| Property |
Value |
| dbo:abstract
|
- En estadística, el Teorema de Gauss-Márkov, formulado por Carl Friedrich Gauss y Andréi Márkov, establece que en un modelo lineal general (MLG) en el que se establezcan los siguientes supuestos:
* Correcta especificación: el MLG ha de ser una combinación lineal de los parámetros () y no necesariamente de las variables:
* Muestreo aleatorio simple: la muestra de observaciones del vector es una muestra aleatoria simple y, por lo tanto, el vector es independiente del vector
* Esperanza condicionada de las perturbaciones nula:
* Correcta identificación: la matriz de regresoras (X) ha de tener :
* Homocedasticidad: el estimador mínimo cuadrático ordinario (MCO) de B es el estimador lineal e insesgado óptimo (ELIO o BLUE: best linear unbiased estimator), es decir, el estimador MCO es el estimador eficiente dentro de la clase de estimadores lineales e insesgados. Dicho teorema se basa en 10 supuestos, denominados «supuestos de Gauss-Márkov»; que sirven como hipótesis a la demostración del mismo: 1.
* El modelo esta correctamente especificado 2.
* Debe ser lineal en los parámetros 3.
* El valor de la media condicional es cero 4.
* Hay homocedasticidad 5.
* No existe correlación entre las perturbaciones 6.
* La covarianza entre y es cero 7.
* El número de observaciones es mayor que el de parámetros 8.
* Existe variabilidad entre los 9.
* No hay multicolinealidad perfecta 10.
* Las son no estocásticas, es decir, son fijas en muestras repetidas. (es)
- En estadística, el Teorema de Gauss-Márkov, formulado por Carl Friedrich Gauss y Andréi Márkov, establece que en un modelo lineal general (MLG) en el que se establezcan los siguientes supuestos:
* Correcta especificación: el MLG ha de ser una combinación lineal de los parámetros () y no necesariamente de las variables:
* Muestreo aleatorio simple: la muestra de observaciones del vector es una muestra aleatoria simple y, por lo tanto, el vector es independiente del vector
* Esperanza condicionada de las perturbaciones nula:
* Correcta identificación: la matriz de regresoras (X) ha de tener :
* Homocedasticidad: el estimador mínimo cuadrático ordinario (MCO) de B es el estimador lineal e insesgado óptimo (ELIO o BLUE: best linear unbiased estimator), es decir, el estimador MCO es el estimador eficiente dentro de la clase de estimadores lineales e insesgados. Dicho teorema se basa en 10 supuestos, denominados «supuestos de Gauss-Márkov»; que sirven como hipótesis a la demostración del mismo: 1.
* El modelo esta correctamente especificado 2.
* Debe ser lineal en los parámetros 3.
* El valor de la media condicional es cero 4.
* Hay homocedasticidad 5.
* No existe correlación entre las perturbaciones 6.
* La covarianza entre y es cero 7.
* El número de observaciones es mayor que el de parámetros 8.
* Existe variabilidad entre los 9.
* No hay multicolinealidad perfecta 10.
* Las son no estocásticas, es decir, son fijas en muestras repetidas. (es)
|
| dbo:wikiPageExternalLink
| |
| dbo:wikiPageID
| |
| dbo:wikiPageLength
| |
| dbo:wikiPageRevisionID
| |
| dct:subject
| |
| rdfs:comment
|
- En estadística, el Teorema de Gauss-Márkov, formulado por Carl Friedrich Gauss y Andréi Márkov, establece que en un modelo lineal general (MLG) en el que se establezcan los siguientes supuestos:
* Correcta especificación: el MLG ha de ser una combinación lineal de los parámetros () y no necesariamente de las variables:
* Muestreo aleatorio simple: la muestra de observaciones del vector es una muestra aleatoria simple y, por lo tanto, el vector es independiente del vector
* Esperanza condicionada de las perturbaciones nula:
* Correcta identificación: la matriz de regresoras (X) ha de tener :
* Homocedasticidad: (es)
- En estadística, el Teorema de Gauss-Márkov, formulado por Carl Friedrich Gauss y Andréi Márkov, establece que en un modelo lineal general (MLG) en el que se establezcan los siguientes supuestos:
* Correcta especificación: el MLG ha de ser una combinación lineal de los parámetros () y no necesariamente de las variables:
* Muestreo aleatorio simple: la muestra de observaciones del vector es una muestra aleatoria simple y, por lo tanto, el vector es independiente del vector
* Esperanza condicionada de las perturbaciones nula:
* Correcta identificación: la matriz de regresoras (X) ha de tener :
* Homocedasticidad: (es)
|
| rdfs:label
|
- Teorema de Gauss-Márkov (es)
- Teorema de Gauss-Márkov (es)
|
| owl:sameAs
| |
| prov:wasDerivedFrom
| |
| foaf:isPrimaryTopicOf
| |
| is dbo:wikiPageRedirects
of | |
| is owl:sameAs
of | |
| is foaf:primaryTopic
of | |
