0 = ∑i = 1nS (β, Xben, Yben) = DTW( Y- g- 1( XTβ) )
Nerede D = ∂∂βg- 1( XTβ) ve W= V- 1. Bu gösterim, kaynak metni " Genelleştirilmiş Doğrusal Modeller " de McCullogh ve Nelder'in çalışmalarından kaynaklanmaktadır . M&N bu tür fonksiyonların Gauss Newton tipi algoritmasını kullanarak çözülmesini açıklar.
Ancak ilginç bir şekilde, bu formülasyon, parantez içindeki ifadenin RHS'sinde bir tür "tahmin etmek istedikleri şeyi" ayarlayabileceği ve ifadenin bu ilginç hale geleceğine güvenebileceği bir momentler türü tahmin edicisine kulak vermiştir. şey". Denklemleri tahmin eden bir proto formdu.
Denklemleri tahmin etmek yeni bir kavram değildi. Aslında, 1870'lere ve 1900'lerin başlarına kadar EE'leri sunma girişimleri, Taylor genişletmelerini kullanan EE'lerden sınır teoremlerini türetmiştir, ancak olasılıklı bir modelle bağlantı eksikliği, eleştirmenler arasında bir çekişme nedeniydi.
Wedderburn çok önemli birkaç sonuç gösterdi: ilk göstergenin skor denkleminin olduğu genel bir çerçevede kullanılması Syerine herhangi bir olasılıksal modele karşılık gelmeyen bir quasiscore kullanılabilir, bunun yerine ilgi konusu bir soruyu cevaplamak istatistiksel olarak sağlam tahminler vermiştir. Genel bir puanı tersine çevirmek, orantılı bir sabite kadar doğru bir olasılıktan gelen genel bir qMLE ile sonuçlanmıştır . Bu oransal sabit "dağılım" olarak adlandırılır. Wedderburn'ün yararlı bir sonucu, olasılık varsayımlarından güçlü ayrılmaların büyük veya küçük dağılımlarla sonuçlanabilmesidir.
Ancak, yukarıda cevap aksine, quasilikelihood gelmiştir yaygın bir şekilde kullanılmaktadır. McCullogh ve Nelder'deki çok güzel bir tartışma, at nalı yengeçlerinin nüfus modellemesi ile ilgilidir. İnsanlardan farklı olarak, çiftleşme alışkanlıkları sadece tuhaftır: birçok erkek, ölçülmemiş "kümelerde" tek bir kadına akın edebilir. Bir ekolog bakış açısından, aslında bu kümeleri gözlemlemek, çalışmalarının kapsamının çok ötesindedir, ancak yine de, yakala ve bırakdan nüfus büyüklüğü tahminlerine ulaşmak önemli bir zorluk yarattı. Bu çiftleşme paterninin, önemli ölçüde düşük dispersiyona sahip bir Poisson modeli ile sonuçlandığı, yani varyansın orantılı olduğu, ancak ortalamaya eşit olmadığı ortaya çıktı.
Dispersiyonlar, çıkarımları genellikle değerlerine dayandırmadığımız için sıkıntı parametreleri olarak kabul edilir ve bunları tek bir olasılıkla birlikte tahmin etmek, oldukça düzensiz olasılıklarla sonuçlanır. Quasilikelihood, özellikle genelleştirilmiş tahmin denklemleri üzerine daha sonraki çalışmaların ışığında, çok yararlı bir istatistik alanıdır .