Nächste Seite: Erwartungswertvektor und Kovarianzmatrix des
Aufwärts: Schätzung der Modellparameter
Vorherige Seite: Schätzung der Modellparameter
  Inhalt
KQ-Schätzer für
Die folgende Eigenschaft des Ranges von Matrixprodukten ist
nützlich, die sich unmittelbar aus der in Lemma 2.3
betrachteten Rangformel ergibt.
Lemma 3.2
Seien

beliebige natürliche Zahlen, und seien

beliebige

bzw.

Matrizen.
Dann gilt
 |
(23) |
- Beachte
-
- Weil wir jetzt annehmen, dass die Designmatrix
keinen
vollen Rang besitzt, ist die
Matrix
nicht invertierbar, denn gemäß Lemma 3.2
gilt
.
- Die Normalengleichung (2.9), d.h.,
 |
(24) |
besitzt
deshalb keine eindeutig bestimmte Lösung.
- Um die Lösungsmenge der Gleichung (24) zu
beschreiben, benötigen wir den Begriff der verallgemeinerten
inversen Matrix, vgl. auch Abschnitt 3.4 der Vorlesung
,,Numerik 1a'' von K. Urban (Universität Ulm, Sommersemester
2005).
- Definition
Eine
Matrix
heißt
verallgemeinerte Inverse der
Matrix
,
wenn
 |
(25) |
Um zu zeigen, dass es immer eine Lösung
der
Definitionsgleichung (25) gibt, benutzen wir die
folgende allgemeine Matrix-Darstellungsformel, die wir hier ohne
Beweis angeben.
Lemma 3.3

Sei

eine

Matrix mit

und

. Dann gibt es invertierbare

bzw.

Matrizen

bzw.

, so dass
bzw. |
(26) |
Mit Hilfe von Lemma 3.3 kann man zeigen, wie man zu
Lösungen
von (25) gelangen kann.
Insgesamt erhalten wir somit das folgende Ergebnis.
Lemma 3.4
Sei

eine

Matrix mit

und

. Außerdem sei

für jedes

die in

-

gegebene

Matrix. Dann gilt

und

ist eine Lösung der Gleichung

.
Außerdem sind die folgenden Eigenschaften der verallgemeinerten
Inversen nützlich.
- Beweis
-
- Definitionsgemäß gilt für die verallgemeinerte Inverse, dass
.
- Hieraus und aus der Symmetrie der Matrix
ergibt
sich, dass
d.h. die transponierte Matrix
ist ebenfalls
eine verallgemeinerte Inverse von
.
- Um die zweite Teilaussage (29) zu beweisen,
betrachten wir die Matrix
- Dann gilt
- Hieraus folgt, dass
.
Mit Hilfe der verallgemeinerten Inversen
von
und ihrer (in Lemma 3.5
betrachteten) Eigenschaften lässt sich die Lösungsmenge der
Normalengleichung (24) beschreiben.
Theorem 3.5
Die allgemeine Lösung

der Normalengleichung

hat die Form
 |
(30) |
wobei

eine beliebige Lösung der Gleichung
 |
(31) |
und

ein beliebiger

-dimensionaler Vektor ist.
- Beweis
-
- Beispiel
(einfaktorielle Varianzanalyse)
- Zur Erinnerung: Im reparametrisierten Modell der
einfaktoriellen Varianzanalyse (vgl. Fall
des in
Abschnitt 3.1.2 betrachteten Beispiels) ist die
Designmatrix gegeben durch die
Matrix
 |
(33) |
und der Parametervektor
ist gegeben durch
.
- Man kann sich leicht überlegen, dass dann
 |
(34) |
und dass eine verallgemeinerte Inverse von
gegeben ist durch
 |
(35) |
- Die Normalengleichung (24), d.h.
, besitzt somit die
folgende Gestalt:
- Wenn wir die Lösungen dieses Gleichungssystems lediglich in dem
eingeschränkten Parameterraum
suchen, wobei
 |
(36) |
dann ergibt sich die (eindeutig bestimmte) Lösung
mit
 |
(37) |
- Man kann sich leicht überlegen, dass die in (37)
gegebene Lösung
der Normalengleichung
(24)
- die Gestalt
hat, wobei die verallgemeinerte Inverse
durch (35) gegeben ist, und
- ein erwartungstreuer Schätzer für
bezüglich des
eingeschränkten Parameterraumes
ist, der die in
(36) gegebene Form hat.
- Ohne die in (36) betrachtete Nebenbedingung gibt es
jedoch keinen KQ-Schätzer für
, der gleichzeitig
erwartungstreu ist, vgl. Theorem 3.8.
Wir betrachten jetzt erneut das in (1) -
(3) gegebene lineare Modell mit allgemeiner
Designmatrix
. Insbesondere betrachten wir die in
Theorem 3.5 diskutierten Lösungen der
Normalengleichung (24) und zeigen, dass für
der in
gegebene mittlere
quadratische Fehler
minimiert wird.
Theorem 3.6

Sei

eine beliebige verallgemeinerte
Inverse von

. Dann minimiert die
Stichprobenfunktion
 |
(38) |
den mittleren quadratischen Fehler

, d.h.,

ist ein KQ-Schätzer für

.
- Beweis
-
- Für jeden
-dimensionalen Vektor
gilt
weil
und
wobei sich die letzte Gleichheit aus Lemma 3.5
ergibt.
Nächste Seite: Erwartungswertvektor und Kovarianzmatrix des
Aufwärts: Schätzung der Modellparameter
Vorherige Seite: Schätzung der Modellparameter
  Inhalt
Hendrik Schmidt
2006-02-27