概率10-2.pptVIP

第二节 多元线性回归 参数估计 参数最小二乘估计的性质 假设检验 * 设随机变量Y与p个变量x1,x2,...,xp有关,它们之间满足: E(Y)=β0+β1x1+β2x2+...+βpxp 进一步假设 Y~N(β0+β1x1+β2x2+...+βpxp,σ2) 即 式中x1,x2,...,xp都是可精确测量或可控制的一般变量,Y是可观察的随机变量, β0,β1,β2,...,βp是未知参数,ε是不可观察的随机误差. 假如我们要获得n组相互独立的样本: (Yi; x1i,x2i,...,xpi), i=1,2,...,n 则可知有数据结构 Yi=β0+β1x1i+β2x2i+...+βpxpi+ εi i=1,2,...,n 其中εi ~N(0, σ2), i=1,2,...,n且相互独立.这就是 p元线性回归模型. 一.参数估计 若已给出样本观察值(yi; x1i,x2i,...,xpi), i=1,2,...,n.我们希望对参数β0,β1,β2,...,βp及σ2作出估计. 由于Q是β0,β1,β2,...,βp的一个非负二次型,故其极小值必存在,根据微积分的理论知道,这只需求解下列方程组: 所以正规方程用矩阵形式表示即为: 为了求σ2的估计,先给出几个名词 二.参数最小二乘估计的性质 三.假设检验 对多元线性回归模型,除了参数估计问题外,还有些假设检验问题: y1,y2,...,yn之间的差异一般由两个原因引起: 一是当y与x1,x2,...,xp之间确有线性关系时,由于x1,x2,...,xp取值不同,而引起yi取值的不同; 另一个是除去y与x1,x2,...,xp之间线性关系以外的一切因素引起的,包括x1,x2,...,xp对y的非线性影响及其它一切未加控制的随机因素. 通常用总的偏差平方和来衡量y1,y2,...,yn波动的大小: *