To see the desired glossary, please select the language and then the field of expertise.

    Home Compare [close]
    • Polish
      • Search
        • Term
          • Heteroskedastyczność
        • Additional fields of expertise
        • Definition(s)
          • Heteroskedastyczność (lub heteroscedastyczność) – pojęcie z zakresu statystyki odnoszące się do ciągu lub wektora zmiennych losowych. Własność ta jest zaprzeczeniem posiadania przez taki ciąg lub wektor własności homoskedastyczności, tzn. przynajmniej jedna zmienna losowa z ciągu różni się od innych wariancją lub jej wariancja jest nieskończona. Heteroskedastyczność rozważa się w kontekście modeli ekonometrycznych, szczególnie przy estymacji metodą najmniejszych kwadratów, ze względu na jedno z założeń Klasycznego Modelu Regresji Liniowej, mówiącego o homoskedastyczności wariancji składnika losowego. Wikipedia - by Dawid Mazela, MA, MCIL
        • Example sentence(s)
          • Głównym celem artykułu jest zaprezentowanie metod testowania i uwzględniania modelu heteroskedastyczności grupowej i korelacji przekrojowej oraz ich przykładowe zastosowanie do analizy popytu na pracę według sekcji PKD. - BazEkon by Dawid Mazela, MA, MCIL
        • Related KudoZ question
    Compare [close]
    • Persian (Farsi)
      • Search
        • Term
          • ناهم‌واریانسی
        • Additional fields of expertise
        • Definition(s)
          • در آمار دنباله‌ای، متغیرهای تصادفی که دارای واریانس‌های متفاوتی باشد ناهم‌واریانس نامیده می‌شود. در مقابل به یک دنباله از متغیرهای تصادفی واریانس همسان می‌گویند اگر دارای واریانس ثابتی باشند. wikipedia - by Marzieh Izadi
        • Example sentence(s)
          • بایستی توجه داشت که با وجود مشکل واریانس ناهمسانی برآوردهای ما از ضرایب به کمک روش حداقل مربعات همچنان بدون تورش باقی می‌ماند. اما واریانس برآورد شده با روش حداقل مربعات برای ضرایب در این شرایط تورش دار خواهد بود. یعنی در این شرایط واریانس برآوردی ضرایب مقادیری بیشتر یا کمتر از واریانس حقیقی جامعه را ارائه می‌دهد. از این‌رو استنتاج‌هایی که به روش حداقل مربعات در این شرایط صورت می‌گیرد ممکن است صحیح نباشد. به عنوان مثال فرض کنیم واریانس بر آورد شده مقداری کوچکتر از واریانس جامعه را ارائه دهد در این صورت مقداری که برای آمارهٔ تی محاسبه می‌شود مقدار بزرگتری از مقدار واقعی آماره را نمایان می‌سازد و این امکان را ایجاد می‌کند که به‌شکل غیرواقعی مقدار آماره در ناحیهٔ بحرانی قرار بگیرد. و از این‌رو فرضیه صفر که دلالت بر معنادار نبودن ضریب برآورد شده دارد رد می‌گردد، حال آنکه ممکن است ضریب مذکور بی معنا بوده باشد. از دیگر نتایجی که واریانس ناهمسانی بهمراه دارد عدم اعتبار فاصلهٔ اطمینان می‌باشد. از آنجا که برآورد صحیحی از واریانس نداریم طبیعتاً فاصلهٔ اطمینان نیز که بر اساس این واریانس ساخته می‌شود قابل اعتماد نیست. همچنین در این شرایط آزمون‌های معنا داری ضرایب همانند آزمون اف یا آزمون ال-ام نتایج صحیحی را حاصل نمی‌کنند. - wiki by Marzieh Izadi
        • Related KudoZ question
  • Compare this term in: Serbian, Albanian, Bulgarian, German, Greek, English, French, Italian, Korean, Portuguese, Russian, Ukrainian

The glossary compiled from Glossary-building KudoZ is made available openly under the Creative Commons "By" license (v3.0). By submitting this form, you agree to make your contribution available to others under the terms of that license.

Creative Commons License