Lineair regressiemodel
-
- Berichten: 44
Lineair regressiemodel
Yi = a + bxi + εi
via de kleinste kwadratenmethode bekomen we dan tot a en b als
a = y* - b x*
en
b = SOMMATIE [ (xi-x*)(yi-y*) ] / SOMMATIE [(xi-x*)²]
Wat is van beide schatters (A en B) de variantie ? en via welke stappen kom je daar ? Mijn cursus laat mij in het duister tasten.
Eeuwige dank is uw deel.
ps: x* en y* staan voor de gemiddelden x en y overstreept, maar dat kreeg ik niet uit m'n keyboard.
En mijn excuses omdat met die LaTex Codes werken me ook al niet lukte.
via de kleinste kwadratenmethode bekomen we dan tot a en b als
a = y* - b x*
en
b = SOMMATIE [ (xi-x*)(yi-y*) ] / SOMMATIE [(xi-x*)²]
Wat is van beide schatters (A en B) de variantie ? en via welke stappen kom je daar ? Mijn cursus laat mij in het duister tasten.
Eeuwige dank is uw deel.
ps: x* en y* staan voor de gemiddelden x en y overstreept, maar dat kreeg ik niet uit m'n keyboard.
En mijn excuses omdat met die LaTex Codes werken me ook al niet lukte.
-
- Berichten: 44
Re: Lineair regressiemodel
Bedankt maar
op die pagina staat het bewijs dat A en B zuivere schatters zijn.
Wat draait rond de verwachtingswaarde en niet de variantie.
Dan zie ik ook nog een formule voor C(B) in matrixgedaante. Is C(B) een andere notatie voor Var(B) ?
Deze wordt echter niet bewezen, plus ik heb een bewijs nodig in algebraïsche notatie.
op die pagina staat het bewijs dat A en B zuivere schatters zijn.
Wat draait rond de verwachtingswaarde en niet de variantie.
Dan zie ik ook nog een formule voor C(B) in matrixgedaante. Is C(B) een andere notatie voor Var(B) ?
Deze wordt echter niet bewezen, plus ik heb een bewijs nodig in algebraïsche notatie.