Driver med litt regresjon, og skal lage en testobservator for [tex]\beta_1[/tex].
På formelarket gis følgende formel for testobservatoren: [tex]U_0 = \frac{\hat{\beta_1} - \beta_1^0}{\sigma / \sqrt M}[/tex]
Det jeg lurer på er hva andre ledd i telleren betyr. Slik jeg ser det så vil den alltid være lik 1 grunnet eksponenten, men i løsningsforslaget jeg ser på, så er det satt inn 0. Wat?
Regresjonsmodellen
Moderatorer: Vektormannen, espen180, Aleks855, Solar Plexsus, Gustav, Nebuchadnezzar, Janhaa
det jeg husker fra dette, er i teller: estimator minus forventninga [tex]\,\,\beta_0[/tex]Aleks855 skrev:Driver med litt regresjon, og skal lage en testobservator for [tex]\beta_1[/tex].På formelarket gis følgende formel for testobservatoren: [tex]U_0 = \frac{\hat{\beta_1} - \beta_1^0}{\sigma / \sqrt M}[/tex]Det jeg lurer på er hva andre ledd i telleren betyr. Slik jeg ser det så vil den alltid være lik 1 grunnet eksponenten, men i løsningsforslaget jeg ser på, så er det satt inn 0. Wat?
trur de mener dette altså, ellers gir det vel ingen mening.
der
[tex]\Large N=N( \beta_0,\Large\frac{\sigma}{\sqrt M})[/tex]
La verken mennesker eller hendelser ta livsmotet fra deg.
Marie Curie, kjemiker og fysiker.
[tex]\large\dot \rho = -\frac{i}{\hbar}[H,\rho][/tex]
Marie Curie, kjemiker og fysiker.
[tex]\large\dot \rho = -\frac{i}{\hbar}[H,\rho][/tex]
Det stemmer at $E(\hat{\beta}_1)=\beta_1^0$. (0 er ikke en eksponent, men indikerer bare at det er en forventningsverdi) Testobservatoren behøver dog ikke være normalfordelt, tror jeg.Janhaa skrev:det jeg husker fra dette, er i teller: estimator minus forventninga [tex]\,\,\beta_0[/tex]Aleks855 skrev:Driver med litt regresjon, og skal lage en testobservator for [tex]\beta_1[/tex].På formelarket gis følgende formel for testobservatoren: [tex]U_0 = \frac{\hat{\beta_1} - \beta_1^0}{\sigma / \sqrt M}[/tex]Det jeg lurer på er hva andre ledd i telleren betyr. Slik jeg ser det så vil den alltid være lik 1 grunnet eksponenten, men i løsningsforslaget jeg ser på, så er det satt inn 0. Wat?
trur de mener dette altså, ellers gir det vel ingen mening.
der
[tex]\Large N=N( \beta_0,\Large\frac{\sigma}{\sqrt M})[/tex]
Trur dei meiner $\beta_1$ under/gitt $H_0$ hypotesen.
edit: Dersom du vil teste $H_0: \beta_1 = 0$ vil testobservatoren din under $H_0$ vere $U_0 = \frac{\hat{\beta}_1-\beta_1^0}{\sigma/\sqrt{M}} = \frac{\hat{\beta}_1}{\sigma/\sqrt{M}}$.
edit: Dersom du vil teste $H_0: \beta_1 = 0$ vil testobservatoren din under $H_0$ vere $U_0 = \frac{\hat{\beta}_1-\beta_1^0}{\sigma/\sqrt{M}} = \frac{\hat{\beta}_1}{\sigma/\sqrt{M}}$.
Du har "funnet" estimatoren i den forstand at du har et punktestimat for den, antar jeg? Husk at estimatoren i seg selv er en stokastisk variabel, og at forventningsverdien til den er ukjent. Det man ønsker er å finne et konfidensintervall for den, og da må man kjenne sannsynlighetsfordelingen til testobservatoren, som i enkel lineær regresjon er student-t fordelt om jeg husker rett.Aleks855 skrev:Hmm, men jeg har jo funnet [tex]\hat{\beta_1}[/tex]. Hvordan finner man da forventninga til den?