통계적 추론의 고전적인 처리는 올바르게 지정된 통계가 사용된다는 가정에 의존합니다. 즉, 유통 인 가 감시 데이터를 생성하는 것이 통계 모델의 부분 :
White 1982의 잘못된 사양에 따른 ML 추정에 대한 연구 결과가 있습니다 . 최대 우도 추정값은 통계 모델 내 모든 분포에서 KL- 분산을 최소화하는 분포 대한 일관된 추정량이라고합니다. 실제 분포 P ∗ .
신뢰 집단 추정치는 어떻게됩니까? 신뢰 집단 추정값을 요약 할 수 있습니다. 하자 세트 추정 될 Ω Y는 샘플 공간과 2 Θ 매개 변수 공간을 통해 전력 세트 Θ . 우리가 알고 싶은 것은 δ에 의해 생성 된 집합 에 실제 분포 P * , 즉 P * ( P * ∈ { P θ : θ ∈ δ ( Y ) }가 포함될 확률입니다.
그러나 우리는 물론 실제 분포 알지 못합니다 . 올바르게 지정된 가정은 P * ∈ M 입니다. 그러나 우리는 여전히 모델의 분포를 모릅니다. 그러나 inf θ ∈ Θ P θ ( θ ∈ δ ( Y ) ) : = B 는 확률 A의 하한입니다 . 방정식 B 는 신뢰 집합 추정기에 대한 신뢰 수준의 고전적인 정의입니다.
올바르게 지정된 가정을 삭제하면 가 더 이상 실제로 관심있는 용어 인 A 의 하 한일 필요는 없습니다. 실제로 모형이 잘못 결정되었다고 가정하면 (실제로 가장 현실적인 상황의 경우), A 는 0입니다. 실제 분포 P * 는 통계 모형 M 내에 포함되어 있지 않기 때문 입니다.
다른 관점에서 , 모델이 잘못 지정되었을 때 가 어떤 관계 인지 생각할 수 있습니다. 이것은 더 구체적인 질문입니다. 모델을 잘못 지정하면 B에 여전히 의미가 있습니까? 그렇지 않다면 왜 우리는 파라 메트릭 통계를 귀찮게합니까?
White 1982 에 이러한 문제에 대한 결과가 포함되어 있다고 생각 합니다. 불행히도, 수학적 배경이 부족하여 거기에 쓰여진 많은 것을 이해하지 못하게됩니다.