【应用回归分析】CH3 回归参数的估计3——约束最小二乘估计
目录
一、推导
二、定理
三、例题
一、推导
对于线性回归模型,在对参数向量没有附加任何约束条件的情况下,在前面两节我们求出了最小二乘估计并讨论了它的基本性质。但是,在一些检验问题的讨论中或其它一些场合,我们需要求带一定线性约束的最小二乘估计。
假设是一个相容线性方程组,其中为的已知矩阵,且秩为。为已知向量。我们用乘子法求模型满足线性约束的最小二乘估计。记
则线性约束可以改写为。我们的问题是在的个条件下求使达到最小。为了应用乘子法,构造辅助函数
其中,为乘子。对函数求对的偏导数,整理并令它们等于零,得到。然后解联立方程组
我们用表示上述联立方程组的解,用左乘,整理后得到
带入得,等价地,这是一个关于的线性方程组。因为的秩为,于是是的可逆矩阵,故有唯一解
将代入得到
现在我们证明确实是线性约束下的最小二乘估计,为此我们只需要证明如下两点:
- 对一切满足的,都有
这里我们利用了应用得到的下述关系
这个等式对一切满足的成立。
表明,对一切满足的,总有
且等号成立当且仅当式的第三项等于零,即,因为,故上式等价于。于是在中用代替,等式成立,即
结合,得证。
我们把称为的约束最小二乘估计。
二、定理
对于线性回归模型,满足的约束最小二乘估计为
其中,是无约束条件下的最小二乘估计。
三、例题
在天文测量中,对天空中三个星位点构成的三角形的三个内角进行测量,得到的测量值分别为。由于存在测量误差,所以需要对进行估计,我们利用线性模型有关的量:
其中表示测量误差。就是一个带有约束条件的线性模型,可把它写成矩阵形式:
其中,。利用定理3.3.1经计算可得,即为的约束最小二乘估计。
【应用回归分析】CH3 回归参数的估计3——约束最小二乘估计相关推荐
- 【应用回归分析】CH3 回归参数的估计6——广义最小二乘估计
目录 一.广义最小二乘估计的推导 二.广义最小二乘估计的性质--[定理3.6.1] 1.定理内容 2.定理证明 3.定理说明 三.简单例子 四.[例3.6.1] 一.广义最小二乘估计的推导 在前面的讨 ...
- UA STAT687 线性模型II 最小二乘理论2 约束最小二乘估计
UA STAT687 线性模型II 最小二乘理论2 约束最小二乘估计 约束最小二乘估计的求解 数值计算的思路 系数估计量的解析式 约束最小二乘估计的统计性质 约束最小二乘估计的求解 在线性模型y=Xβ ...
- 古典最小二乘估计,加权最小二乘估计,递归最小二乘估计以及卡尔曼滤波
古典最小二乘估计,加权最小二乘估计,递归最小二乘估计以及卡尔曼滤波 古典最小二乘估计,以测量误差的平方和作为损失函数. 根据高斯-马尔可夫定理,古典最小二乘估计在线性测量系统中,在测量噪声为零均值,同 ...
- 【应用回归分析】CH3 回归参数的估计1——最小二乘估计
目录 前言 一.经验线性回归方程 1.未知参数的估计 2.经验线性回归方程 3.[例3.1.1]一元线性回归 二.中心化的经验线性回归方程 1.中心化 2.[例3.1.2]一元线性回归(续) 三.标准 ...
- 【回归分析】03.回归参数的估计(1)
文章目录 [回归分析]3. 回归参数的估计(1) 3.1 最小二乘估计 3.2 最小二乘估计的性质 [回归分析]3. 回归参数的估计(1) 3.1 最小二乘估计 用 yyy 表示因变量,x1,x2,⋯ ...
- 线性回归方程参数的最小二乘估计
概述 一共两个部分,第一,线性模型和最小二乘估计方法的概括.第二, 基于最小二乘估计方法,实现线性回归方程中回归参数的估计.并且和statsmodels中的方法进行对比. 1.线性模型和最小二乘方法 ...
- 现代信号处理——参数估计理论(最小二乘估计)
Bayes估计需要知道被估计量的先验概率密度:最大似然估计需要知道似然函数. 除了线性均方估计外,最小二乘估计是另一种不需要任何先验知识的参数估计方法,最小二乘估计不需要先验统计特性,适用范围更广. ...
- 基于接收信号强度(RSS)的室内定位/无线传感器网络定位——极大似然估计ML/最小二乘估计WLS
基于接收信号强度(RSS)的室内定位/无线传感器网络定位--极大似然估计ML/最小二乘估计WLS 原创不易,路过的各位大佬请点个赞 针对AOA,TOA,TDOA,RSS等室内定位.导航的探讨.技术支持 ...
- 利用matlab实现最小二乘估计
最小二乘估计概念 古典最小二乘估计 tic clc; clear; %首先假定量测量值如下 mul=[100,200
最新文章
- Python 技术篇-将python项目打包成exe独立运行程序,pyinstaller库打包python代码实例演示
- Windows操作系统下查看日志
- 跨链(6)波卡XCMP跨链通信协议
- Fluent NHibernate关系映射
- ruby 集合 分组_将Ruby中两个集合的所有元素结合在一起
- solidity return data和revert/require的reason string的获得
- 20190810:存在重复(三种解法)
- Build.VERSION_CODES类
- Hadoop:hadoop fs、hadoop dfs与hdfs dfs命令的区别
- CSS3——CSS行内元素和块级元素的转换
- 百度区块链 xuperchain 节点端 tps统计脚本
- Android app 页面加载统计工具
- 基于javaweb的教师信息管理系统
- 计算机中英汉字段如何切换,电脑上中英文切换按哪个键
- 服务器主板电源适配器维修,自己修理笔记本电脑电源适配器
- #4017. 复制粘贴(copypaste)
- 我的 Android 开发实战经验总结
- 爱剪辑为啥显示服务器繁忙,爱剪辑蓝屏怎么办?爱剪辑蓝屏的六大原因及解决方法...
- ncnn opencv VS2017 window10 yolov5调用摄像头实时目标检测
- SpringMVC如何工作的?