(편향되지 않은) 분산 추정기의 분모는 이며, 관측치 가 개이고 하나의 모수 만 추정되기 때문입니다.N
같은 토큰으로 두 개의 모수를 추정 할 때 왜 공분산의 분모가 가되지 않아야하는지 궁금합니다 .
(편향되지 않은) 분산 추정기의 분모는 이며, 관측치 가 개이고 하나의 모수 만 추정되기 때문입니다.N
같은 토큰으로 두 개의 모수를 추정 할 때 왜 공분산의 분모가 가되지 않아야하는지 궁금합니다 .
답변:
빠르고 더러운 답변 ... 먼저 살펴 보자. ; 당신이 있다면 관찰 알려져 기대 가치와 사용하면 사용하는 것이 분산을 추정 할 수 있습니다.
기대 값을 알 수없는 경우 대해 을 취하여 관측 값을 알려진 예상 값을 가진 관측 값으로 변환 할 수 있습니다 . 분모에 을 갖는 공식을 얻게됩니다. 그러나 는 독립적이지 않으므로 이것을 고려해야합니다. 마지막에 일반적인 공식을 찾을 수 있습니다.
공분산에 대해 동일한 아이디어를 사용할 수 있습니다. 의 예상 값 이 이면 수식에 이 있습니다. 다른 모든 관측 값에서 을 빼면 알려진 예상 값 이있는 관측치가 계산 되고 수식에 이 다시 나타납니다. 계정.
추신 : 그렇게하는 명확한 방법은 의 정규 직교 기저를 선택하는 것입니다. 즉, 벡터 같은
그런 다음 변수 및 를 정의 할 수 있습니다 . 독립적이며, 예상 한 값 , 원래의 변수와 같은 분산 / 공분산을 갖는다.
요점은 알려지지 않은 기대를 없애고 싶다면 하나의 관측 값 만 버린다는 것입니다. 이것은 두 경우 모두 동일하게 작동합니다.
분모가 p- 변량 샘플 공분산 추정기가 공분산 행렬의 편향 추정량 이라는 증거가 있습니다 .
.
표시하려면 :
증명 :
다음:
(1)
(2)
따라서
따라서 최종 분모가 인 는 편향되지 않습니다. 비 대각선 요소는 개별 표본 공분산입니다.
추가 사항 :
n 추첨은 독립적입니다. (2)에서 표본 평균의 공분산을 계산하는 데 사용됩니다.
단계 (1) 및 (2)는
2 단계는
'n-2'가 아닌 'n-1'을 사용하여 직관을 구축하는 한 가지 방법은 공분산을 계산하기 위해 X와 Y를 모두 의미를 제거 할 필요는 없지만 두 가지 중 하나를 의미하지는 않습니다.
1) 시작하십시오 .
2) 표본 공분산은 합니다. 두 잃는다 ; 하나는 에서 하나는 에서 하나 는 입니다.
3) 그러나 에는 각 제품에서 하나씩 개별 용어 만 포함 됩니다. 두 숫자를 곱하면 각 개별 숫자의 독립 정보가 사라집니다.
예를 들어,
,
와 같이 비이성적 및 분수는 포함하지 않으므로 두 숫자 계열을 곱하고 곱을 조사 할 때 우리는 원래의 정보의 절반을 잃어 버렸기 때문에 하나의 숫자 계열에서, 즉 두 숫자가 한 쌍으로 하나의 숫자로 그룹화되기 전에 (즉, 곱셈) 수행 된 것입니다.
다시 말해, 일반성을 잃지 않고 우리는 쓸 수 있습니다
일부 및 경우
즉, 및 입니다. 에서 을 분명히 갖는 공분산 공식은
.
따라서 질문에 대한 답은 가 그룹화되어 절반으로 는 것입니다.
Hold
하시겠습니까?