Cтраница 3
Смещение оценки и является величиной порядка 1 / п, и ее дисперсия, при больших п, асимптотически равна той наименьшей дисперсии, которая вообще возможна, согласна неравенству Фреше, для несмещенных оценок. [31]
Решим вначале задачу построения по совокупности [ XTJ линейных несмещенных оценок Хц параметров Xj, при которых линейный член (17.35) обладает наименьшей дисперсией. [32]
В зависимости QT f ( ря, Q3an, рпл) по имеющимся данным истории разработки месторождения необходимо оценить Q3an с наименьшей дисперсией. [33]
Са - - некоторые постоянные коэффициенты, которые следует определить таким образом, чтобы оценка (7.12) удовлетворяла условию несмещенности и обладала наименьшей дисперсией. [34]
Задача состоит в выборе такого числа точек факторного пространства 9, чтобы при минимальном числе опытов N коэффициенты регрессии уравнения (10.21) имели наименьшие дисперсии. Факторы X / могут иметь различные размерности и числовое выражение. Поэтому для облегчения расчетов осуществляется операция кодирования факторов, которая заключается в линейном преобразовании факторного пространства. [35]
Потенциальная точность измерения будет реализована, если будет получена оценка параметра, в среднем наилучшим образом приближающаяся к истинному его значению и имеющая наименьшую дисперсию. [36]
Оценка 9 одномерного параметра 0 ( оценка т числовой функции т ( 0)) называется эффективной, если она несмещенная и обладает наименьшей дисперсией среди всех несмещенных оценок. [37]
Тг ( хл)) - существенно единственная оценка ср ( 0), являющаяся функцией Тг ( хя), и она имеет наименьшую дисперсию в классе несмещенных оценок. [38]
Задача состоит в выборе такого числа точек факторного пространства k, чтобы при минимальном числе опытов N коэффициенты регрессии уравнения ( 1 - 9) имели наименьшие дисперсии. Факторы Х ( могут иметь различные размерности и числовое выражение. [39]
Однако оценки МНК сохраняют свои свойства в довольно широкой области, позволяют при векторном оценивании в классе линейных несмещенных оценок получать при раздельном оценивании параметров оценки с наименьшими дисперсиями, процедуры их получения хорошо отработаны, - все это и обеспечило их широкое распространение в практике. [40]
Оценки вектора а - отклонения параметров от номинальных, получаемые в результате решения системы ( 381), для независимых гауссовских погрешностей являются несмещенными оценками, обладающими наименьшей дисперсией среди всех линейных несмещенных оценок. [41]
Теорема Гаусса - Маркова утверждает, что если среднее по всем Е; и корреляция по всем Е - Е - равны нулю, то эта оценка имеет наименьшую дисперсию из всех линейных оценок. [42]
Таким образом, двухфакторная GARCH может применяться при нахождении изменяющихся во времени коинтеграции и ко-вариации с их непосредственным использованием при построении портфеля ценных бумаг и определении коэффициентов хеджирования с наименьшей дисперсией. [43]
В ряде задач отказываются от создания оптимальных динамических систем вследствие трудностей, связанных с их практической реализацией, и идут на создание систем, не являющихся оптимальными в строгом смысле этого слова, но дающих наименьшую дисперсию D [ e ( 0 ] среди систем, реализация которых в данном случае не представляет особых затруднений. [44]
Метод наибольшего правдоподобия имеет ряд достоинств: оценки наибольшего правдоподобия, вообще говоря, состоятельны ( но они могут быть смещенными), распределены асимптотически нормально ( при больших значениях п приближенно нормальны) и имеют наименьшую дисперсию по сравнению с другими асимптотически нормальными оценками; если для оцениваемого параметра 0 существует эффективная оценка 0, то уравнение правдоподобия имеет единственное решение 9; этот метод наиболее полно использует данные выборки об оцениваемом параметре, поэтому он особенно полезен в случае малых выборок. [45]