In Figure 1 (b) we consider a simpl

In Figure 1 (b) we consider a simple linear regression model with one parameter θ and one observation z = θ+ϵ, where ϵ is a random error with mean 0 and variance σ2. Without any penalty, the OLS estimator ˆ θ is z.

Results (Russian) 1:

На рисунке 1 (б), рассмотрим простую линейную регрессионную модель с одним параметром и & thetas одного наблюдения г = θ + ε, где ε является случайной ошибкой со средним значением 0 и дисперсией а2. Без какого-либо наказания, МНК-оценка θ является г.

Results (Russian) 2:

На рисунке 1 (b) мы рассматриваем простую линейную модель регрессии с одним параметром и одним наблюдением z и q, где это случайная ошибка со средним и отклонением No2. Без каких-либо штрафов, оценщик OLS q z.

Results (Russian) 3:

на рис. 1 (b) мы думаем об одном параметре тета и одной наблюдательной величине z = тета + 1013′ простой линейной модели регрессии, в которой аддитивное значение 1 013 является случайным погрешностью от 0 до Сигмы 2.без каких - либо наказаний, по оценкам OLS, это 710 нитрата Z.