摘要：
点估计: 矩估计,k个参数需要估计,k阶原点中心距存在,分别求样本点1-k阶原点中心距.1-k阶期望值,就是k个参数的估计量 极大似然估计,k个参数需要估计则对应样本点概率,或者密度函数值连乘式子,此为似然函数,该似然函数自变量是需要估计的参数,极大似然,函数复合取对数,然后对参数求导,令偏导都为0 阅读全文
摘要：
重点标记 阅读全文
摘要：
没毛病,依照模型拟合 没毛病,否则样本没有无偏性 这个证明主要参考前篇线性回归两个公式推导过程, 最小化残差平方和函数极值存在的充要条件就是存在xi !=E(x),也就是xi是可变的, 又叫做变异性 零条件的意思是随机误差项与x不存在系统/可解释的条件关系, 不然u作为不可观测值会导致模型不可观测, 阅读全文
摘要：
y=ax+b+e 在这一基础上: 又可以写成, y=ax+b+e, |e|^2=((ax+b)-y)^2 随机干扰项 sigma e^2 和残差平方和有类似的性质? 为什么这里需要这样修正呢?自由度为什么是 n-2 ? 估计量的评估 无偏性需要满足: 无偏性不是要求估计量与总体参数不得有偏差，因为这 阅读全文
摘要：
估计量与估计值的区别 估计量: 我的理解: 估计量是法则, 通常表示为一种表达式,衡量公式,是一种参数估计法, 又叫参数估计量. 百度百科: 估计量是用于估计总体参数的随机变量，一般为样本统计量。如样本均值、样本比例、样本方差等。例如：样本均值就是总体均值的一个估计量。 个人认为维基百科的定义最好, 阅读全文
摘要：
之前证明了整个回归方程,或者说梯度下降法的表达式, 现在来看看计量经济学里的回归表达式 y=ax+b, 出于对关系的不确定, 在计量经济学里,式子多了一个u作为随机干扰项 干扰项 u 我们认为是不可观测的值 我自己的理解是这样_不是很严谨的粗糙理解: y=ax+b+u,我们改写成 y-u=ax+b, 阅读全文
摘要：
看视频之前，先回忆对回归的理解： 一元线性回归其实就是对一个自变量，一个因变量， 我们期望有 y= a+bx ，作为它们的关系式，能够解释x和y之间的关系， 已知一组（x，y）1-n，现在根据这个已知的条件， 关系式系数——是否一定存在？ 若存在，a，b，最有可能是什么？ 在吴恩达的课程里，详细讨论 阅读全文