高斯-马尔可夫定理 | 您所在的位置:网站首页 › 高斯定理的基本含义 › 高斯-马尔可夫定理 |
高斯-马尔可夫定理
用手机看条目
扫一扫,手机看条目 出自 MBA智库百科(https://wiki.mbalib.com/)高斯-马尔可夫定理(Gauss-Markov Assumptions) 目录 1 什么是高斯-马尔可夫定理 2 高斯-马尔可夫定理的内容 [编辑] 什么是高斯-马尔可夫定理在统计学中,高斯-马尔可夫定理是指在误差零均值,同方差,且相关的线性回归模型中,回归系数的最佳线性无偏估计就是最小方差估计。一般而言,任何回归系数的线性组合之BLUE(Best Linear Unbiased Estimators)就是它的最小方差估计。在这个线性回归模型中,其误差不需要假定为正态分布或独立同分布(而仅需要满足相关和方差这两个稍弱的条件)。 指在给定经典线性回归的假定下,最小二乘估计量是具有最小方差的线性无偏估计量的这一定理。 高斯--马尔可夫定理的意义在于,当经典假定成立时,我们不需要再去寻找其它无偏估计量,没有一个会优于普通最小二乘估计量。也就是说,如果存在一个好的线性无偏估计量,这个估计量的方差最多与普通最小二乘估计量的方差一样小,不会小于普通最小二乘估计量的方差。 [编辑] 高斯-马尔可夫定理的内容具体而言,假设 。(i = 1……n) 其中β0和β1是非随机且未观测到的参数,xi 是观测到的变量,εi是随机误差,Yi是随机变量(x小写:因x非为随机变量,Y大写:因Y为随机变量)。 高斯-马尔可夫定理的条件是:
,,也就是“不相关性”。 βi的线性无偏估计指的是E{x'e}=0使得E{b}=β 高斯-马尔可夫定理是一个小作品。你可以通过编辑或修订扩充其内容。 来自"https://wiki.mbalib.com/wiki/%E9%AB%98%E6%96%AF%EF%BC%8D%E9%A9%AC%E5%B0%94%E5%8F%AF%E5%A4%AB%E5%AE%9A%E7%90%86" 打开MBA智库App, 阅读完整内容 打开App 本条目对我有帮助22 赏 MBA智库APP扫一扫,下载MBA智库APP 分享到: 温馨提示复制该内容请前往MBA智库App 立即前往App 如果您认为本条目还有待完善,需要补充新内容或修改错误内容,请编辑条目或投诉举报。 本条目相关文档 马尔可夫 3页 马尔可夫 3页 第十四章马尔可夫分析 72页 第十四章 马尔可夫分析 72页 电信定价的马尔可夫完美均衡 57页 电信定价的马尔可夫完美均衡 57页 Ch6 马尔可夫分析 4页 马尔可夫(Markov)分析法范例 1页 基于马尔可夫网络排队论的电梯交通建模及应用 5页 基于马尔可夫转换模型下我国国防支出研究 6页 更多相关文档 本条目相关课程 本条目由以下用户参与贡献 Tracy,精英学生会,Skyer0527,LuyinT.页面分类: 数学定理 | 小作品 评论(共2条)提示:评论内容为网友针对条目"高斯-马尔可夫定理"展开的讨论,与本站观点立场无关。 Niniel (Talk | 贡献) 在 2017年12月1日 10:28 发表第一句错了吧,误差不相关 回复评论 发表评论请文明上网,理性发言并遵守有关规定。 120.42.90.* 在 2017年12月1日 12:01 发表 Niniel (Talk | 贡献) 在 2017年12月1日 10:28 发表第一句错了吧,误差不相关 我添加了一点内容,这个零误差是指在最小方差的线性无偏估计量的前提下,或是如果你有更准确的信息,你也能编辑一起分享~ 回复评论 发表评论请文明上网,理性发言并遵守有关规定。 发表评论请文明上网,理性发言并遵守有关规定。 |
CopyRight 2018-2019 实验室设备网 版权所有 |