Zadanie 1: Algorytm MNK
Rozpatrujemy model yi = β1+ β2xi+ εi oszacowany na próbie n-elementowej.
• Pokazać przy użyciu wzoru = (XTX)−1XTy, że w tym modelu estymator MNK parametru β2
ma postać:
b2 = nPn
i=1xiyi−Pn
i=1xiPn i=1yi nPn
i=1x2i − (Pn i=1xi)2
• Pokazać, że w tym modelu estymator MNK parametru β1 spełnia ¯y = b1+ b2x.¯
• Ile wynosi liczebność próby, jeżeli b1= 25, b2 = −0, 5,Pn
i=1yi = 100, Pn
i=1xi = 200.
• Znaleźć wektor reszt, wektor wartości dopasowanych, estymator σ2, estymator macierzy wariancji- kowariancji oraz R2.
Rozwiązanie: W modelu wystepuje stała (kolumna jedynek), dlatego postaci macierzy X oraz y to:
X =
1 x1
1 x2 ... ... 1 xn
y =
y1
y2 ... yn
Wykonujemy obliczenia ze wzoru:
• Obliczamy (XTX):
XTX =
1 1 . . . 1 x1 x2 . . . xn
1 x1
1 x2
... ... 1 xn
=
n Pn
i=1xi
Pn
i=1xi Pn i=1x2i
• Odwracamy uzyskaną macierz:
(XTX)−1= 1
nPn
i=1x2i − (Pn i=1xi)2
Pn
i=1 −Pn
i=1xi
−Pn
i=1xi n
• Obliczamy XTy
XTy =
1 1 . . . 1 x1 x2 . . . xn
y1
y2
... yn
=
Pn
i=1yi Pn
i=1xiyi
• Mnożymy z odwrotnością macierzy, wynik to szukane oszacowanie.
(XTX)−1XTy = 1 nPn
i=1x2i − (Pn i=1xi)2
Pn
i=1 −Pn
i=1xi
−Pn
i=1xi n
Pn i=1yi
Pn
i=1xiyi
= 1
nPn
i=1x2i − (Pn i=1xi)2
Pn
i=1x2i Pn
i=1yi−Pn
i=1xiPn i=1xiyi
−Pn
i=1xiyi+ nPn i=1xiyi
1
Dla drugiego podpunktu wstawiamy znalezione oszacowania do formuły, upraszczamy:
P = Pn
i=1x2iPn
i=1yi−Pn
i=1xiPn
i=1xiyi+
Pn i=1xi
n [nPn
i=1xiyi−Pn
i=1xiPn i=1yi] nPn
i=1x2i − (Pn
i=1xi)2 =
Pn i=1yi
n W trzecim podpunkcie korzystamy z wyników podpunktu drugiego:
¯
y = b1+ b2X¯ Stąd wiemy, że:
n = Pn
i=1yi− b2Pn i=1xi b1
= 100 + 0, 5 ∗ 200
25 = 8
Żeby znaleźć wektor reszt niezbędny jest nam wektor wartości dopasowanych (podstawiamy macierze do wzoru):
y = y − Xbˆ Wtedy wektor reszt:
e = y − ˆy Oszacowanie sigma2:
σ2 = eTe
N − k = eTe N − 2
k to liczba parametrów do oszacowania (u nas 2: dla stałej i zmiennej).
I postać macierzy wariancji kowariancji (korzystamy z fragmentu rozwiązania z podpunktu 1):
σ2(XTX)−1
Żeby obliczyć R2 przyda się wartość średnia ¯y. Proszę zauważyć, że w modelu występuje stała, dlatego dekompozycja wariancji jest możliwa!
R2 = 1 − eTe (y − ¯y)2
Zadanie 2:
Znaleźć estymator MNK wektora dla modelu yi = β0 + β1x1i+ β2x2i+ εi, w którym n = 4, xT1 = [1, 1, 2, −4], xT2 = [−3, −3, 5, 1], yT = [1, 2, 3, 1]. Znaleźć wektor reszt, wektor wartości dopa- sowanych, estymator σ2, estymator macierzy wariancji-kowariancji oraz R2. Rozwiązanie: Zadanie oparte na podobnym schemacie, co poprzednie. Odpowiedzi:
b ∼
1, 75 0, 23 0, 16
y ∼ˆ
1, 5 1, 5 3 1
e ∼
−0, 5 0, 5
0 0
2
σ2 = 0, 5 σ2(XTX)−1=
1/8 0 0
0 1/22 0
0 0 1/88
R2= 1 −(y−¯eTy)e2 ∼ 0, 82
Zadanie 3:
Dany jest następujący model:
yi= β1+ β2di+ εi, dla i = 1, . . . , N di=
1 dla i ≤ q 0 gdy i > q
Var(εi) = σ2I
• Podać estymatory MNK dla parametrów β1, β2, dla N = 60, q = 40,PN
i=1yi= 50,Pq
i=1yi= 30.
• Udowodnić, że estymatory te są nieobciążone.
• Podać postać macierzy wariancji-kowariancji dla estymatorów β1, β2, jeżeli spełnione są zało- żenia KMRL.
Rozwiązanie:
3