Статистика та великі дані least-squares

2

Припустимо наступне лінійне співвідношення: , де - залежна змінна, - одна незалежна змінна та - термін помилки.Yi=β0+β1Xi+uiYi=β0+β1Xi+uiY_i = \beta_0 + \beta_1 X_i + u_iYiYiY_iXiXiX_iuiuiu_i Згідно зі словами Stock & Watson (Вступ до економетрії; Глава 4 ), припущення третього найменшого квадрата - це те, що четверті моменти та є ненульовими та …

9 regression least-squares assumptions bias consistency

1

Лінійна модель, де дані мають невизначеність, використовуючи R

Скажімо, у мене є дані, які мають певну невизначеність. Наприклад: X Y 1 10±4 2 50±3 3 80±7 4 105±1 5 120±9 Характер невизначеності може бути, наприклад, повторними вимірюваннями або експериментами, або невизначеністю вимірювального приладу, наприклад. Я хотів би прилаштувати криву до неї, використовуючи R, те, що зазвичай я б …

9 r least-squares error-propagation

1

Визначення найменш зважених квадратних ваг: R lm функція проти

Чи може хто-небудь сказати мені, чому я отримую різні результати від Rзважених найменших квадратів та ручного рішення за допомогою матриці ? Зокрема, я намагаюся вручну вирішити , де - діагональна матриця на вагах, - матриця даних, - відповідь вектор. WAx=WbWAx=Wb\mathbf W \mathbf A\mathbf x=\mathbf W \mathbf bWW\mathbf WAA\mathbf Abb\mathbf b …

9 r regression least-squares weighted-regression weighted-data

1

Що звичайного, у звичайних найменших квадратиках?

Нещодавно мій друг запитав, що таке звичайне, про звичайні найменші квадрати. Ми, здається, ніде не потрапляли в дискусію. Ми обоє погодилися, що OLS - це особливий випадок лінійної моделі, він має багато застосувань, добре відомий і є особливим випадком багатьох інших моделей. Але це насправді все? Тому я хотів би …

9 regression linear-model least-squares terminology

2

Є OLS асимптотично ефективним при гетеросцедастичності

Я знаю, що OLS є неупередженим, але неефективним при гетеросцедастичності в умовах лінійної регресії. У Вікіпедії http://en.wikipedia.org/wiki/Minimum_mean_square_error Оцінювач MMSE є асимптотично неупередженим і він переходить у розподіл до нормального розподілу: n−−√(x^−x)→dN(0,I−1(x))n(x^−x)→dN(0,I−1(x))\sqrt{n}(\hat{x} - x) \xrightarrow{d} \mathcal{N}\left(0 , I^{-1}(x)\right), де I (x) - інформація про Фішера з x. Таким чином, оцінювач MMSE …

9 least-squares heteroscedasticity efficiency

2

Як залишки відносяться до основних порушень?

Методом найменших квадратів ми хочемо оцінити невідомі параметри в моделі: Yj= α + βхj+εj( j = 1 ... n )Yj=α+βxj+εj(j=1...n)Y_j = \alpha + \beta x_j + \varepsilon_j \enspace (j=1...n) Після того як ми зробили це (для деяких спостережуваних значень), ми отримаємо пристосовану регресійну лінію: Yj=α^+β^х +еj( J = 1 , …

9 regression least-squares residuals heteroscedasticity assumptions

1

Застосовуючи регресію хребта для недостатньо визначеної системи рівнянь?

Коли , проблема найменших квадратів, яка накладає сферичне обмеження на значення може бути записана як ім'я для завищеної системи. \ | \ cdot \ | _2 - евклідова норма вектора.y=Xβ+ey=Xβ+ey = X\beta + eδδ\deltaββ\betamin ∥y−Xβ∥22s.t. ∥β∥22≤δ2min⁡ ‖y−Xβ‖22s.t.⁡ ‖β‖22≤δ2\begin{equation} \begin{array} &\operatorname{min}\ \| y - X\beta \|^2_2 \\ \operatorname{s.t.}\ \ \|\beta\|^2_2 \le …

9 regression least-squares regularization ridge-regression underdetermined

1

За якими припущеннями метод звичайних найменших квадратів дає ефективні та неупереджені оцінки?

Чи правда, що за припущеннями Гаусса Маркова звичайний метод найменших квадратів дає ефективні та неупереджені оцінки? Тому: Е(ут) = 0Е(ут)=0E(u_t)=0 для усіх ттt Е(утус) =σ2Е(утус)=σ2E(u_tu_s)=\sigma^2 для t = sт=сt=s Е(утус) = 0Е(утус)=0E(u_tu_s)=0 для t ≠ sт≠сt\neq s де ууu є залишками.

9 regression self-study least-squares

2

Теорема Гаусса-Маркова: СВІТИЙ та OLS

Я читаю теорему Гуаса-Маркова у Вікіпедії , і я сподівався, що хтось може допомогти мені з'ясувати головний пункт теореми. Припускаємо, що лінійна модель у матричній формі задається: у= Xβ+ ηy=Xβ+η y = X\beta +\eta і ми шукаємо СВІТУ, βˆβ^ \widehat\beta . Відповідно до цього я б мітлюη= у- Xβη=y−Xβ\eta = …

9 regression least-squares mse blue

2

Параметричне, напівпараметричне та непараметричне завантаження для змішаних моделей

Наступні трансплантати взяті з цієї статті . Я новачок у завантажувальній програмі та намагаюся реалізувати параметричне, напівпараметричне та непараметричне завантажувальне завантаження для лінійної змішаної моделі з R bootпакетом. R код Ось мій Rкод: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + (1|Cult), data=Cultivation) fixef(fm1Cult) boot.fn …

9 r mixed-model bootstrap central-limit-theorem stable-distribution time-series hypothesis-testing markov-process r correlation categorical-data association-measure meta-analysis r anova confidence-interval lm r bayesian multilevel-analysis logit regression logistic least-squares eda regression notation distributions random-variable expected-value distributions markov-process hidden-markov-model r variance group-differences microarray r descriptive-statistics machine-learning references r regression r categorical-data random-forest data-transformation data-visualization interactive-visualization binomial beta-distribution time-series forecasting logistic arima beta-regression r time-series seasonality large-data unevenly-spaced-time-series correlation statistical-significance normalization population group-differences demography

Запитання з тегом «least-squares»