«asymptotics» 태그된 질문

점근 이론은 표본 크기가 무한대에 가까워지면 추정기의 특성과 검정 통계량을 연구합니다.

1
통계가 매끄럽다면 부트 스트랩이 유효한 결과가 있습니까?
우리가 가정에 걸쳐 통계 일부 데이터의 함수 인 X 1 , ... X N 분포 함수로부터 인출되는 F ; 우리의 샘플의 경험적 분포 함수는 F . 그래서 θ ( F는 ) 임의의 변수로 간주 통계입니다 θ ( F가 ) 통계의 부트 스트랩 버전입니다. 우리는 d ∞ 를 KS 거리로 사용합니다θ …


2
왜 윌크스의 1938 증거가 잘못 지정된 모델에 대해 작동하지 않습니까?
유명한 1938 년 논문 ( " 복합 가설 테스트를위한 가능성 비율의 대규모 표본 분포 ", Annals of Mathematical Statistics, 9 : 60-62)에서 Samuel Wilks는 (로그 가능성 비율) 의 점근 분포를 도출했습니다. 더 큰 가설이 올바르게 지정되었다는 가정하에 내포 된 가설의 경우 제한 분포는 자유도를 갖는 (chi-squared)이며 , 여기서 는 더 …

4
PCA 공간에 새로운 벡터를 투영하는 방법?
주성분 분석 (PCA)을 수행 한 후 PCA 공간에 새 벡터를 투영하려고합니다 (즉, PCA 좌표계에서 해당 좌표를 찾습니다). 를 사용하여 R 언어로 PCA를 계산했습니다 prcomp. 이제 내 벡터에 PCA 회전 행렬을 곱할 수 있어야합니다. 이 매트릭스의 주요 구성 요소를 행 또는 열로 배열해야합니까?
21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 


5
중앙 한계 정리와 다수의 법칙에 동의하지 않는 경우
이것은 본질적으로 math.se에서 찾은 질문 의 복제이며 , 원하는 답변 을 얻지 못했습니다. 보자 {Xi}i∈N{Xi}i∈N\{ X_i \}_{i \in \mathbb{N}} 함께 독립적으로 동일하게 분산 된 랜덤 변수들의 시퀀스 일 E[Xi]=1E[Xi]=1\mathbb{E}[X_i] = 1 및 V[Xi]=1V[Xi]=1\mathbb{V}[X_i] = 1 . 의 평가를 고려 limn→∞P(1n−−√∑i=1nXi≤n−−√)limn→∞P(1n∑i=1nXi≤n) \lim_{n \to \infty} \mathbb{P}\left(\frac{1}{\sqrt{n}} \sum_{i=1}^n X_i \leq \sqrt{n}\right) 불평등 사건의 …

3
비정규 표본의 표본 분산에 대한 점근 분포
이것은 이 질문 에 의해 제기 된 문제에 대한보다 일반적인 처리입니다 . 표본 분산의 점근 분포를 도출 한 후 델타 방법을 적용하여 표준 편차의 해당 분포에 도달 할 수 있습니다. 크기가 인 iid 비정규 랜덤 변수 , 평균 및 분산 . 표본 평균과 표본 분산을 { X i } ,nnn{Xi},i=1,...,n{Xi},i=1,...,n\{X_i\},\;\; …

2
추정기의 시퀀스 유엔유엔U_n 파라미터에 대한 θθ\theta 경우 점근 정상 엔−−√( U엔− θ ) → N( 0 , v )엔(유엔−θ)→엔(0,V)\sqrt{n}(U_n - \theta) \to N(0,v). (소스) 우리는 다음 통화VVv의 점근 분산유엔유엔U_n. 이 분산이Cramer-Rao bound와같으면추정기 / 시퀀스가 ​​점진적으로 효율적이라고합니다. 질문 : 왜 우리는 √ 를 사용합니까엔−−√엔\sqrt{n}특히 n ? 표본 평균의 경우 Va r …

3
0이 아닌 점근 적 분산으로 점근 적 일관성-무엇을 나타내는가?
문제가 전에 제기되었지만 문제를 명확히하고 분류 할 수있는 답변을 이끌어 낼 구체적인 질문을하고 싶습니다. "가난한 사람의 무증상"에서, (a) 확률로 상수로 수렴하는 무작위 변수의 시퀀스 대조적으로 (b) 확률 변수에서 확률 변수로 수렴하는 (따라서 분포) 무작위 변수의 순서. 그러나 "Wise Man 's Asymptotics"에서 우리는 또한 (c) 한계에서 0이 아닌 분산을 유지하면서 확률로 …

3
CLT가
우리의 합 알고 그래서 매개 변수를 사용하여 물고기 자리 자체에 포아송입니다 . 따라서 가설 적으로 취할 수 있고 실제로 이라고 말할 수 있습니다 . 각 는 다음과 같습니다. , CLT가 작동하려면 큰 n을 사용하십시오.λ N λ X ~ P O I S S O n은 ( λ = 1 ) …

2
관찰 된 정보 매트릭스는 예상되는 정보 매트릭스의 일관성있는 추정기입니까?
나는 약하게 일관된 최대 가능성 추정기 (MLE)에서 평가 된 관측 된 정보 매트릭스가 기대되는 정보 매트릭스의 약하게 일관된 추정기임을 증명하려고 노력하고있다. 이것은 널리 인용 된 결과이지만 아무도 참조 또는 증거를 제공하지 않습니다 (Google 결과의 첫 20 페이지와 통계 교과서가 소진되었다고 생각합니다)! 약하게 일관된 MLE 시퀀스를 사용하면 약한 수의 법칙 (WLLN)과 …


2
GLM에 대한 정규화 변환 도출
\newcommand{\E}{\mathbb{E}} 방법 인 정규화는 지수 가족 변환 유래? A ( ⋅ ) = ∫ d uV 1 / 3 ( μ )A(⋅)=∫duV1/3(μ)A(\cdot) = \displaystyle\int\frac{du}{V^{1/3}(\mu)} 더 구체적으로 : 나는 3 페이지의 Taylor 확장 스케치를 따르려고 노력했지만 여기에 슬라이드 1 이 있지만 몇 가지 질문이 있습니다. 함께 엑스XX 지수 가족, 변환 h …

5
M 추정기의 경험적 헤 시안이 무기 한일 수 있습니까?
횡단면 및 패널 데이터의 계량 경제학 분석 (357 페이지) 에서 Jeffrey Wooldridge 는 경험적 Hessian이 "우리가 작업하고있는 특정 샘플에 대해 양의 정한 또는 심지어 반의 정한 것으로 보장되지는 않는다"고 말합니다. 이것은 (수치 적 문제를 제외하고) 헤 시안이 주어진 표본에 대한 목적 함수를 최소화하는 매개 변수의 값과 M- 추정기의 정의의 결과로 …

1
코시 분포와 중앙 한계 정리
CLT를 유지하려면 평균 μμ\mu 및 유한 분산 를 갖도록 근사하려는 분포가 필요합니다 σ2σ2\sigma^2. 코시 분포 (Cauchy distribution)의 경우, 평균과 분산이 정의되지 않은 경우, 중앙 한계 정리 (Central Limit Theorem)는 무증상으로도 좋은 근사치를 제공하지 못한다고 말할 수 있습니까?

당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.