Оценка - наименьший квадрат
Cтраница 1
Оценки наименьших квадратов удобны тем, что выражаются в явном виде и довольно просты. К сожалению, Л1 - оценки обычно не выражаются в явном виде, даже при оценке среднего. [1]
Оценки наименьших квадратов неизвестных параметров являются точечными оценками, поэтому определение меры отклонения этих оценок от их истинных значений невозможно, если неизвестны вид и параметры распределения ошибок измерения. [2]
 |
Асимптотические эффективности выровненного и винсо-ризованного средних для нормального ( N, двойного экспоненциального ( DE и Коши ( С распределений. [3] |
Каковы свойства оценок наименьших квадратов, если соответствующие распределения не нормальны. [4]
Таким образом, оценки наименьших квадратов (8.28), (8.30) и (8.31) параметров, подчиняющихся уравнениям связи, имеют те же самые свойства, что и оценки (8.21), (8.22) и (8.24) для параметров без связей. [5]
Чем характеризуется точность оценок наименьших квадратов. [6]
 |
Расчетные формулы метода наименьших квадратов. [7] |
Определим доверительные интервалы для оценок наименьших квадратов неизвестных параметров в модели (2.20) координат систем. Первым рассмотрим наиболее простой случай, когда оцениваемая координата аппроксимируется полиномом нулевого порядка, погрешности измерений некоррелированы, а дисперсия о2 известна. [8]
Определим доверительные интервалы для оценок наименьших квадратов неизвестных параметров в модели (8.3) координат систем. Первым рассмотрим наиболее простой случай, когда оцениваемая координата аппроксимируется полиномом нулевого порядка, погрешности измерений некоррелированы, а дисперсия а2 известна. [9]
Среди всех линейных несмещенных оценок оценка наименьших квадратов обладает минимальными дисперсиями координат. [10]
По мере приближения времени эксперимента к бесконечности оценка наименьших квадратов стремится к тому же пределу, что и оценка по минимуму среднеквадратической ошибки, использующая статистическую информацию. Почему же необходимо вводить статистические понятия. Заметим, что бесконечное время измерений нереально, и имеются веские причины для минимизации времени эксперимента. [11]
Можно показать, что оценка Д является также оценкой наименьших квадратов для случая линейной модели наблюдений с коррелированными наблюдениями. Изложенный выше способ оценки / л в виде взвешенного среднего можно рассматривать как специальный случай сглаживания динамического поля с учетом пространственно-временной корреляции его элементов. [12]
Получающиеся в результате минимизации функционала (2.22) оценки неизвестных параметров называются оценками наименьших квадратов, а сам метод оценивания - методом наименьших квадратов. [13]
Уравнение (2.57) называется нормальным, а его решение р - оценкой наименьших квадратов. [14]
Таким образом, наличие ошибок в зависимых переменных также ведет к смещению вниз оценок наименьших квадратов, равному смещению на входе. [15]
Страницы: 1 2