El teorema de Gauss- Márkov dentro de la estadística, consiste en el establecimiento de un determinado modelo de regresión lineal donde los errores contienen la posibilidad de tener cero, lo que significa que las varianzas mantienen la igualdad y son no correlacionados.
Un buen lineamiento no estimador del coeficiente, se lleva a cabo por los cuadros ordinarios mínimos en caso de que exista el lineal estimador. No es necesario que los errores sean normales, ni tampoco que sean independientes y distribuidos de forma idéntica.
El requisito principal del teorema de Gauss-Márkov se relaciona con el estimador cuando es insesgado y es inevitable eliminarlo, debido a la existencia de otros estimadores sesgados que tienen una varianza menor.
El teorema de Gauss-Márkov en estadística indica que, dentro de los métodos lineales generales, se pueden llegar a establecer cinco supuestos como los que se detallan a continuación:
- Método lineal de parámetros: Se trata de un supuesto que aporta gran flexibilidad en el funcionamiento de las variables.
- Media luna y exogeneidad estricta: Incide en el valor medio de error condicionado de la misma forma que el valor no condicionado, por lo tanto, su valor es cero y la exogeneidad estricta indica un modelo sin relación con algún tipo de observación.
- Multicolinealidad exacta negativa: En este caso las variables explicativas no son constantes en la muestra, lo que significa que la relación lineal exacta que se encuentran en las variables explicativas son negativas, por lo tanto, no existen y la correlación de las variables es imperfecta.
- Homocedasticidad: Se refiere a la varianza del error independiente de los valores explicativos y a la varianza del error consecuente.
- No tienen autocorrelación: Al observar dos tipos de condicionadas X en los términos de error, se puede decir que se encuentran incorrelacionados, pero si la muestra es sólo circunstancial la autocorrelación es negativas, es decir, no existe.
Ejemplos de teorema de Gauss-Márkov
- El teorema de Gauss-Márkov aplica los supuestos que requiere el estimado mínimo de los cuadrados ordinarios con el fin de suponer el estimado lineal insesgado óptimo.
- Dentro de la estadística este teorema tiene la capacidad de establecer un método de regresión lineal donde la expectativa de errores es cero y tienen igualdad de varianzas.
- Se puede afirmar en este teorema, que la mínima varianza es precisa en los estimadores insesgados y lineales y en caso de fallar dejarán de ser insesgados.