תשובה:
אם הנחות Gauss-Markof מחזיקות אז OLS מספק את השגיאה הסטנדרטית הנמוכה ביותר של כל אומדן ליניארי כל כך הטוב ביותר לא משוחדת
הסבר:
בהתחשב בהנחות אלה
-
פרמטר Co-efficents הם ליניארי, זה רק אומר את זה
# beta_0 ו- beta_1 # הם ליניארי אבל#איקס# משתנה לא חייב להיות ליניארי זה יכול להיות# x ^ 2 # -
הנתונים נלקחו מתוך מדגם אקראי
-
אין התאמה מושלמת רב קוליניאריות כך שני משתנים אינם בקורלציה מושלמת.
-
#אירופה# /#x_j) = 0 # הנחה מותנית ממוצעת היא אפס, כלומר# x_j # משתנים אינם מספקים מידע על ממוצע המשתנים הבלתי נצפים. -
השונות שוות לכל רמה נתונה של
#איקס# כלומר#var (u) = sigma ^ 2 #
אז OLS הוא האומדן ליניארי הטוב ביותר באוכלוסייה של אמידות ליניארי או (Best ליניארי משוחדת משוער) כחול.
אם יש לך הנחה נוספת זו:
- השונות מחולקים בדרך כלל
אז אומדן OLS הופך את האומדן הטוב ביותר ללא קשר אם הוא אומדן ליניארי או לא ליניארי.
מה זה בעצם אומר כי אם הנחות 1-5 להחזיק אז OLS מספק את השגיאה תקן הנמוך ביותר של כל אמידה ליניארית ואם 1-6 להחזיק אז זה מספק את השגיאה הסטנדרטית הנמוך ביותר של כל אומדן.
מה ההבדל בין שני ריבועים שיטת factoring?
יש נוסחה אחת המתייחסת ל"שונות ריבועים ": a ^ b - 2 = (a-b) (a + b) אם נשתמש ב- FOIL נוכל להוכיח זאת. ההבדל בין שיטת הריבועים יתייחס לעשות משהו כמו: x ^ 2 -1 = (x - 1) (x + 1) x ^ 2 - 4 = (x-2) (x + 2) או אפילו את היישום הכפול (x ^ 2 + 4) = (x-2) (x + 2) (x ^ 2 + 4) (x ^ 2 + 4) )
מהו פורמט כללי עבור המשוואה של קו רגרסיה לפחות ריבועים?
משוואה של רגרסיה לינארית ליניארית לפחות: y = mx + b כאשר m = (סכום x_iy_i) - (סכום x_i y_i) / n) / סכום x_i ^ 2 - (סכום x_i) ^ 2) / n b = (סכום y_i - m sum x_i) / n עבור אוסף של זוגות n (x_i, y_i) זה נראה נורא להעריך (וזה, אם אתה עושה את זה ביד); אבל באמצעות מחשב (עם, למשל, גיליון אלקטרוני עם עמודות: y, x, xy ו- x ^ 2) זה לא רע.
עכברים רגילים מכילים 20 כרומוזומים. כמה כרומוזומים מכילים זגוטים רגילים של עכברים?
הוא מכיל 40 כרומוזומים זה בגלל gametes מיוצרים על ידי המיוזה שבה מספר כרומוזומים לקבל לחצות אשר מאוחר יותר מקבל לשחזר בשלב zygote עקב היתוך של הגמטה זכר ונקבה המכילים 20 כרומוזומים כל אחד.