Ktoś potrafi pomóc w rozwiązaniu poniższego zadania?
Rozpatrzmy zagadnienie regresji liniowej \(\displaystyle{ Y_i=\alpha + \beta X_i+U_i,}\) dla \(\displaystyle{ i=1,2,3,...,n}\), gdzie \(\displaystyle{ U_i}\) są niezależnymi zmiennymi losowymi o średniej zero i skończonej wariancji \(\displaystyle{ \sigma^2}\). Niech \(\displaystyle{ \hat{\alpha}}\) i \(\displaystyle{ \hat{\beta}}\) będą estymatorami, wyznaczonymi metodą najmniejszy kwadratów, odpowiednio dla \(\displaystyle{ \alpha}\) i \(\displaystyle{ \beta}\). Korzystając faktu, że \(\displaystyle{ \hat{\beta}}\) jest nieobciążonym estymatorem parametru \(\displaystyle{ \beta}\) wykaż, że \(\displaystyle{ \hat{\alpha}}\) jest nieobciążonym estymatorem dla \(\displaystyle{ \alpha}\).
Z góry dziękuję.
Estymacja parametrów w regresji liniowej
-
- Użytkownik
- Posty: 7917
- Rejestracja: 18 mar 2009, o 16:24
- Płeć: Mężczyzna
- Podziękował: 30 razy
- Pomógł: 1671 razy
Estymacja parametrów w regresji liniowej
\(\displaystyle{ \hat{\alpha} = \hat{Y} - \hat{\beta}X - U}\)
Z własności wartości średniej i założeń wynikających z treści zadania
\(\displaystyle{ E(\hat{\alpha}) = E(\hat{Y}) - \beta \overline{X} - 0 = E(\hat{Y}) -\beta \overline{X} \ \ (1)}\)
\(\displaystyle{ \overline{Y} = \alpha + \beta \overline{X} +U}\)
\(\displaystyle{ E(\overline{Y}) = \alpha + \beta \overline{X} \ \ (2)}\)
Z równań \(\displaystyle{ (2)}\) i \(\displaystyle{ (1)}\)
\(\displaystyle{ E(\hat{\alpha}) = \alpha + \beta \overline{X} - \beta \overline{X} = \alpha}\)
co mieliśmy wykazać.
Z własności wartości średniej i założeń wynikających z treści zadania
\(\displaystyle{ E(\hat{\alpha}) = E(\hat{Y}) - \beta \overline{X} - 0 = E(\hat{Y}) -\beta \overline{X} \ \ (1)}\)
\(\displaystyle{ \overline{Y} = \alpha + \beta \overline{X} +U}\)
\(\displaystyle{ E(\overline{Y}) = \alpha + \beta \overline{X} \ \ (2)}\)
Z równań \(\displaystyle{ (2)}\) i \(\displaystyle{ (1)}\)
\(\displaystyle{ E(\hat{\alpha}) = \alpha + \beta \overline{X} - \beta \overline{X} = \alpha}\)
co mieliśmy wykazać.
-
- Użytkownik
- Posty: 40
- Rejestracja: 7 mar 2019, o 11:43
- Płeć: Mężczyzna
- Lokalizacja: Poznań
- Podziękował: 1 raz
Estymacja parametrów w regresji liniowej
Skąd to masz? Korzystasz tego w pierwszym kroku.
\(\displaystyle{ E(\hat{\beta}X)=\beta \overline{X}}\) Nie powinno być \(\displaystyle{ E(\hat{\beta}X)=\hat\beta \overline{X}}\)?
\(\displaystyle{ E(\hat{\beta}X)=\beta \overline{X}}\) Nie powinno być \(\displaystyle{ E(\hat{\beta}X)=\hat\beta \overline{X}}\)?
-
- Użytkownik
- Posty: 7917
- Rejestracja: 18 mar 2009, o 16:24
- Płeć: Mężczyzna
- Podziękował: 30 razy
- Pomógł: 1671 razy
Re: Estymacja parametrów w regresji liniowej
Z treści zadania \(\displaystyle{ E(\hat{\beta}) = \beta}\) - parametr \(\displaystyle{ \hat{\beta}}\) jest estymatorem nieobciążonym \(\displaystyle{ \beta.}\)
-
- Użytkownik
- Posty: 40
- Rejestracja: 7 mar 2019, o 11:43
- Płeć: Mężczyzna
- Lokalizacja: Poznań
- Podziękował: 1 raz
Estymacja parametrów w regresji liniowej
\(\displaystyle{ E(\hat{\beta}X)=\hat\beta \overline{X}}\). My tutaj nie traktujemy \(\displaystyle{ \hat\beta}\) jako stałej i wtedy wyjmujemy przed wartość oczekiwaną?
-
- Użytkownik
- Posty: 7917
- Rejestracja: 18 mar 2009, o 16:24
- Płeć: Mężczyzna
- Podziękował: 30 razy
- Pomógł: 1671 razy
Estymacja parametrów w regresji liniowej
Tu nie chodzi o stałą tylko o wcześniejsze złożenie że \(\displaystyle{ \hat{\beta}}\) jest estymatorem nieobciążonym parametru \(\displaystyle{ \beta}\) i z własności iloczynu wartości średniej.