우선 여기서 먼저 사용할 것은 LSE이다. Least Squares Estimation (최소제곱법) 최소제곱법은 오차 제곱의 합(오차항)을 최소로 만드는 를 구해서 추정량으로 쓰는 것이다.
분포를 가정하지 않아도 사용 가능하다. 다음과 같은 오차항 s를 최소화하는 추정량 β0햇, β1햇을 찾는것이다.
최소화 하는 모수를 어떻게 찾는가? 미분해서 0되는 지점을 찾으면 된다. β0으로 편미분해서 β0햇을 구하고, β1으로 편미분해서 β1햇을 구하는것!
그렇게 구하면, (계산 간단하니까 굳이 안적음) 이렇게 나온다. 이렇게 나온 추정량이 좋은 추정량인가?
라는게 궁금하다면, unbiasedness (불편추정량) consistency (일치성) minimum varience (최소분산성) 이 세 가지를 만족하는지 확인하면 되는것. 1. unbiasedness unbiasedness를 만족하는지 확인하는 법: 추정량의 기댓값이 모수가 된다면 불편성을 만족한다. 기댓값이 모수와 같다면 불편성...
#
LSE
#
단순선형회귀
#
데이터마이닝
#
불편성
#
불편추정량
#
선형회귀
#
최소제곱법
