回覆列表
-
1 # 使用者5357039693588
-
2 # 1663094812aa
1、Assumption MLR.1(linear in parameters):假設一要求所有的母集團引數為常數,用來保證模型為線性關係。
即如果母集團方程為y=a+b1x1+b2x2+...+bkxk+u,所有的a,b1,b2...bk必須為常數。同時u為無法檢測的誤差項,即實驗過程中模型沒有包含的因素。
2、Assumption MLR.2 (Random sampling)假設二: 假設我們有n個調查的樣本,那麼這n個樣本必須是從母集團裡面隨機抽樣得出的。以假設一的方程為例,{(xi1,xi2, xi3.....xik,yi): i=1,2,3...n}。
3、Assumption MLR.3 (No perfect collinearity)假設三:在樣本(母集團)中, 沒有獨立變數(independent variable)是常數,並且獨立變數之間不能有完全共線性。(根據矩陣方程的定義,方程會無解)。
4、Assumption MLR.4 (Zero conditional mean)假設四: 母集團方程的誤差項的均值為 0,並且均值不受到獨立變數的影響,可以表示為:E(U/ X1, X2...Xk)=0。
5.Assumption MLR.5 (Homoscedasticity): 假設五:同方差性, 誤差項u的方差不受到獨立變數的影響為一個固定不變的值,可以表示為: Var(u/X1,X2...Xk)=σ。
-
3 # 使用者6505072306778
一類隨機過程。它的原始模型馬爾可夫鏈,由俄國數學家A.A.馬爾可夫於1907年提出。該過程具有如下特性:在已知目前狀態(現在)的條件下,它未來的演變(將來)不依賴於它以往的演變(過去)。例如森林中動物頭數的變化構成——馬爾可夫過程。
天氣預報,大家非常熟悉。明天是什麼天氣,後天是什麼天氣,大後天是什麼天氣。每天(獨立的天)的天氣,在數學上可以用隨機變量表達。整個這些天是一個過程,叫做隨機過程。數學記號
如果將下一個狀態的依賴條件,簡化成:僅取決於當前狀態,和之前其他狀態無關。那麼,這個隨機過程就是馬爾可夫鏈。數學表達:
狀態和狀態之間的轉移機率(是狀態,不是具體哪天),就可以用轉移機率矩陣表達了。 每個矩陣子項是: