Границы регулирования устанавливают на основе несмещенной оценки выборочного среднего значения дефектов из 30 выборок, произведенных при нормальном ходе процесса [5] [c.167]
Заменяя с его несмещенной оценкой, получим практическую формулу [c.167]
Вычислить несмещенную оценку [c.185]
Вычисление среднего значения общей совокупности, несмещенной оценки дисперсии [c.75]
Один из математических результатов теории линейной регрессии говорит, что оценка /V/ является несмещенной оценкой с минимальной дисперсией в классе всех линейных несмещенных оценок. [c.287]
По формуле (57) находим несмещенную оценку д =/ Z l 0,0299)- = 0,02104 [c.107]
Несмещенная оценка стандартного отклонения генеральной совокупности по выборке данных [c.403]
Несмещенная оценка 6 параметра 9 называется эффективной, если она имеет наименьшую дисперсию среди всех возможных несмещенных оценок параметра 9, вычисленных по выборкам одного и того же объема п. [c.43]
Так как для несмещенной оценки М( — 9)2 есть ее дисперсия а , то эффективность является решающим свойством. [c.43]
Средние квадраты s и s2 (табл. 3.3) представляют собой несмещенные оценки дисперсий зависимой переменной, обусловленных соответственно регрессий или объясняющей переменной X и воздействием неучтенных случайных факторов и ошибок т — число оцениваемых параметров уравнения регрессии п — число наблюдений. [c.72]
В силу того, что оценки bj, полученные методом наименьших квадратов, являются несмещенными оценками параметров Р7, [c.92]
Выше ( 4.2) мы уже показали, что оценка метода наименьших квадратов b = (X X) l X Y есть несмещенная оценка для вектора параметров р, т. е. М(Ь) = р. Любую другую оценку Ь вектора р без ограничения общности можно представить в виде [c.94]
Так как рассматриваемые в теореме оценки относятся к классу несмещенных оценок, то и М(Ь ) = р или М(Ь ) = [c.94]
Равенство (4.20) означает, что несмещенная оценка s2 параметра ст2 или выборочная остаточная дисперсия s2 определяется по формуле [c.97]
Оценки, определяемые вектором (4.8), обладают в соответствии с теоремой Гаусса—Маркова минимальными дисперсиями в классе всех линейных несмещенных оценок, но при наличии мультиколлинеарности эти дисперсии могут оказаться слишком большими, и обращение к соответствующим смещенным оценкам может повысить точность оценивания параметров регрессии. На рис. 5.1 показан случай, когда смещенная оценка Ру, [c.110]
Вопрос об эффективности линейной несмещенной оценки вектора р для обобщенной регрессионной модели решается с помощью следующей теоремы. [c.152]
Математическое ожидание оценки Ь , т.е. м(ь = , ибо M(s) = 0, т. е. оценка Ь" есть несмещенная оценка р. [c.153]
Следовательно, на основании теоремы Гаусса— Маркова наиболее эффективной оценкой в классе всех линейных несмещенных оценок является оценка (4.8), т. е. [c.154]
Если имеется выборка этой случайной величины (xl,x2,...,xN , то состоятельными и несмещенными оценками [c.56]
Иногда при расчете коэффициента детерминации для получения несмещенных оценок дисперсии в числителе и знаменателе делается поправка на число степеней свободы, то есть скорректированный коэффициент детерминации вычисляется по формуле [c.111]
Коэффициенты регрессии, найденные исходя из системы нормальных уравнений, представляют собой выборочные оценки характеристики силы связи. Их несмещенность является желательным свойством, так как только в этом случае они могут иметь практическую значимость. Несмещенность оценки означает, что математическое ожидание остатков равно нулю. Следовательно, при большом числе выборочных оцениваний остатки не будут накапливаться и найденный параметр регрессии bt можно рассматривать как среднее значение из возможного большого количества несмещенных оценок. Если оценки обладают свойством несмещенности, то их можно сравнивать по разным исследованиям. [c.156]
Для практических целей важна не только несмещенность, но и эффективность оценок. Оценки считаются эффективными, если они характеризуются наименьшей дисперсией. Поэтому несмещенность оценки должна дополняться минимальной дисперсией. В практических исследованиях это означает возможность перехода от точечного оценивания к интервальному. [c.156]
Вместе с тем несмещенность оценок коэффициентов регрессии, полученных МНК, зависит от независимости случайных остатков и величин х, что также исследуется в рамках соблюдения второй предпосылки МНК. С этой целью наряду с изложенным фафиком зависимости остатков е от теоретических значений результативного признака ух строится фафик зависимости случайных остатков е от факторов, включенных в рефессию х (рис. 3.4). [c.159]
Вместо q в формулу (6.35) подставляют несмещенную оценку её математического ожидания. Она определяется как средняя доля дефектных единиц при полностью отлаженном производственном процессе, рассчитанная по результатам контроля 20-30 выборок. Число выборок к в каждой п е диниц. [c.165]
Воздействие неучтенных случайных факторов и ошибок наблюдений в модели (3.22) определяется с помощью дисперсии возмущений (ошибок) или остаточной дисперсии а2. Несмещенной оценкой этой дисперсии является выборочная остаточная дисперсия1. [c.62]
Напомним, что в математической статистике для получения несмещенной оценки дисперсии случайной величины соответствующую сумму квадратов отклонений от средней делят не на число наблюдений я, а на число степеней свободы (degress of freedom) я — т, равное разности между числом независимых наблюдений случайной величины п и числом связей, ограничивающих свободу их изменения, т. е. число т уравнений, связывающих эти наблюдения. Поэтому в знаменателе выражения (3.26) стоит число степеней свободы п — 2, так как две степени свободы теряются при определении двух параметров прямой из системы нормальных уравнений (3.5). [c.62]
Другой метод устранения или уменьшения мультиколлинеар-ности заключается в переходе от несмещенных оценок, определенных по методу наименьших квадратов, к смещенным оценкам, обладающим, однако, меньшим рассеянием относительно оцениваемого параметра, т. е. меньшим математическим ожиданием квадрата отклонения оценки fy от параметра ру или М (bj— p/)2. [c.110]
При использовании ридж-регрессии (или гребневой регрессии ) вместо несмещенных оценок (4.8) рассматривают смещен- [c.111]
Теорема Айткена. В классе линейных несмещенных оценок вектора р для обобщенной регрессионной модели оценка [c.152]
В линейном анализе временных рядов можно получить несмещенную оценку способности к обобщению, исследуя результаты работы на обучающем множестве (MSE), число свободных параметров (W) и объем обучающего множества (N). Оценки такого типа называются информационными критериями (1 ) и включают в себя компоненту, соответствующую критерию согласия, и компоненту штрафа, которая учитывает сложность модели. Барроном [30] были предложены следующие информационные критерии нормализованный 1 Акаике (NAI ), нормализованный байесовский 1 (NBI ) и итоговая ошибка прогноза (FPE) [c.65]
Было показано [198], что FPE представляет собой несмещенную оценку способности к обобщению для нелинейных моделей, в частности, — для нейронных сетей. К сожалению, при этом предполагается, что в нашем распоояжении имеется бесконечное чисяо на- [c.65]
Для линейных моделей в предположении, что объем выборки достаточно велик, этот критерий дает несмещенную оценку риска обобщения при прогнозе. Это утверждение верно в асимптотическом смысле при N—>оо, и наши результаты указывают на то, что при S(X) —> N оно не выполняется. Утанс и Муди [270] утверждают, что несмещенные оценки могут быть получены также для нелинейных моделей (в частности, нейронных сетей). [c.190]