Teorema di Gauss-Markov: dimostrazione

tramite: O2O
Difficoltà: difficile
14

Introduzione

La matematica è sempre stata la materia più complicata e quindi meno apprezzata sia dai bambini delle scuole elementari, sia dagli studenti delle superiori e delle facoltà universitarie. Questa difficoltà sta soprattutto nel fatto che i concetti sono strettamente connessi tra loro, per cui è necessario comprenderli appieno onde evitare di avere problemi degli studi futuri. Nei passi della seguente guida parleremo del Teorema di Gauss-Markov, il quale afferma che, in un modello lineare in cui i disturbi incorrelati e omoschedastici sono più funzionali, gli stimatori che si ottengono con il metodo dei minimi quadrati. In particolare, in seguito esa indossato la dimostrazione di questo teorema.

24

Quando è possibile fare la dimostrazione

Come già accennato, il teorema di Gauss-Markov dice che, considerando un modello lineare in notazione matriciale y=Xβ+ε dove E[ε]=0 e E[εε']=(σ^2) I, essendo β°=[(XX')^-1]X'y uno stimatore qualsiasi ottenuto come combinazione lineare degli "y": b=Ly è tale per cui var (b)-var (β)=E (b-β)(b-β)'-E (β°-β)(β°-β)'. Quindi, il teorema può essere dimostrato prendendo in considerazione che uno stimatore lineare generico b=Ly in cui si decomponga la matrice "L" come L=D+[(XX')^-1]X'. Dunque, è necessario scrivere: E[b]=E{Dy+[(XX')^-1]X'y}=β. Tuttavia, questa dimostrazione non è sempre possibile, ma lo diventa solo se DX=0 e anche E[Lε]=E[Dε]=0. Per ottenere la matrice varianze - covarianze, bisogna scrivere: E (b-β)(b-β)'={D+[(XX')^-1]X'}εε'{D+[(XX')^-1]X'}'=(σ^2)(DD'[(XX')^-1]), perché la correttezza di "b" impone che DX=0.

34

Riconoscimento della matrice varianze - covarianze

Fondamentale è individuare la matrice varianze - covarianze degli stimatori minimi, che si riconosce nell'espressione precedente "var (β°)=(σ^2)[(XX')^-1]". Inoltre è, anche, possibile osservare che la matrice (σ^2) DD'=var (b)-var (β°), in quanto (σ^2)>0 è semidefinita positiva v'DD'v={(D'v)'(D'v)=||D'v||^2}≥0 ∀v≠0, proprio come volevasi dimostrare.

Continua la lettura
44

Determinazione della matrice

Infine, è possibile affermare che nell'algebra lineare una matrice è positiva quando una matrice quadrata ha proprietà accomunabili ai numeri reali positivi. Una matrice "M" è detta invece "semi-definita positiva" quando x*Mx≤0 ∀x in (R^n) o (C^n). "x*" indica la complessa coniugata della sua trasposta. Quando "x" è un vettore in (R^n), l'operazione coincide con la trasposizione e può essere scritta come "x^T" come sostituta di "x*". Infine, un errore che spesso si commette è quello di di confondersi con l'altro teorema di Gauss, che riguarda invece il calcolo delle aree per le coordinate assolute.

Potrebbe interessarti anche

Segnala contenuti non appropriati

Tipo di contenuto
Devi scegliere almeno una delle opzioni
Descrivi il problema
Devi inserire una descrizione del problema
Si è verificato un errore nel sistema. Riprova più tardi.
Verifica la tua identità
Devi verificare la tua identità
chiudi
Grazie per averci aiutato a migliorare la qualità dei nostri contenuti

Guide simili

Università e Master

Teorema di Hamilton-Cayley: dimostrazione

Il Teorema di Hamilton-Cayley si esprime nella seguente modalità: se "T: V --> V" rappresenta un endomorfismo di uno spazio vettoriale su "R", il polinomio caratteristico "p (T)" è nullo. Ciò significa che, qualora si consideri una matrice quadrata...
Università e Master

Teorema di diagonalizzabilità: dimostrazione

Il teorema di diagonalizzabilità è un pilastro dell'algebra lineare che ci aiuta a dare spiegazioni di tipo pratico in altri campi dello studio moderno come la meccanica strutturale o semplicemente a chiarirci come un comportamento fisico, descritto...
Università e Master

Teorema di Laplace: dimostrazione

Lo studio è stato parte integrante durante la nostra adolescenza, materie che si intrecciavano tra loro facendoci a volte palpitare, ma nello stesso tempo incuriosire e affascinare, in questa guida cerchiamo di capire Teorema di Laplace: dimostrazione,...
Università e Master

Come Applicare Il Metodo Di Eliminazione Di Gauss A Una Matrice Nxn

Oggi vedremo come applicare il metodo di eliminazione di Gauss su una matrice nxn. Utilizzare tale algoritmo su una qualsiasi matrice permette di ricavare preziose informazioni circa il rango della stessa, la struttura delle soluzioni del sistema lineare...
Superiori

Teorema fondamentale dell'algebra: dimostrazione

Il teorema fondamentale dell'algebra ha una storia cronologica suddivisa in quattro fasi distinte. Nella prima fase esso venne enunciato, ma rimanendo privo di dimostrazione. Nella seconda e nella terza fase troviamo i primi tentativi di dimostrazione,...
Università e Master

Teorema della divergenza: dimostrazione

Nel calcolo vettoriale un importante enunciato è il famoso teorema della divergenza. Conosciuto dagli studiosi delle varie Analisi Matematiche anche come il teorema di Ostrogradskij, è stato erroneamente accostato a Gauss poiché pensato dal grande...
Superiori

Teorema di Altman: dimostrazione

In questa guida andremo a spiegare in breve, ma comunque in modo preciso, la dimostrazione del Teorema di Altman. Il Teorema di Altman è un teorema di punto fisso. In analisi matematica, analisi funzionale e analisi topologica, il punto fisso per una...
Università e Master

Teorema del guscio sferico: dimostrazione

Il teorema del guscio sferico, o semplicemente teorema del guscio, rappresenta una semplificazione dello studio della gravitazione di corpi con simmetria sferica. >Fu formulato da Isaac Newton (matematico, fisico, filosofo naturale e astronomo inglese)...
I presenti contributi sono stati redatti dagli autori ivi menzionati a solo scopo informativo tramite l’utilizzo della piattaforma www.o2o.it e possono essere modificati dagli stessi in qualsiasi momento. Il sito web, www.o2o.it e Arnoldo Mondadori Editore S.p.A. (già Banzai Media S.r.l. fusa per incorporazione in Arnoldo Mondadori Editore S.p.A.), non garantiscono la veridicità, correttezza e completezza di tali contributi e, pertanto, non si assumono alcuna responsabilità in merito all’utilizzo delle informazioni ivi riportate. Per maggiori informazioni leggi il “Disclaimer »”.