Propriétés dès estimateur des MCO


  • L

    Bonsoir à tous je viens cette fois avec du supérieur

    Soit le modem suivant
    Yi=β0+β1<em>Xi+εiY_i=\beta_0+\beta_1<em>X_i+\varepsilon_iYi=β0+β1<em>Xi+εi avec i=1,2 ... n
    Montrer que les estimateurs β1</em>\beta_1^</em>β1</em>et β0<em>\beta_0^<em>β0<em> sont BLUE c’est à dire
    Linéaire sans biais et convergent
    Déjà sait que par les MCO
    β0opt\beta_0^optβ0opt=Y→−β1opt</em>overrightarrowY\overrightarrow{Y}-\beta_1^opt</em>overrightarrow{Y}Yβ1opt</em>overrightarrowY
    Et β1opt\beta_1^optβ1opt=Cov(X,Y)V(X)=∑i=1n(Xi−X→)∗(Yi−X→)∑i=1n(Xi−X→)2\dfrac{Cov(X,Y)}{V(X)}=\dfrac{\displaystyle\sum_{i=1}^{n}(X_i-\overrightarrow{X})*(Y_i-\overrightarrow{X})}{\displaystyle\sum_{i=1}^{n}(X_i-\overrightarrow{X})^2}V(X)Cov(X,Y)=i=1n(XiX)2i=1n(XiX)(YiX)
    En centrant les variables jepeux écrire
    Que β1opt=∑i=1n(xi)(yi)∑i=1n(xi)2avec\beta_1^opt=\dfrac{\displaystyle\sum_{i=1}^{n}(x_i)(y_i)}{\displaystyle\sum_{i=1}^{n}(x_i)^2} avec β1opt=i=1n(xi)2i=1n(xi)(yi)avecy_i=\beta_1x_i+\varepsilon_i}$
    En remplaçant yiy_iyi par sa valeur je parviens à montrer que les estimateurs Sont sans biais mais je bloque sur la démonstration de la variance minimale et linéaire (combinaison linéaire des observations YiY_iYi)
    Merci de pouvoir m’aider ! Mes dames !


Se connecter pour répondre