Pertanyaan yang diberi tag «estimators»

Aturan untuk menghitung estimasi jumlah yang diberikan berdasarkan data yang diamati [Wikipedia].



3
Mengapa estimator OLS untuk koefisien AR (1) bias?
Saya mencoba memahami mengapa OLS memberikan penduga yang bias dari proses AR (1). Pertimbangkan Dalam model ini, eksogenitas ketat dilanggar, yaitu dan berkorelasi tetapi dan tidak berkorelasi. Tetapi jika ini benar, lalu mengapa derivasi sederhana berikut tidak berlaku? ytϵt=α+βyt−1+ϵt,∼iidN(0,1).yt=α+βyt−1+ϵt,ϵt∼iidN(0,1). \begin{aligned} y_{t} &= \alpha + \beta y_{t-1} + \epsilon_{t}, \\ \epsilon_{t} …

2
Mengapa estimator dianggap sebagai variabel acak?
Pemahaman saya tentang apa yang merupakan taksiran dan taksiran adalah: Penaksir: Aturan untuk menghitung taksiran Taksiran: Nilai dihitung dari sekumpulan data berdasarkan penaksir Di antara kedua istilah ini, jika saya diminta untuk menunjukkan variabel acak, saya akan mengatakan perkiraan adalah variabel acak karena nilainya akan berubah secara acak berdasarkan sampel …

4
Bagaimana seseorang menjelaskan apa yang dimaksud dengan penaksir yang tidak bias terhadap orang awam?
Misalkan adalah estimator yang tidak bias untuk . Maka tentu saja, . θE[ θ |θ]=θθ^θ^\hat{\theta}θθ\thetaE[θ^∣θ]=θE[θ^∣θ]=θ\mathbb{E}[\hat{\theta} \mid \theta] = \theta Bagaimana seseorang menjelaskan hal ini kepada orang awam? Di masa lalu, apa yang saya katakan adalah jika Anda rata-rata banyak nilai , karena ukuran sampel semakin besar, Anda mendapatkan perkiraan yang …

2
Apakah bias merupakan properti dari estimator, atau estimasi tertentu?
Sebagai contoh, saya sering bertemu siswa yang tahu bahwa Observed adalah penduga yang bias dari Populasi . Kemudian, ketika menulis laporan mereka, mereka mengatakan hal-hal seperti:R 2R2R2R^2R2R2R^2 "Saya menghitung Observed dan Adjusted , dan mereka sangat mirip, menunjukkan hanya sedikit bias dalam nilai Observed kami peroleh."R 2 R 2R2R2R^2R2R2R^2R2R2R^2 Saya …

1
Apa varian penaksir ini?
Saya ingin memperkirakan rata-rata fungsi f, yaitu mana dan adalah variabel acak independen. Saya punya sampel f tetapi tidak iid: Ada sampel iid untuk dan untuk setiap ada sampel dari :EX,Y[f(X,Y)]EX,Y[f(X,Y)]E_{X,Y}[f(X,Y)]XXXYYYY1,Y2,…YnY1,Y2,…YnY_1,Y_2,\dots Y_nYiYiY_ininin_iXXXXi,1,Xi,2,…,Xi,niXi,1,Xi,2,…,Xi,niX_{i,1},X_{i,2},\dots, X_{i,n_i} Jadi total saya punya sampelf(X1,1,Y1)…f(X1,n1,Y1)…f(Xi,j,Yi)…f(Xn,nn,Yn)f(X1,1,Y1)…f(X1,n1,Y1)…f(Xi,j,Yi)…f(Xn,nn,Yn)f(X_{1,1},Y_1) \dots f(X_{1,n_1},Y_1 ) \dots f(X_{i,j},Y_i) \dots f(X_{n,n_n},Y_n) Untuk memperkirakan rata-rata yang saya …

1
root-n estimator yang konsisten, tetapi root-n tidak bertemu?
Saya pernah mendengar istilah "root-n" estimator konsisten 'digunakan berkali-kali. Dari sumber yang saya perintahkan, saya berpikir bahwa penduga yang konsisten "root-n" berarti: penaksir bertemu pada nilai sebenarnya (maka kata "konsisten") penaksir bertemu pada tingkat 1 /n--√1/n1/\sqrt{n} Ini membingungkan saya, sejak itu 1 /n--√1/n1/\sqrt{n}tidak bertemu? Apakah saya melewatkan sesuatu yang penting …

2
Meningkatkan penduga minimum
Misalkan saya memiliki parameter positif untuk mengestimasi dan estimasi yang sesuai yang dihasilkan oleh estimator , yaitu , dan seterusnya.nnnμ1,μ2,...,μnμ1,μ2,...,μn\mu_1,\mu_2,...,\mu_nnnnμ1^,μ2^,...,μn^μ1^,μ2^,...,μn^\hat{\mu_1},\hat{\mu_2},...,\hat{\mu_n}E[μ1^]=μ1E[μ1^]=μ1\mathrm E[\hat{\mu_1}]=\mu_1E[μ2^]=μ2E[μ2^]=μ2\mathrm E[\hat{\mu_2}]=\mu_2 Saya ingin memperkirakan menggunakan perkiraan yang ada. Jelas penaksir naif bias lebih rendah sebagai min(μ1,μ2,...,μn)min(μ1,μ2,...,μn)\mathrm{min}(\mu_1,\mu_2,...,\mu_n)min(μ1^,μ2^,...,μn^)min(μ1^,μ2^,...,μn^)\mathrm{min}(\hat{\mu_1},\hat{\mu_2},...,\hat{\mu_n})E[min(μ1^,μ2^,...,μn^)]≤min(μ1,μ2,...,μn)E[min(μ1^,μ2^,...,μn^)]≤min(μ1,μ2,...,μn)\mathrm E[\mathrm{min}(\hat{\mu_1},\hat{\mu_2},...,\hat{\mu_n})]\leq \mathrm{min}(\mu_1,\mu_2,...,\mu_n) Misalkan saya juga memiliki matriks kovarians dari penaksir yang sesuai . …

1
Kegunaan praktis dari konvergensi pointwise tanpa konvergensi seragam
Motivasi Dalam konteks inferensi pasca-model-seleksi, Leeb & Pötscher (2005) menulis: Meskipun telah lama diketahui bahwa keseragaman (setidaknya secara lokal) dengan parameter adalah masalah penting dalam analisis asimptotik, pelajaran ini sering dilupakan dalam praktik sehari-hari teori ekonometrik dan statistik di mana kita sering puas untuk membuktikan hasil asimptotik secara langsung ( …

1
Apakah residual, e, penduga kesalahan,
Pertanyaan ini muncul di utas lain yang saya mulai jadi saya pikir saya akan mendapatkan lebih banyak pendapat orang tentang itu. Pertanyaanku adalah Apakah residual, e, penduga kesalahan, ϵϵ\epsilon? Alasan yang saya tanyakan adalah sebagai berikut. Dalam OLS, varian dari residu,RSS(n−K)RSS(n−K)\frac{\text{RSS}}{(n - K )}, dikenal sebagai varian dari regresi (di …
Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.