Załóżmy, że pasujesz do regresji liniowej / logistycznej , w celu obiektywnego oszacowania . Jesteś bardzo pewny, że zarówno jak i są bardzo pozytywne w stosunku do hałasu w swoich oszacowaniach.
Jeśli masz wspólną kowariancję , możesz obliczyć lub przynajmniej zasymulować odpowiedź. Czy są jakieś lepsze sposoby i w rzeczywistych problemach z dużą ilością danych, jakie masz kłopoty z przyjmowaniem stosunku wartości szacunkowych lub z podejmowaniem pół kroku i zakładaniem, że współczynniki są niezależne?
Odpowiedzi:
Sugerowałbym robi propagacji błędu typu zmiennej i zminimalizować albo błąd lub błąd względny 1 . Na przykład zStrategies for Variance EstimationlubWikipediaa1a2
Morał tej historii jest taki, że dopóki ktoś nie poprosi danych o odpowiedź, której pragnie, nie uzyska tej odpowiedzi. Regresja, która nie określi pożądanej odpowiedzi jako celu minimalizacji, nie odpowie na pytanie.
źródło