18

추정기의 시퀀스 파라미터에 대한 θ 경우 점근 정상 (θ)(0,V). (소스) 우리는 다음 통화V의 점근 분산. 이 분산이Cramer-Rao bound와같으면추정기 / 시퀀스가 ​​점진적으로 효율적이라고합니다.

질문 : 왜 우리는 를 사용합니까특히 n ?

표본 평균의 경우 V아르 자형(엑스¯)=σ2 이 선택은 그것을 정규화합니다. 그러나 위의 정의가 표본 평균보다 더 많이 적용되므로 왜 우리는 여전히로 정규화하기로 선택합니까? .


2
좋은 추정량의 경우 은 평균 θ , 추정되는 모수 및 의 분산은 0으로 수렴해야합니다 . 즉, U n 의 분포는 θ 의 단일 원자를 갖는 축퇴 분포로 수렴해야합니다 . 그러나 이러한 수렴이 발생할 수있는 여러 가지 방법이 있습니다. 예 : U nU ( θ - 1 / n , θ + 1 / n ) 또는 U nN ( θ0θ(θ1/,θ+1/)(θ,V/) 등. 우리는 후자의 경우에는 무조건정상적인soubriquet를 적용하고 싶지만전자의 경우에는적용하지 않기를 원합니다.
Dilip Sarwate

1
효율적인 추정량은 무증상입니다. en.wikipedia.org/wiki/…
Khashaa

1
이 질문이 "점근 효율"보다는 "점근 정규성"이라는 제목을 갖는 것이 더 좋을까요? "효율성"이 단지 "점근 적 정상 성"에 직면 한 상황이 아니라 질문의 실질적인 측면이되는 곳이 나에게는 분명하지 않다.
Silverfish

MLE의 점근 적 정상성에 대한 증거 만 확인하면됩니다! 제곱근 은 중심 한계 정리를 표본 평균에 적용 할 수 있도록하는 것입니다!
Megadeth

답변:


15

우리는 여기서 선택할 수 없습니다 . "정규화"요소는 본질적으로 "무한한 것에 대한 분산 안정화"요소입니다. 따라서 표본 크기가 무한대로 갈 때식이 0이되거나 무한대로되지 않고 한계에서 분포를 유지합니다.

따라서 각 경우에 무엇이든지 있어야합니다. 물론 많은 경우에 그것이 것을 나온다 것은 흥미 롭다 . (하지만 아래 @whuber의 의견도 참조하십시오).n

정규화 계수가 √가 아닌 이어야하는 표준 예 n 은 모델이있을 때입니다

와이=β와이1+,와이0=0,=1,...,

백색 잡음을 우리는 알 수없는 추정 β를 정규 방정식에 의해.β

그런 경우 계수의 실제 값은 후 일치하여 OLS입니다 추정하고 평소에 수렴 |β|<1 비율.

그러나 그 대신에 실제 값이 (즉, 실제로 순수한 랜덤 보행을 가짐) OLS 추정기는 일관되지만 속도가 빠르면서 "빠르게"수렴됩니다.β=1(이는 "초 일관성"추정기라고도 함). 많은 견적자가 속도 √로 수렴합니다. ). 이 경우, 그 (수직이 아닌)의 점근 분포를 얻기 위해, 우리는눈금( β -β)에 의해N
(β^β) 우리 만 확장하는 경우 ( 표현식이 0이됩니다). 해밀턴 ch 17 에 자세한 내용이 있습니다.


2
Alecos, 당신은 명확하게 할 수 무엇을 모델로 추정되는 (나는 가정 위치를 의미 Y 0 = 0 과 관찰 첨자되는 1 , 2 , 등). 모델에 그것이 인 Y t = β Y t - 1 + u는 마에 OLS 추정기 β 레이트 수렴을 와이=와이1+,0=0와이0=01,2,와이=β와이1+β^ 대한 n | β| <1이지만β=1 인 경우수렴이 속도n에 있거나 모델yt=βy t - 1 +ut에서 수렴이 항상 속도n입니까? 간단히 말해서, "및β=1, 즉 순수한 무작위 보행"의 진술의 중요성은 무엇입니까? |β|<1β=1와이=β와이1+β=1
Dilip Sarwate

@DilipSarwate 감사합니다. 업데이트되었습니다. 나는 지금 분명하다고 생각합니다.
Alecos Papadopoulos

4
(+1) 의 선택에 주목하는 것이 가치 있고 유익 할 수 있습니다 (또는n또는 적절할 수있는 것)은 고유하지 않습니다. 그 대신에f(n)/ 의 제한 값이있는모든함수f(n)을사용할 수 있습니다.에프() 은 단일성과 같습니다. 그것은 단지 것을이 넓은 의미에서f는"이되어야한다 무엇이어야합니다." 에프()/에프
whuber

1
@Khashaa OP는 점근 효율에 대해 물었지만, 그 과정에서 OP가 "정규화"요소에 대해 잘못된 인상을 줄 수 있다는 것이 밝혀졌습니다. 이것은 더 근본적인 문제이므로 답변에서이 문제를 다루기로 선택했습니다. 효율성에 대한 대답에는 아무것도 없습니다 .
Alecos Papadopoulos

2
아마도 당신의 대답에서 아닌 n 의 경우를 언급 할 가치 가 있습니다. "초 일관성"이라고합니까? 현재 사이트의 검색 기능을 사용할 수있는 CV에서 "초일관성"에 대한 다른 언급은Alecos의 또 다른 내용입니다! 질문과 검색을보다 친숙하게 만드는 것이 좋습니다.
Silverfish

1

표본 평균 분산 직감으로 올바른 길을 가고 있습니다. 조건을 다시 정렬하십시오.

(Unθ) N ( 0 , v )

(θ)(0,V)
UnN(θ,v
(θ)(0,V)
(θ,V)

마지막 방정식은 비공식적 입니다. 그러나, 어떤 방법으로 더 직관적 : 당신의 편차 말할 에서 θ가 더 정규 분포처럼되고 n은 증가한다. 분산이 줄어들지 만 모양이 정규 분포에 가까워집니다.θ

수학에서는 오른쪽으로 변화하는 수렴을 정의하지 않습니다 ( 은 변합니다 ). 그렇기 때문에 동일한 아이디어가 원래 조건과 동일하게 표현됩니다. 오른쪽이 고정되고 왼쪽이 수렴합니다.


"재정렬"방법을 설명 할 수 있습니다. 적용 할 속성과 같습니다.
mavavilj
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.