. (8.3.12)
Если относительно вектора ошибок ничего не известно, то ничего нельзя сказать и о свойствах оценок (8.3.11) или (8.3.12). Если же соотношение (8.3.2) выполняется, то оценки (8.3.11), (8.3.12) являются несмещёнными. Действительно
поскольку = 0.
Пусть корреляционная матрица вектора ошибок наблюдений имеет
вид (8.3.4). Вычислим корреляционную матрицу вектора оценок . Обозначим
;
.
В этих обозначениях формула для МНК-оценки (8.3.11) перепишется в виде
,
где .
Тогда корреляционная матрица вектора оценок вычисляется по формуле
(8.3.13)
В процессе преобразований в выражении (8.3.13) учтено, что
,
.
Если Q = E, то
. (8.3.14)
На практике наиболее часто используется вариант
МНК-оценивания, при котором в качестве весовой матрицы Q
выбирается матрица , поскольку в таком случае
МНК-оценка получается эффективной. Доказательство этого факта можно найти,
например, в [10]. Для такого варианта корреляционная
матрица оценки вычисляется по формуле
,
которая при совпадает с выражением
(8.3.14).
Когда величина s2
известна, формулы (8.3.13), (8.3.14) позволяют отыскать корреляционную матрицу
вектора . Из данных формул следует, что даже при
некоррелированных равноточных наблюдениях компоненты вектора оценок оказываются
коррелированными. Для их некоррелированности необходима ещё ортогональность
столбцов матрицы наблюдений X (при Q = E)
или столбцов матрицы
в общем случае.
Если дисперсия наблюдений s2 неизвестна, её необходимо оценить наряду с
компонентами вектора A, иначе невозможно
отыскать корреляционную матрицу вектора ,
которая даёт характеристики точности оценивания.
Покажем, каким образом можно получить оценку величины s2. В математической статистике доказывается, что остаточная сумма квадратов
(8.3.15)
( – МНК-оценка при линейной модели
наблюдения) имеет закон распределения
, если вектор ошибок наблюдения
характеризуется корреляционной матрицей s2E (n – размерность вектора
, k – число
оцениваемых параметров).
В скалярной форме выражение (8.3.15) имеет вид
.
На основании свойств - распределения получается, что
,
а потому оценку для величины s2 можно приближённо вычислять по формуле
. (8.3.16)
Отметим, что это оценка несмещённая.
Без доказательства укажем, что МНК-оценки не всегда
получаются эффективными. Ранее уже отмечалось со ссылкой на работу [10], что
свойством эффективности обладают МНК-оценки для моделей наблюдения (8.3.3), (8.3.4)
при Q = E, (8.3.3), (8.3.5) при Q = G–1 и
(8.3.3), (8.3.8) при Q = R–1. Это следует, в частности, для
нормального распределения вектора ошибок из
эффективности оценок, получаемых по методу максимального правдоподобия,
поскольку МНК и ММП-оценки совпадают при указанном способе выбора весовых матриц.
При всех остальных способах выбора матрицы весов МНК-оценки неэффективны.
Однако это не означает, что варианты выбора матрицы весов Q,
приводящие к неэффективным оценкам, нецелесообразны. Различные соображения
могут привести к выбору матрицы весов в другой форме.
П р и м е р 8.2. Известно, что величина a – постоянная, схема оценивания имеет вид
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.