Join 60,000+ competitive exam aspirants
लीस्ट स्क्वायर एस्टिमेशन विधि में, मापन वेक्टर में त्रुटि का वेटेज (भार) होता है
समान
समान नहीं
मापन पर निर्भर
परिभाषित करना आसान नहीं
समान
ऑर्डिनरी लीस्ट स्क्वेयर्स (OLS) एस्टिमेशन में, उद्देश्य अवलोकित और फिट किए गए मानों के बीच के अंतर के वर्गों के योग को कम करना है। यह विधि अंतर्निहित रूप से मानती है कि मापन वेक्टर में प्रत्येक मापन को समान भार दिया गया है, जिसका अर्थ है कि किसी भी व्यक्तिगत मापन को दूसरों की तुलना में प्राथमिकता नहीं दी जाती है।
ऑर्डिनरी लीस्ट स्क्वेयर्स (OLS) एस्टिमेशन में, उद्देश्य अवलोकित और फिट किए गए मानों के बीच के अंतर के वर्गों के योग को कम करना है। यह विधि अंतर्निहित रूप से मानती है कि मापन वेक्टर में प्रत्येक मापन को समान भार दिया गया है, जिसका अर्थ है कि किसी भी व्यक्तिगत मापन को दूसरों की तुलना में प्राथमिकता नहीं दी जाती है।
J(x)=∑i=1m[zi−hi(x)]2 — मानक OLS लागत फलन उद्देश्य
W=I — OLS में भार मैट्रिक्स के रूप में प्रयुक्त आइडेंटिटी मैट्रिक्स
यह विधि J=∑i=1n(zi−hi(x))2 लागत फलन को कम करके कार्य करती है। चूँकि प्रत्येक अवशेष (residual) का वर्ग किया जाता है और एक विशिष्ट स्केलिंग गुणांक के बिना जोड़ा जाता है, अंतिम एस्टिमेशन में प्रत्येक मापन के योगदान को समान महत्व के साथ देखा जाता है। यदि मापन में अनिश्चितता के विभिन्न स्तर होते हैं, तो एक वेटेड लीस्ट स्क्वेयर्स (WLS) दृष्टिकोण का उपयोग किया जाता है, जिसमें महत्व देने के लिए एक विकर्ण भार मैट्रिक्स W का उपयोग किया जाता है।
ऑर्डिनरी लीस्ट स्क्वेयर्स सभी मापन नमूनों में होमोस्केडास्टिसिटी (स्थिर प्रसरण) मानती है।
यह विधि अवशेष वेक्टर के यूक्लिडियन मानक (Euclidean norm) को कम करती है।
यदि त्रुटियाँ गॉसियन हैं और समान प्रसरण रखती हैं, तो OLS सर्वश्रेष्ठ रैखिक निष्पक्ष एस्टिमेटर (BLUE) प्रदान करता है।
विभिन्न विश्वसनीयता वाले मापन को संभालने के लिए, OLS से वेटेड लीस्ट स्क्वेयर्स (WLS) की ओर जाना आवश्यक है।
गणना में सरल और कुशल
शोर सांख्यिकी (noise statistics) के पूर्व ज्ञान की आवश्यकता नहीं
आउटलेर्स (outliers) के प्रति संवेदनशील क्योंकि त्रुटियों का वर्ग किया जाता है
मापन सटीकता में अंतर के लिए हिसाब नहीं रखती
पावर सिस्टम में स्टेट एस्टिमेशन
रैखिक प्रतिगमन (Linear Regression) मॉडलिंग
पावर सिस्टम स्टेट एस्टिमेशन में, वेटेड लीस्ट स्क्वेयर्स (WLS) को OLS पर प्राथमिकता दी जाती है क्योंकि वास्तविक दुनिया के सेंसर (PMUs, SCADA) की सटीकता अलग-अलग होती है।
विकल्प B वेटेड लीस्ट स्क्वेयर्स (WLS) को संदर्भित करता है, जो एक सामान्यीकरण है, न कि बुनियादी लीस्ट स्क्वेयर्स की डिफ़ॉल्ट धारणा।
A सही है — ऑर्डिनरी लीस्ट स्क्वायर एस्टिमेशन विधि गणितीय रूप से मापन वेक्टर में प्रत्येक त्रुटि के भार को समान मानती है।
हमेशा ऑर्डिनरी लीस्ट स्क्वेयर्स (OLS) और वेटेड लीस्ट स्क्वेयर्स (WLS) के बीच अंतर करें; OLS, WLS का एक विशिष्ट मामला है जहाँ भार मैट्रिक्स एक आइडेंटिटी मैट्रिक्स होता है।