www.vorkurse.de
Ein Projekt von vorhilfe.de
Die Online-Kurse der Vorhilfe

E-Learning leicht gemacht.
Hallo Gast!einloggen | registrieren ]
Startseite · Mitglieder · Teams · Forum · Wissen · Kurse · Impressum
Forenbaum
^ Forenbaum
Status Mathe-Vorkurse
  Status Organisatorisches
  Status Schule
    Status Wiederholung Algebra
    Status Einführung Analysis
    Status Einführung Analytisc
    Status VK 21: Mathematik 6.
    Status VK 37: Kurvendiskussionen
    Status VK Abivorbereitungen
  Status Universität
    Status Lerngruppe LinAlg
    Status VK 13 Analysis I FH
    Status Algebra 2006
    Status VK 22: Algebra 2007
    Status GruMiHH 06
    Status VK 58: Algebra 1
    Status VK 59: Lineare Algebra
    Status VK 60: Analysis
    Status Wahrscheinlichkeitst

Gezeigt werden alle Foren bis zur Tiefe 2

Navigation
 Startseite...
 Neuerdings beta neu
 Forum...
 vorwissen...
 vorkurse...
 Werkzeuge...
 Nachhilfevermittlung beta...
 Online-Spiele beta
 Suchen
 Verein...
 Impressum
Das Projekt
Server und Internetanbindung werden durch Spenden finanziert.
Organisiert wird das Projekt von unserem Koordinatorenteam.
Hunderte Mitglieder helfen ehrenamtlich in unseren moderierten Foren.
Anbieter der Seite ist der gemeinnützige Verein "Vorhilfe.de e.V.".
Partnerseiten
Weitere Fächer:

Open Source FunktionenplotterFunkyPlot: Kostenloser und quelloffener Funktionenplotter für Linux und andere Betriebssysteme
Forum "Statistik (Anwendungen)" - Beweis lineare Einfachregressi
Beweis lineare Einfachregressi < Statistik (Anwend.) < Stochastik < Hochschule < Mathe < Vorhilfe
Ansicht: [ geschachtelt ] | ^ Forum "Statistik (Anwendungen)"  | ^^ Alle Foren  | ^ Forenbaum  | Materialien

Beweis lineare Einfachregressi: Frage (beantwortet)
Status: (Frage) beantwortet Status 
Datum: 14:37 So 01.01.2012
Autor: jolli1

Aufgabe
[mm] y_i= \beta_1 +\beta_2x_i [/mm] + [mm] \epsilon_i [/mm]

Zeigen Sie, dass gilt:
[mm] \summe_{i=1}^{n} \epsilon_i [/mm] ²= [mm] \summe_{i=1}^{n}y_i² [/mm] - [mm] \beta_1Dach\summe_{i=1}^{n} y_i [/mm] - [mm] \beta_2Dach \summe_{i=1}^{n}y_ix_i [/mm]

Hinweis: [mm] \summe_{i=1}^{n} \epsilon_i [/mm] = 0  und [mm] \summe_{i=1}^{n} x_i\epsilon_iDach [/mm] =0


Hey Ihr Lieben,

ich hab ein paar mal hin und herprobiert und eingesetzt, aufgelöst, aber die Terme wurden immer länger und ich hab das Gefühl, dass ich auf dem völlig falschen Weg bin. Ich komm einfach nicht darauf, wie ich das so umformen kann, dass ich mit dem angegebenen Hinweis etwas anfangen kann.

Ich wär um jeden Tipp dankbar

vielen Dank vorab

jolli

        
Bezug
Beweis lineare Einfachregressi: Mitteilung
Status: (Mitteilung) Reaktion unnötig Status 
Datum: 15:16 So 01.01.2012
Autor: luis52

Leider kann *ich* das nicht entziffern. Was ist z.B. [mm] $x_{ii}$? [/mm]

vg Luis

Bezug
                
Bezug
Beweis lineare Einfachregressi: Mitteilung
Status: (Mitteilung) Reaktion unnötig Status 
Datum: 19:45 So 01.01.2012
Autor: jolli1

Herzlichen Dank für den hinweis, ich hoffe, man kanns jetzt entziffern;)

Bezug
        
Bezug
Beweis lineare Einfachregressi: Antwort
Status: (Antwort) fertig Status 
Datum: 22:20 So 01.01.2012
Autor: ullim

Hi,

mit [mm] \epsilon_i=y_i-\beta_1-\beta_2*x_i [/mm] gilt

[mm] \epsilon_1^2=\epsilon_i*(y_i-\beta_1-\beta_2*x_i)=\epsilon_i*y_i-\beta_1*\epsilon_i-\beta_2*x_i*\epsilon_i [/mm]

wegen der Voraussetzung folgt

[mm] \summe_{i=1}^{n}\epsilon_1^2=\summe_{i=1}^{n}\epsilon_i*y_i=\summe_{i=1}^{n}\left(y_i^2-\beta_1*y_i-\beta_2*x_i*y_i\right) [/mm]

Das ist die Behauptung.

Bezug
                
Bezug
Beweis lineare Einfachregressi: Frage (beantwortet)
Status: (Frage) beantwortet Status 
Datum: 12:10 Mo 02.01.2012
Autor: jolli1

Hey, vielen lieben Dank für die schnelle Antwort.

Eine Frage: wie kommst du auf das hier?

>  
> [mm][mm] \summe_{i=1}^{n}\epsilon_1^2=\summe_{i=1}^{n}\epsilon_i*y_i [/mm]


Bezug
                        
Bezug
Beweis lineare Einfachregressi: Antwort
Status: (Antwort) fertig Status 
Datum: 12:41 Mo 02.01.2012
Autor: ullim

Hi,

es gilt ja

(*) [mm] \epsilon_1^2=\epsilon_i\cdot{}(y_i-\beta_1-\beta_2\cdot{}x_i)=\epsilon_i\cdot{}y_i-\beta_1\cdot{}\epsilon_i-\beta_2\cdot{}x_i\cdot{}\epsilon_i [/mm]

wie ich geschrieben habe.

Wegen

(**) [mm] \summe_{i=1}^{n} \epsilon_i=0 [/mm] und [mm] \summe_{i=1}^{n} x_i\epsilon_i=0 [/mm]

folgt

[mm] \summe_{i=1}^{n} \epsilon_i^2=\summe_{i=1}^{n}\epsilon_i\cdot{}y_i-\beta_1\cdot{}\summe_{i=1}^{n}\epsilon_i-\beta_2\cdot{}\summe_{i=1}^{n}x_i\cdot{}\epsilon_i [/mm]

Berücksichtigung von (**) ergibt die Behauptung.

Bezug
Ansicht: [ geschachtelt ] | ^ Forum "Statistik (Anwendungen)"  | ^^ Alle Foren  | ^ Forenbaum  | Materialien


^ Seitenanfang ^
www.vorkurse.de
[ Startseite | Mitglieder | Teams | Forum | Wissen | Kurse | Impressum ]