Regresyon analizinde Gauss-Markov Teoremi, Klasik Doğrusal Regresyon Modeli varsayımları altında En Küçük Kareler () tahmin edicilerinin istatistiksel olarak "En İyi Doğrusal Sapmasız Tahmin Edici" () olduğunu ispatlar. Bu teorem çerçevesinde, bir tahmin edicinin "En İyi" () olma özelliği aşağıdakilerden hangisini ifade etmektedir?
- ATahmin edicinin beklenen değerinin örneklemden örnekleme değişmeyerek gerçek kitle parametresine eşit olması
- BTahmin edicinin, bağımlı değişken 'nin gözlem değerlerinin doğrusal bir fonksiyonu olarak ifade edilebilmesi
- Tahmin edicinin, tüm doğrusal ve sapmasız tahmin ediciler kümesi içerisinde en küçük varyansa sahip olmasıCevap
- DÖrneklem hacmi sonsuza doğru artarken tahmin edicinin değerinin gerçek parametre değerine yaklaşması
- EHata terimlerinin sabit bir varyansa sahip olması ve normal dağılım göstermesi koşulu
Cevap
Gauss-Markov teoreminde 'en iyi' (best) ifadesi, tahmin edicinin tüm doğrusal ve sapmasız tahmin ediciler arasında en düşük varyansa sahip olması (etkinlik) durumunu temsil eder.
Gauss-Markov Teoremi uyarınca, belirli varsayımlar altında tahmin edicileri özelliğine kavuşur. Buradaki 'Best' (En İyi) kavramı teknik olarak 'etkinlik' (efficiency) anlamına gelir. Etkinlik ise, sapmasız olan tüm doğrusal tahmin ediciler arasında tahmin edicisinin varyansının minimum olduğunu ifade eder.
Adım Adım Çözüm
Anahtar Kavram
İstatistiksel Etkinlik (Efficiency) ve Minimum Varyans
Tahmini Süre:1m 30s