« MINQUE » : différence entre les versions
m (Remplacement de texte — « [[:Catégorie:ISI | © Glossaire » par « [[:Catégorie:Statistiques | © Glossaire ») |
m (Remplacement de texte : « Catégorie:GRAND LEXIQUE FRANÇAIS » par « ») |
||
| (13 versions intermédiaires par 2 utilisateurs non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
== Définition == | == Définition == | ||
La théorie de l'estimation sans biais quadratique à norme minimale (MINQUE) a été développée par C. R. Rao. Son application était à l'origine le problème de l'[[hétéroscédasticité]] et l'estimation des composantes de la [[variance]] dans les modèles à effets aléatoires. | |||
La théorie comporte trois étapes : | |||
1. La définition d'une classe générale d'estimateurs potentiels comme fonctions quadratiques des données observées, où les estimateurs se rapportent à un vecteur de paramètres du modèle ; | |||
2. Spécifier certaines contraintes sur les propriétés souhaitées des estimateurs, telles que l'absence de [[biais]] ; | |||
3. Choisir l'estimateur optimal en minimisant une "norme" qui mesure la taille de la [[Matrice de variance-covariance|matrice de covariance]] des estimateurs. | |||
== Français == | == Français == | ||
''' MINQUE''' | |||
== Anglais == | |||
''' MINQUE''' | ''' MINQUE''' | ||
'''MInimum Norm Quadratic Unbiased Estimation''' | '''MInimum Norm Quadratic Unbiased Estimation''' | ||
== | ==Sources== | ||
[https://www.isi-web.org/glossary?language=2 Source : ISI Glossaire ] | |||
[https://isi.cbs.nl/glossary/term2110.htm Source : ISI ] | |||
[https://en.wikipedia.org/wiki/MINQUE Source : Wikipedia ] | |||
{{Modèle:Statistiques}} | |||
[[Catégorie:Statistiques]] | [[Catégorie:Statistiques]] | ||
Dernière version du 23 août 2024 à 19:43
Définition
La théorie de l'estimation sans biais quadratique à norme minimale (MINQUE) a été développée par C. R. Rao. Son application était à l'origine le problème de l'hétéroscédasticité et l'estimation des composantes de la variance dans les modèles à effets aléatoires.
La théorie comporte trois étapes :
1. La définition d'une classe générale d'estimateurs potentiels comme fonctions quadratiques des données observées, où les estimateurs se rapportent à un vecteur de paramètres du modèle ;
2. Spécifier certaines contraintes sur les propriétés souhaitées des estimateurs, telles que l'absence de biais ;
3. Choisir l'estimateur optimal en minimisant une "norme" qui mesure la taille de la matrice de covariance des estimateurs.
Français
MINQUE
Anglais
MINQUE
MInimum Norm Quadratic Unbiased Estimation
Sources
Contributeurs: Maya Pentsch, wiki
