Inférence dans le modèle gaussien

Résumé

Nous rappelons le contexte du chapitre précédent :

$${Y_{n \times 1}} = {X_{n \times p}} {\beta _{p \times 1}} + {\varepsilon _{n \times 1}},$$

, sous les hypothèses

• H₁ : rang(X) = p.

• ${\mathcal{H}_2}:\mathbb{E}\left( \varepsilon \right) = 0, {\Sigma _\varepsilon } = {\sigma ^2} {I_n}.$