পদ্ধতির তুলনা করুন
নির্বাচিত পদ্ধতিগুলো পাশাপাশি পর্যালোচনা করুন; যে সারিগুলোয় পার্থক্য আছে সেগুলো চিহ্নিত করা হয়।
| অরৈখিক ওএলএস (অরৈখিক ক্ষুদ্রতম বর্গ)× | সর্বোচ্চ সম্ভাব্যতার অনুমান× | |
|---|---|---|
| ক্ষেত্র≠ | অর্থমিতি | পরিসংখ্যান |
| পরিবার | Regression model | Regression model |
| উদ্ভবের বছর≠ | 1974–1987 | 1922 |
| প্রবর্তক≠ | Gallant (1987); Wooldridge (2010) for econometric treatment | R. A. Fisher |
| ধরন≠ | Nonlinear regression estimator | Parametric point estimator |
| মৌলিক উৎস≠ | Gallant, A. R. (1987). Nonlinear Statistical Models. John Wiley & Sons. ISBN: 978-0471802600 | Fisher, R. A. (1922). On the mathematical foundations of theoretical statistics. Philosophical Transactions of the Royal Society of London, Series A, 222, 309–368. DOI ↗ |
| অপর নাম | nonlinear least squares, NLS, NLLS, nonlinear regression | MLE, maximum-likelihood estimator, ML estimation, Fisher's method of maximum likelihood |
| সম্পর্কিত≠ | 5 | 4 |
| সারসংক্ষেপ≠ | Nonlinear Ordinary Least Squares (NLS) estimates regression models in which the conditional mean function is nonlinear in the parameters. Like standard OLS it minimises the sum of squared residuals, but because no closed-form solution exists the estimator is found by iterative numerical optimisation. Under standard regularity conditions NLS is consistent and asymptotically normal. | Maximum Likelihood Estimation (MLE) is a general-purpose parametric method for estimating the unknown parameters of a statistical model by finding the parameter values that make the observed data most probable. Formalized by R. A. Fisher in his landmark 1922 paper in the Philosophical Transactions of the Royal Society, MLE has become the dominant parameter-estimation paradigm in modern statistics and is the foundational engine behind logistic regression, generalized linear models, structural equation modeling, and virtually all parametric inference procedures. |
| ScholarGateডেটাসেট ↗ |
|
|