什么是帽子矩阵

『壹』 什么是学生化残差

在线性回归中,残差的重要应用之一是根据它的绝对值大小判定异常点,通常采用标准化残差ei/。但由于普通残差ei的方差为D(ei)=σ2(1-hij),所以标准化残差虽然除去了因变量的度量单位的影响,但没有除去hij的影响,这里hii是帽子矩阵H=(hii)n×n的对角线元素。为此,令称为学生化残差。它比用标准残差判断异常点,更适用。

『贰』 什么是残差

残差在数理统计中是指实际观察值与估计值(拟合值)之间的差。"残差"蕴含了有关模型基本假设的重要信息。如果回归模型正确的话， 我们可以将残差看作误差的观测值。

它应符合模型的假设条件，且具有误差的一些性质。利用残差所提供的信息，来考察模型假设的合理性及数据的可靠性称为残差分析。

拓展资料：

在回归分析中，测定值与按回归方程预测的值之差，以δ表示。残差δ遵从正态分布N(0，σ2)。(δ-残差的均值)/残差的标准差，称为标准化残差，以δ*表示。δ*遵从标准正态分布N(0，1)。实验点的标准化残差落在(-2，2)区间以外的概率≤0.05。若某一实验点的标准化残差落在(-2，2)区间以外，可在95%置信度将其判为异常实验点，不参与回归直线拟合。

显然，有多少对数据，就有多少个残差。残差分析就是通过残差所提供的信息，分析出数据的可靠性、周期性或其它干扰。

『叁』 帽子矩阵和DFFIT准则中的P表示什么

我也是初学者，我在书上看到了一些例子希望对你有帮助
x[a] #x向量里的第a个数是多少
x[a:b] #x向量里的第a到b个数是多少，列出来
x[-a] #x向量里扣除第a个数剩下什么
>x <- c(1,4,7) #第二个数赋值为125
>x[2] <- 125
> x
[1] 1 125 7

x[v] #选取出x中符合v条件的元素

『肆』 帽子矩阵具体形式是什么 百度百科

帽子矩阵又叫帽变换又叫K-T变换（Kautlr-Thomas Transformation）穗帽变换是指根据经验确定的变换矩阵将图像投影综合变换到三维空间，其立体形态形似带缨穗的帽子，变换后能看到穗帽的最大剖面，充分反映植物生长枯萎程度、土地信息变化，大气散射物理影响和其它景物变化程度的一种线性特征变换的图像处理方法。穗帽变换（又称KT变换）是一种特殊的主成分分析，和主成分分析不同的是其转换系数是固定的，因此它独立于单个图像，不同图像产生的土壤亮度和绿度可以互相比较。随着植被生长，在绿度图像上的信息增强，土壤亮度上的信息减弱，当植物成熟和逐渐凋落时，其在绿度图像特征减少，在黄度上的信息增强。这种解释可以应用于不同区域上的不同植被和作物，但穗帽变换无法包含一些不是绿色的植被和不同的土壤类型的信息。总体上穗帽变换能够较好的分离土壤和植被。他的一个缺点是她依赖于传感器（主要是波段），因此其转换系数对每种遥感器是不同的。

『伍』 什么是帽子矩阵（hat matrix）

对于线性模型Y=Xβ+e,E(e)=0,cov(e)=σ2I，矩阵H≙...X（XTX）-1XT是将观测向量Y正交投影到由X的列向量所生成的子空间上的投影矩阵。Y^＝HY，习惯上称H为帽子矩阵。