next up previous contents
Nächste Seite: Normalengleichung Aufwärts: Lineare Modelle; Designmatrix mit Vorherige Seite: Lineare Modelle; Designmatrix mit   Inhalt


Methode der kleinsten Quadrate

Das Ziel dieses Abschnittes besteht darin, die unbekannten Modellparameter $ \beta_1,\ldots,\beta_m$ und $ \sigma ^2$ aus den beobachteten Daten $ (x_{11},\ldots,x_{1m})^\top,\ldots,(x_{n1},\ldots,x_{nm})^\top\in\mathbb{R}^m$ und $ (y_1\ldots,y_n)^\top\in\mathbb{R}^n$ zu schätzen.

Beachte
$ \;$ Außer den in (5) gemachten Modellannahmen werden zunächst keine zusätzlichen Voraussetzungen über die Verteilung der zufälligen Störgrößen $ \varepsilon _1,\ldots,\varepsilon _n:\Omega\to\mathbb{R}$ benötigt.




Unterabschnitte

Hendrik Schmidt 2006-02-27