应用回归分析(2)：一元线性回归_回归的残差是否是独立同分布的随机变量(1)

参考信息

于 2024-05-02 21:06:21 发布

阅读量208

点赞数 12

分类专栏：程序员文章标签：回归线性回归数据挖掘

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/java_dazhuzhu/article/details/138400033

版权

关于现在的方差估计是n-2为分母的原因：

主要是 $y_i$ 的方差改变，将在以下部分进行阐述

2.3 最小二乘估计性质

一般讨论统计量的性质有以下几个维度：

（1）线性性

（2）无偏性

（3）方差

（4）\beta_0,\beta_1协方差

！！！结论：

1、由方差可以得到的结论：x的取值尽量分散而且n尽量较大，这样估计值的稳定性会好

2、由协方差的式子可知： $\overline{x}=0$ 时， $\beta_0,\beta_1$ 不相关

3、高斯-马尔柯夫条件： $E(\varepsilon _i) = 0;var(\varepsilon _i)=\delta ^2;cov(\varepsilon_i, \varepsilon _j) = 0$ 。在此条件下可以证明出： $\hat{\beta_0},\hat{\beta_1}$ 分别时 $\beta_0,\beta_1$ 的最佳线性无偏估计（BLUE），也称为最小方差线性无偏估计。

4、对于固定的 $x_0$ 来说， $\hat{y_0}=\hat{\beta_0}+\hat{\beta_1}x_0$ 也是

最低0.47元/天解锁文章

关注

12
点赞
踩
18

收藏

觉得还不错? 一键收藏
0
评论
应用回归分析(2)：一元线性回归_回归的残差是否是独立同分布的随机变量(1)

推荐一些系统学习的途径和方法。每个Web开发人员必备，很权威很齐全的Web开发文档。作为学习辞典使用，可以查询到每个概念、方法、属性的详细解释，注意使用英文关键字搜索。里面的一些 HTML，CSS，HTTP 技术教程也相当不错。开源分享：【大厂前端面试题解析+核心总结学习笔记+真实项目实战+最新讲解视频】y_ix_0E%28y_0%29x_0r%5E2re_ie%3D01-%5Calpha1-%5Calpha。
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。