Preguntas etiquetadas con least-squares

Se refiere a una técnica de estimación general que selecciona el valor del parámetro para minimizar la diferencia al cuadrado entre dos cantidades, como el valor observado de una variable y el valor esperado de esa observación condicionado al valor del parámetro. Los modelos lineales gaussianos se ajustan por mínimos cuadrados y los mínimos cuadrados es la idea subyacente al uso del error cuadrático medio (MSE) como una forma de evaluar un estimador.

2
¿Es posible que de una regresión en dos variables sea mayor que la suma de para dos regresiones en las variables individuales?
En OLS, ¿es posible que el de una regresión en dos variables sea mayor que la suma de para dos regresiones en las variables individuales?R2R2R^2R2R2R^2 R2(Y∼A+B)>R2(Y∼A)+R2(Y∼B)R2(Y∼A+B)>R2(Y∼A)+R2(Y∼B)R^2(Y \sim A + B) > R^2(Y \sim A) + R^2(Y \sim B) Editar: Ugh, esto es trivial; eso es lo que obtengo por tratar …
3
Estimación de regresión lineal con OLS vs. ML
Suponga que voy a estimar una regresión lineal donde supongo u ∼ N( 0 ,σ2)u∼N(0,σ2)u\sim N(0,\sigma^2). ¿Cuál es el beneficio de OLS frente a la estimación de ML? Sé que necesitamos saber una distribución detuuu cuando usamos métodos ML, pero como supongo u ∼ N( 0 ,σ2)u∼N(0,σ2)u\sim N(0,\sigma^2)Si uso ML …
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.