mathbf y - \ mathbf X \ hat {\ boldsymbol \ beta} _ {\ mathrm {ML}} kalıntılarının dağılımı nasıl bulunabilir y-Xβ^ML?


Artıkların bir dağılımını bulmakla ne demek istiyorsun?
— jlimahaverford

Kalıntılar rastgele bir vektörde gruplandırılabildiğinden, dağılımını bilmek istiyorum. En azından ilk iki dakika.
— nmerci

Anladım, teşekkürler! Benzetmeyi ve çizmeyi düşündünüz mü?
— jlimahaverford

Evet, artıklar için bir güven bölgesi inşa etmek istiyorum. Örneğin, Gauss hataları için bölge bir elipsoiddir.
— nmerci

Yanıtlar:


1

Kalıntıların (aslında hatalar olarak adlandırılır) çift üstel dağılımla (Laplace dağılımı) rastgele dağıtıldığı varsayılır. Bu x ve y veri noktalarını takıyorsanız, sayısal olarak yapın. Bu noktalar için önce yukarıda yayınladığınız formülü kullanarak bir bütün olarak beta-hat_ML değerini hesaplarsınız. Bu, noktalar boyunca bir çizgi belirleyecektir. Ardından, her bir noktanın y değerini, o x değerindeki satırın y değerinden çıkarın. Bu, o nokta için artıktır. Tüm noktaların kalıntıları, artıkların dağılımını verecek bir histogram oluşturmak için kullanılabilir.

Yang (2014) tarafından yazılmış iyi bir matematiksel makale var .

--Lee


4
Bağlantı çalışmıyor.
— Michael R.Chernick
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.