该文章在定义中从未假设过同性恋。把它在文章的上下文中,同方差会说
在哪里我是Ñ × Ñ单位矩阵,σ是一个标量正数。异方差允许
E{(x^−x)(x^−x)T}=σI
In×nσ
Ë{ (x^− x )(x^− x )Ť} = D
任何固醇为正定。本文以最通用的方式将协方差矩阵定义为某些隐式多元分布的中心二阶矩。我们必须知道的多变量分布Ë获得的渐近有效和一致的估计X。这将来自似然函数(这是后验的强制性组成部分)。例如,假设ë 〜Ñ (0 ,Σ )(即Ë { (X - X )(X - X )dËX^È 〜Ñ(0 ,Σ )。然后隐含似然函数是
日志[ 大号] = 日志[ φ (X - X ,Σ )]
其中 φ是多元正态pdf文件。Ë{ (x^− x )(x^− x )Ť} = Σ
日志[ L ] = 日志[ ϕ (x^− x ,Σ )]
ϕ
费舍尔信息矩阵可以写成
有关更多信息,请参见en.wikipedia.org/wiki/Fisher_information。从这里我们可以得出
√
一世(x )= E[ ( ∂∂X日志[ 大号] )2∣∣∣X ]
上述利用二次损失函数但并
不假设方差齐性。
ñ--√(x^− x )→dñ(0 ,我− 1(x ))
在OLS的上下文中,我们在x上对进行回归,我们假设
E { y | X } = X ' β
隐含的可能性是
日志[ 大号] = 日志[ φ (ÿ - X ' β ,σ 我)]
其中可以方便地重写为
日志[ 大号] = Ñ Σ我= 1个日志[ φ (ÿ -ÿX
Ë{ ÿ| x}= x′β
日志[ L ] = 日志[ ϕ (y− x′β,σ一世)]
φ单变量正常PDF。Fisher信息然后
我(β )= [ σ (X X ' )- 1 ] - 1日志[ L ] = ∑我= 1ñ日志[ φ (y− x′β,σ)]
φ一世(β)= [ σ(x x′)− 1]− 1
β
日志[ L ] = 日志[ ϕ (y− x′β,D )]
β 1个ñ一世− 1(β)