Доверительные интервалы для параметров регрессионной модели
![Реферат: Доверительные интервалы для параметров регрессионной модели](https://gugn.ru/work/8714514/cover.png)
Интервальная оценка #"+1 в точке предсказания Х'|+1 с надежностью у определяется как. Отсюда статистика имеет нормированный нормальный закон распределения. Подставив г и и в выражение (4.45), получим выборочную характеристику. Найдем доверительный интервал для уы, используя статистику. Где E ((l) — ковариационная матрица вектора оценок Ь. Напомним, что случайная величина. В самом деле: 4.48… Читать ещё >
Доверительные интервалы для параметров регрессионной модели (реферат, курсовая, диплом, контрольная)
Пусть вектор ошибок е имеет n-мерное нормальное распределение. В этом случае вектор Y наблюдений (4.29) также имеет нормальное распределение, и из взаимной некоррелированности его элементов у, следует их независимость.
Выше показано, что оценка bj, j = 0,1,2,… к, имеет нормальный закон распределения с математическим ожиданием (3; и дисперсией согласно (4.34).
![Доверительные интервалы для параметров регрессионной модели.](/img/s/8/90/1303390_1.jpg)
Отсюда статистика имеет нормированный нормальный закон распределения.
Согласно выражению (4.38) статистика имеет распределение х2 с п — It — 1 степенями свободы.
Напомним, что случайная величина.
(4.45).
подчиняется распределению Стьюдента ((-распределение) с v степенями свободы, если г имеет нормированное нормальное распределение (г ~ N (0; 1)), и2 имеет распределение х2 с v степенями свободы i, причем г и и независимы.
Подставив г и и в выражение (4.45), получим выборочную характеристику.
(4.46).
которая имеет распределение Стьюдента с (п — k — 1) степенями свободы. Используя характеристику (4.46), построим с доверительной вероятностью у интервальную оценку для.
(4.47).
Теперь определим интервальную оценку для уравнения регрессии уы в точке, определяемой вектором начальных условий Х° размерности к + 1:
![Доверительные интервалы для параметров регрессионной модели.](/img/s/8/90/1303390_8.jpg)
Тогда несмещенная точечная оценка с минимальной дисперсией регрессии уы в точке, определяемой условиями Хп, равна уы = (Хп)' Ь.
В самом деле:
![Доверительные интервалы для параметров регрессионной модели.](/img/s/8/90/1303390_9.jpg)
где E ((l) — ковариационная матрица вектора оценок Ь.
Найдем доверительный интервал для уы, используя статистику.
![Доверительные интервалы для параметров регрессионной модели.](/img/s/8/90/1303390_10.jpg)
которая согласно выражению (4.45) имеет распределение Стьюдента с и — -k — 1 степенями свободы. Из условия Р (тf) = у, раскрыв неравенство, стоящее в скобках, найдем интервальную оценку для уы в точке, определяемой вектором Х°, с надежностью у:
(4.48).
где fy определяется по таблице-распределения Стьюдента для вероятности, а = 1 — у и числа степеней свободы п — к — 1.
Интервальная оценка #"+1 в точке предсказания Х'|+1 с надежностью у определяется как.
![Доверительные интервалы для параметров регрессионной модели.](/img/s/8/90/1303390_12.jpg)