Als «proof» getaggte Fragen

Mathematische Theorie der Statistik, die sich mit formalen Definitionen und allgemeinen Ergebnissen befasst.

2
Gibt es eine elegante / aufschlussreiche Möglichkeit, diese lineare Regressionsidentität für mehrere zu verstehen ?
Bei der linearen Regression bin ich auf ein erfreuliches Ergebnis gestoßen, wenn wir zum Modell passen E[Y]=β1X1+β2X2+c,E[Y]=β1X1+β2X2+c,E[Y] = \beta_1 X_1 + \beta_2 X_2 + c, Wenn wir dann die Daten , und standardisieren und ,YYYX1X1X_1X2X2X_2 R2=Cor(Y,X1)β1+Cor(Y,X2)β2.R2=Cor(Y,X1)β1+Cor(Y,X2)β2.R^2 = \mathrm{Cor}(Y,X_1) \beta_1 + \mathrm{Cor}(Y, X_2) \beta_2. Dies fühlt sich für mich wie eine …
1
Ist das negative Binom nicht wie in der Exponentialfamilie ausdrückbar, wenn es 2 Unbekannte gibt?
Ich hatte eine Hausaufgabe, um die negative Binomialverteilung als exponentielle Verteilungsfamilie auszudrücken, da der Dispersionsparameter eine bekannte Konstante war. Das war ziemlich einfach, aber ich fragte mich, warum sie erfordern würden, dass wir diesen Parameter festhalten. Ich stellte fest, dass ich keinen Weg finden konnte, es in die richtige Form …
2
Beweis des LETZTEN Theorems von Angrist und Imbens 1994
Angenommen, wir haben ein binäres Instrument dem die Auswirkung der endogenen Variablen auf das Ergebnis . Angenommen, das Instrument hat eine signifikante erste Stufe, es wird zufällig zugewiesen, es erfüllt die Ausschlussbeschränkung und es erfüllt die Monotonie, wie in Angrist und Imbens (1994) dargelegt. http://www.jstor.org/discover/10.2307/2951620?uid=3738032&uid=2&uid=4&sid=21104754800073ZiZiZ_iDiDiD_iYiYiY_i Sie geben an, dass die …
1
Ist es möglich, einen Schätzer zu haben, der unvoreingenommen und begrenzt ist?
Ich habe einen Parameter der zwischen . Nehmen wir an, ich kann ein Experiment durchführen und , wobei ein Standard-Gaußscher ist. Was ich brauche, ist eine Schätzung von θ, die 1) unvoreingenommen 2) fast sicher begrenzt ist. Voraussetzung (2) ist für mich entscheidend.θθ\theta[0,1][0,1][0,1]θ^=θ+wθ^=θ+w\hat{\theta} = \theta + wwwwθθ\theta Die natürliche denken …
2
Problem mit dem Beweis - warum exponentiell geglättete Zeitreihen voreingenommen sind
Ich arbeite an dem Beweis, warum die exponentielle Glättung ein voreingenommener Schätzer eines linearen Trends ist. Das Buch versucht, den erwarteten Wert einer exponentiell geglätteten Zeitreihe zu beschreiben. Es ist einer dieser Schritte, denen ich nur schwer folgen kann. Für unendliche Summen behauptet das Buch, dass Folgendes gilt: ∑(1−λ)t=11−(1−λ)=1λ∑(1−λ)t=11−(1−λ)=1λ\sum (1-\lambda)^t=\frac{1}{1-(1-\lambda)}=\frac{1}{\lambda} …
2
Zerlegung der durchschnittlichen quadratischen Verzerrung (in Elemente des statistischen Lernens)
Ich kann nicht herausfinden, wie die Formel 7.14 auf Seite 224 von Die Elemente des statistischen Lernens abgeleitet wird. Kann mir jemand helfen, es herauszufinden? Average squared bias=Average[model bias]2+Average[estimation bias]2Average squared bias=Average[model bias]2+Average[estimation bias]2\textrm{Average squared bias} = \textrm{Average}[\textrm{model bias}]^2 + \textrm{Average}[\textrm{estimation bias}]^2
Durch die Nutzung unserer Website bestätigen Sie, dass Sie unsere Cookie-Richtlinie und Datenschutzrichtlinie gelesen und verstanden haben.
Licensed under cc by-sa 3.0 with attribution required.