Product Design, Manufacturing & Innovation Resources
घर » गॉस-मार्कोव प्रमेय

गॉस-मार्कोव प्रमेय

1900
  • Carl Friedrich Gauss
  • Andrey Markov
एक पेशेवर कार्यालय के माहौल में सांख्यिकीविद गॉस-मार्कोव प्रमेय पर चर्चा कर रहे हैं।

(यह छवि केवल उदाहरण के लिए बनाई गई है)

यह प्रमेय बताता है कि एक रैखिक प्रतिगमन मॉडल में, जहाँ त्रुटियों का माध्य शून्य होता है, वे असंबंधित होती हैं और उनका प्रसरण स्थिर होता है (समरूपता), साधारण न्यूनतम वर्ग (ओएलएस) अनुमानक सर्वश्रेष्ठ रैखिक निष्पक्ष अनुमानक (ब्लू) होता है। "सर्वश्रेष्ठ" का अर्थ है कि प्रतिगमन गुणांकों के सभी रैखिक निष्पक्ष अनुमानकों में इसका प्रसरण न्यूनतम होता है, जिससे यह सबसे सटीक होता है।

The Gauss-Markov theorem is a central result in the theory of linear regression that gives OLS its strong theoretical appeal. It guarantees that if a specific set of assumptions holds, no other linear and unbiased estimator will be more efficient than OLS. Let’s break down the BLUE acronym. ‘Linear’ means the estimator for the coefficients is a linear combination of the observed dependent variable values. ‘Unbiased’ means that on average, the estimator will yield the true population parameter; its expected value is the true value, [latex]E(\hat{\beta}) = \beta[/latex]. ‘Best’ signifies that the OLS estimator has the minimum variance in its sampling distribution compared to any other linear unbiased estimator.

मुख्य मान्यताएँ, जिन्हें गॉस-मार्कोव मान्यताएँ कहा जाता है, इस प्रकार हैं: 1. मॉडल मापदंडों में रैखिक है। 2. त्रुटियों का सशर्त माध्य शून्य है ([latex]E(varepsilon | X) = 0[/latex])। 3. स्वतंत्र चर पूर्णतः संरेख नहीं हैं। 4. त्रुटियाँ समरूप हैं (स्थिर प्रसरण रखती हैं, [latex]Var(varepsilon | X) = sigma^2[/latex]) और स्वसहसंबंधित नहीं हैं ([latex]Cov(varepsilon_i, varepsilon_j | X) = 0[/latex] for [latex]i neq j[/latex])।

महत्वपूर्ण बात यह है कि इस प्रमेय के लिए त्रुटियों का सामान्य रूप से वितरित होना आवश्यक नहीं है। सामान्यता की धारणा बाद में तब जोड़ी जाती है जब गुणांकों पर सटीक परिमित-नमूना परिकल्पना परीक्षण (जैसे टी-परीक्षण और एफ-परीक्षण) किए जाने हों। जब गॉस-मार्कोव की मान्यताएँ भंग होती हैं (उदाहरण के लिए, विषमता या स्वसहसंबंध की उपस्थिति में), तो ओएलएस अब ब्लू नहीं रह जाता है, और सामान्यीकृत न्यूनतम वर्ग (जीएलएस) जैसे वैकल्पिक अनुमानक अधिक कुशल हो सकते हैं।

UNESCO Nomenclature: 1209
सांख्यिकी

Type

सार प्रणाली

व्यवधान

मूलभूत

उपयोग

व्यापक उपयोग

शगुन

  • न्यूनतम वर्ग विधि (गॉस विधि)
  • प्रायिकता सिद्धांत (अपेक्षा और विचरण की अवधारणाएँ)
  • रैखिक बीजगणित और मैट्रिक्स सिद्धांत
  • अनुमान के सिद्धांत पर प्रारंभिक कार्य

आवेदन

  • कई व्यावहारिक परिदृश्यों में ओएलएस के उपयोग के लिए सैद्धांतिक औचित्य प्रदान करना।
  • रैखिक मॉडलों में सांख्यिकीय अनुमान (विश्वास अंतराल, परिकल्पना परीक्षण) के लिए एक आधार के रूप में कार्य करना
  • अन्य, अधिक जटिल अनुमानकों की दक्षता की तुलना करने के लिए एक सैद्धांतिक मानदंड के रूप में कार्य करना

पेटेंट:

NA

संभावित नवाचार विचार

बॉट ट्रैफिक को कम करने के कारण, जो वर्तमान में प्रति दिन 40,000 से अधिक है, यह सामग्री केवल समुदाय के सदस्यों के लिए आरक्षित है।
> लॉगिन < या > रजिस्टर < इस सामग्री और अन्य सभी प्रतिबंधित सामग्रियों और उपकरणों तक पहुंच (100% निःशुल्क) है।

संबंधित विषय: गॉस-मार्कोव प्रमेय, ब्लू, सर्वश्रेष्ठ रैखिक निष्पक्ष अनुमानक, ओएलएस, समरूपता, असंबंधित त्रुटियां, न्यूनतम विचरण, सांख्यिकीय अनुमान, रैखिक मॉडल मान्यताएं, अर्थमिति।

ऐतिहासिक संदर्भ

गॉस-मार्कोव प्रमेय

1854
1895
1899
1900
1911
1922
1925
1854
1884
1896
1900
1903
1914
1924
1925

(यदि तिथि अज्ञात है या प्रासंगिक नहीं है, उदाहरण के लिए "द्रव यांत्रिकी", तो इसके उल्लेखनीय उद्भव का एक अनुमानित आंकड़ा प्रदान किया गया है)

संबंधित आविष्कार, नवाचार और तकनीकी सिद्धांत

पंजीकृत सदस्यों के लिए पूर्ण आकार की छवियाँ और डाउनलोड 100% निःशुल्क उपलब्ध हैं।