• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International journal of information and decision sciences >A comparison of generalised maximum entropy and ordinary least square
【24h】

A comparison of generalised maximum entropy and ordinary least square

机译：广义最大熵与普通最小二乘法的比较

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The generalised maximum entropy (GME) estimation method is based on the classic maximum entropy approach of Jaynes (1957). It has the ability to estimate the parameters of a regression model without imposing any constraints on the probability distribution of errors and it is robust even when we have ill-posed problems. In this paper, we simulate two sets of data from regression model with different distribution for disturbance, standard normal and Cauchy distributions respectively. For this dataset, regression coefficients are obtained by GME and OLS methods and these techniques are compared with each other for some sample sizes. Moreover, we have used some prior information on parameters to obtain GME estimators. The estimation results of GME in the case of non-normal distributed are discussed here.
机译：广义最大熵（GME）估计方法基于Jaynes（1957）的经典最大熵方法。它具有估计回归模型参数的能力，而不会对错误的概率分布施加任何限制，并且即使遇到问题，它也很健壮。在本文中，我们模拟了来自回归模型的两组数据，分别具有不同的扰动分布，标准正态分布和柯西分布。对于此数据集，通过GME和OLS方法获得回归系数，并将这些技术相互比较以获取一些样本量。此外，我们使用了一些有关参数的先验信息来获取GME估计量。本文讨论了非正态分布情况下GME的估计结果。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号